| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-27页 |
| ·课题研究的背景和意义 | 第12-14页 |
| ·移动机器人SLAM 中的基本问题与研究现状 | 第14-21页 |
| ·移动机器人定位方法 | 第15-16页 |
| ·地图创建与环境表示方法 | 第16-19页 |
| ·机器人不确定信息的处理 | 第19-21页 |
| ·数据关联 | 第21页 |
| ·基于全景视觉传感器的移动机器人SLAM 研究现状 | 第21-25页 |
| ·图像特征的提取 | 第22-23页 |
| ·特征深度信息的获取 | 第23-24页 |
| ·基于全景视觉传感器的移动机器人SLAM 研究难点 | 第24-25页 |
| ·论文主要研究内容 | 第25-27页 |
| 第2章 全景图像特征提取与匹配 | 第27-63页 |
| ·尺度不变特征SIFT | 第27-34页 |
| ·尺度空间的生成 | 第28-30页 |
| ·局部极值点检测 | 第30-32页 |
| ·特征点方向分配 | 第32页 |
| ·特征向量的生成 | 第32-33页 |
| ·特征匹配准则 | 第33-34页 |
| ·利用SIFT 算法进行全景图像特征提取及匹配 | 第34-40页 |
| ·实验的软件基础及流程 | 第34-37页 |
| ·SIFT 特征提取及匹配实验 | 第37-39页 |
| ·实验结果分析 | 第39-40页 |
| ·无效特征及错误匹配的消除 | 第40-48页 |
| ·去除无效区域 | 第40-43页 |
| ·去除错误匹配 | 第43-48页 |
| ·Mean Shift 算法 | 第48-56页 |
| ·基本的Mean Shift 算法 | 第48-49页 |
| ·扩展的Mean Shift 算法 | 第49-51页 |
| ·Mean Shift 算法步骤 | 第51-53页 |
| ·Mean Shift 算法收敛性证明 | 第53-56页 |
| ·基于Mean Shift 算法的尺度不变特征提取 | 第56-62页 |
| ·尺度空间的Mean Shift 核 | 第56-58页 |
| ·改进的尺度不变特征提取算法 | 第58-59页 |
| ·基于改进SIFT 算法提取及匹配 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第3章 基于全景视觉的移动机器人SLAM 算法研究 | 第63-80页 |
| ·运动模型 | 第63-65页 |
| ·全景视觉成像原理及全景视觉传感器设计 | 第65-70页 |
| ·全景视觉传感器 | 第65页 |
| ·摄像机成像几何模型 | 第65-67页 |
| ·双曲面折反射全景成像原理 | 第67-68页 |
| ·双曲面全景成像系统参数的确定 | 第68-70页 |
| ·感知模型 | 第70-76页 |
| ·全景图像像素与特征物理位置的关系 | 第70-73页 |
| ·确定特征点位置 | 第73-75页 |
| ·特征匹配及新特征的初始化 | 第75-76页 |
| ·基于全景视觉的移动机器人SLAM | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第4章 基于全景视觉的移动机器人贝叶斯滤波SLAM 算法研究 | 第80-109页 |
| ·贝叶斯滤波原理 | 第80-82页 |
| ·基于卡尔曼滤波的移动机器人SLAM | 第82-93页 |
| ·扩展卡尔曼滤波 | 第86-88页 |
| ·无迹卡尔曼滤波 | 第88-90页 |
| ·基于卡尔曼滤波的移动机器人SLAM 实验 | 第90-93页 |
| ·基于粒子滤波的移动机器人SLAM | 第93-106页 |
| ·蒙特卡洛模拟方法 | 第93-94页 |
| ·贝叶斯重要性采样 | 第94-95页 |
| ·序列重要性采样 | 第95-99页 |
| ·粒子退化现象的解决方法 | 第99-102页 |
| ·基于粒子滤波的FastSLAM 算法 | 第102-105页 |
| ·基于粒子滤波的FastSLAM 实验 | 第105-106页 |
| ·实验结果分析 | 第106-107页 |
| ·本章小结 | 第107-109页 |
| 第5章 基于全景视觉的SLAM 时间优化方法研究 | 第109-131页 |
| ·基于改进SIFT 算法的SLAM 时间优化方法 | 第109-116页 |
| ·不同特征点数量的SLAM | 第109-115页 |
| ·实验结果分析 | 第115-116页 |
| ·基于特征库动态管理的SLAM 时间优化方法 | 第116-121页 |
| ·特征匹配的连续性 | 第117-119页 |
| ·基于特征匹配次数和连续性的特征库动态管理 | 第119-121页 |
| ·实验结果分析 | 第121页 |
| ·改进SIFT 与特征库管理相结合的SLAM 时间优化方法 | 第121-129页 |
| ·改进SIFT 算法特征匹配的连续性 | 第122页 |
| ·改进SIFT 与特征库动态管理相结合的时间优化方法 | 第122-128页 |
| ·实验结果分析 | 第128-129页 |
| ·不同算法的实验结果对比分析 | 第129-130页 |
| ·本章小结 | 第130-131页 |
| 结论 | 第131-134页 |
| 参考文献 | 第134-146页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第146-147页 |
| 致谢 | 第147页 |
