基于视觉和惯性的移动机器人室内定位算法研究和实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 课题的国内外研究现状 | 第12-15页 |
| 1.2.1 视觉SLAM的国内外研究现状 | 第12-14页 |
| 1.2.2 视觉惯性定位技术的国内外研究现状 | 第14-15页 |
| 1.3 课题的主要研究内容 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 相关理论基础 | 第17-28页 |
| 2.1 三维空间刚体运动的表示 | 第17-21页 |
| 2.1.1 旋转的表示方法 | 第17-19页 |
| 2.1.2 四元数 | 第19-20页 |
| 2.1.3 李群与李代数 | 第20-21页 |
| 2.2 摄相机成像模型 | 第21-25页 |
| 2.2.1 针孔模型 | 第22-24页 |
| 2.2.2 非线性相机模型 | 第24-25页 |
| 2.3 SLAM的基本原理 | 第25-27页 |
| 2.3.1 非线性优化方法解决状态估计问题的解释 | 第25-26页 |
| 2.3.2 视觉SLAM的原理 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于深度相机的视觉里程计定位和稠密建图 | 第28-48页 |
| 3.1 深度相机 | 第28-31页 |
| 3.1.1 RealSenseR200简介 | 第28-29页 |
| 3.1.2 RealSenseR200工作原理 | 第29-31页 |
| 3.2 视觉里程计 | 第31-35页 |
| 3.2.1 ORB特征提取和特征匹配 | 第31-33页 |
| 3.2.2 计算相机运动 | 第33-35页 |
| 3.3 基于ORB-SLAM的定位和稠密建图 | 第35-40页 |
| 3.3.1 图像采集和数据预处理 | 第35-37页 |
| 3.3.2 视觉里程计定位和稠密建图 | 第37-40页 |
| 3.4 实验系统和实验步骤 | 第40-47页 |
| 3.4.1 基于轮式移动小车的直线运动实验 | 第40-43页 |
| 3.4.2 基于轮式移动小车的环形运动试验 | 第43-46页 |
| 3.4.3 手持设备环形运动实验 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 视觉惯性融合的视觉惯性里程计研究 | 第48-67页 |
| 4.1 ROS简介 | 第48-51页 |
| 4.1.1 ROS文件系统级 | 第48-49页 |
| 4.1.2 ROS消息 | 第49-50页 |
| 4.1.3 ROS节点 | 第50页 |
| 4.1.4 ROS主题 | 第50-51页 |
| 4.1.5 ROS工具 | 第51页 |
| 4.2 基于预积分的IMU动力学模型 | 第51-53页 |
| 4.2.1 IMU测量值 | 第51页 |
| 4.2.2 坐标系关系 | 第51-52页 |
| 4.2.3 IMU动力学模型 | 第52-53页 |
| 4.3 视觉惯性融合 | 第53-55页 |
| 4.4 视觉惯性融合实验 | 第55-66页 |
| 4.4.1 实验系统介绍和实验步骤 | 第55-58页 |
| 4.4.2 直线实验 | 第58-60页 |
| 4.4.3 环形实验 | 第60-66页 |
| 4.5 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士期间发表的论文 | 第73页 |
