| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题来源及研究背景和意义 | 第10-12页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 视觉定位技术研究现状 | 第12-13页 |
| 1.2.2 地图构建技术研究现状 | 第13-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本文结构安排 | 第15-17页 |
| 第二章 系统整体流程及图像数据处理 | 第17-34页 |
| 2.1 视觉定位导航系统整体分析 | 第17-22页 |
| 2.1.1 视觉定位导航系统整体流程 | 第17-18页 |
| 2.1.2 机器人同时定位及建图过程的数学表达 | 第18-19页 |
| 2.1.3 后验概率估计过程 | 第19-22页 |
| 2.2 RGB-D相机 | 第22-27页 |
| 2.2.1 深度测量原理 | 第23-24页 |
| 2.2.2 相机参数标定 | 第24-27页 |
| 2.3 深度数据噪声处理 | 第27-33页 |
| 2.3.1 多帧融合的高斯平滑模型 | 第28-31页 |
| 2.3.2 实验验证 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 机器人视觉定位系统及改进 | 第34-54页 |
| 3.1 基于图像特征点的机器人运动计算 | 第34-40页 |
| 3.1.1 特征点提取及匹配 | 第34-37页 |
| 3.1.2 对极约束求解机器人运动 | 第37-40页 |
| 3.2 基于词袋模型的回环校正方法 | 第40-44页 |
| 3.2.1 词袋模型 | 第41-43页 |
| 3.2.2 回环检测 | 第43-44页 |
| 3.3 基于图像灰度信息的机器人运动计算及改进 | 第44-50页 |
| 3.3.1 基于图像灰度信息的机器人运动计算 | 第45-48页 |
| 3.3.2 最小化半稠密光度误差和稠密几何误差模型 | 第48-50页 |
| 3.4 优化运动估算模型 | 第50-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于视觉的机器人地图构建及导航系统 | 第54-68页 |
| 4.1 基于视觉的移动机器人地图构建已有方法 | 第54-58页 |
| 4.1.1 三维点云地图构建方法 | 第54-57页 |
| 4.1.2 二维栅格地图构建方法 | 第57-58页 |
| 4.2 融合三维信息的二维地图构建 | 第58-61页 |
| 4.2.1 地面点云提取 | 第58-60页 |
| 4.2.2 点云到二维地图构建 | 第60-61页 |
| 4.3 导航系统 | 第61-67页 |
| 4.3.1 全局路径规划 | 第62-63页 |
| 4.3.2 局部动态障碍物避让 | 第63-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 室内移动机器人视觉定位导航系统实验验证 | 第68-81页 |
| 5.1 实验平台 | 第68-72页 |
| 5.1.1 实验平台硬件部分 | 第68-69页 |
| 5.1.2 实验平台软件部分 | 第69-72页 |
| 5.2 机器人定位精度实验 | 第72-77页 |
| 5.2.1 标准数据集实验及分析 | 第72-76页 |
| 5.2.2 实际场地实验及分析 | 第76-77页 |
| 5.3 机器人地图构建及精度实验 | 第77-78页 |
| 5.4 机器人室内导航实验 | 第78-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-82页 |
| 6.1 总结 | 第81页 |
| 6.2 展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的成果 | 第87页 |