基于视觉SLAM的移动机器人闭环检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 视觉闭环检测的研究现状 | 第11-14页 |
| 1.3 视觉闭环检测的关键问题 | 第14-15页 |
| 1.4 章节安排及研究内容 | 第15-17页 |
| 第2章 基于单目视觉的机器人实验模型分析 | 第17-23页 |
| 2.1 坐标系模型 | 第17-19页 |
| 2.2 机器人位姿模型 | 第19页 |
| 2.3 机器人运动模型 | 第19-20页 |
| 2.4 视觉传感器感知模型 | 第20-22页 |
| 2.4.1 传感器的分类 | 第20页 |
| 2.4.2 摄像机成像模型 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于EM估计的关键描述符提取算法研究 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 图像预处理 | 第23-26页 |
| 3.2.1 图像视觉模糊问题 | 第23-24页 |
| 3.2.2 EM算法估计 | 第24-26页 |
| 3.3 图像关键特征点提取 | 第26-31页 |
| 3.3.1 尺度空间极值点检测 | 第26-28页 |
| 3.3.2 关键点定位及方向分配 | 第28-30页 |
| 3.3.3 SIFT特征点描述 | 第30页 |
| 3.3.4 描述子匹配 | 第30-31页 |
| 3.4 仿真实验分析 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于改进的BOVW算法研究 | 第33-45页 |
| 4.1 引言 | 第33页 |
| 4.2 视觉场景表示方法 | 第33-35页 |
| 4.3 BOVW算法 | 第35-38页 |
| 4.3.1 BOVW算法模型构建 | 第35-36页 |
| 4.3.2 视觉单词本构建 | 第36-37页 |
| 4.3.3 图像相似度计算 | 第37-38页 |
| 4.4 改进的BOVW模型构建 | 第38-41页 |
| 4.4.1 改进的BOVW模型 | 第38-39页 |
| 4.4.2 二次标记法 | 第39-41页 |
| 4.5 仿真实验及分析 | 第41-44页 |
| 4.5.1 改进的算法结果分析 | 第41页 |
| 4.5.2 场景分类正确率对比 | 第41-43页 |
| 4.5.3 几种算法结果性能对比 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 基于改进贝叶斯模型的快速闭环检测算法研究 | 第45-60页 |
| 5.1 引言 | 第45页 |
| 5.2 闭环检测中的视觉混淆问题 | 第45-46页 |
| 5.3 视觉闭环检测算法 | 第46-49页 |
| 5.3.1 基于序列图像相似性计算的闭环检测 | 第46-48页 |
| 5.3.2 基于贝叶斯模型的闭环检测算法 | 第48-49页 |
| 5.4 基于改进的贝叶斯模型闭环检测算法 | 第49-54页 |
| 5.4.1 改进的贝叶斯模型 | 第50-52页 |
| 5.4.2 改进算法参数确定设置 | 第52-54页 |
| 5.5 实验结果分析 | 第54-59页 |
| 5.5.1 相似性矩阵对比 | 第54-56页 |
| 5.5.2 闭环检测性能对比 | 第56-58页 |
| 5.5.3 三种算法结果对比 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67页 |
