| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 工业互联网现状 | 第13-15页 |
| 1.2.1 工业互联网系统 | 第13-14页 |
| 1.2.2 工业互联网在矿井下的发展现状 | 第14-15页 |
| 1.3 无人机导航现状 | 第15-16页 |
| 1.4 SLAM问题研究现状 | 第16-19页 |
| 1.4.1 SLAM问题提出 | 第16-17页 |
| 1.4.2 传感器种类 | 第17-18页 |
| 1.4.3 定位方法 | 第18-19页 |
| 1.5 本文主要内容及结构 | 第19-22页 |
| 2 基于单目视觉的SLAM原理 | 第22-36页 |
| 2.1 SLAM问题描述 | 第22-24页 |
| 2.2 基于单目视觉的SLAM系统框架 | 第24-32页 |
| 2.2.1 特征提取与匹配 | 第24-26页 |
| 2.2.2 无人机状态估计 | 第26-30页 |
| 2.2.3 特征点深度获取 | 第30-31页 |
| 2.2.4 地图表示 | 第31-32页 |
| 2.3 SIFT特征提取算法 | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 两种人工路标—二维码及反光标识牌的信息提取 | 第36-64页 |
| 3.1 井下地图构建 | 第36-41页 |
| 3.1.1 井下几何-拓扑地图模型 | 第36-38页 |
| 3.1.2 井下几何-拓扑地图仿真 | 第38-41页 |
| 3.2 人工路标—二维码设计及识别 | 第41-46页 |
| 3.2.1 人工路标二维码的设计 | 第41-42页 |
| 3.2.2 人工路标二维码的识别 | 第42-46页 |
| 3.3 反光标识牌信息提取 | 第46-55页 |
| 3.3.1 反光标识牌特征点匹配 | 第48-50页 |
| 3.3.2 基于RANSAC的特征点匹配 | 第50-52页 |
| 3.3.3 基于视觉注意机制的反光标识牌轮廓提取 | 第52-55页 |
| 3.4 仿真结果 | 第55-62页 |
| 3.4.1 RANSAC-SIFT算法不变性实验 | 第55-59页 |
| 3.4.2 RANSAC-SIFT特征提取与匹配实验 | 第59-62页 |
| 3.5 本章小结 | 第62-64页 |
| 4 基于二维码的井下无人机单目视觉FastSLAM算法 | 第64-74页 |
| 4.1 粒子群优化原理 | 第64-65页 |
| 4.2 井下无人机位姿计算 | 第65-67页 |
| 4.3 井下无人机模型 | 第67-68页 |
| 4.4 基于粒子群优化的井下无人机FastSLAM算法 | 第68-70页 |
| 4.5 仿真结果 | 第70-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 基于反光标识牌的井下无人机单目视觉EKF-SLAM算法 | 第74-94页 |
| 5.1 摄像机成像模型 | 第74-77页 |
| 5.2 基于P4P的井下无人机位姿估计 | 第77-79页 |
| 5.3 井下无人机系统模型建立 | 第79-83页 |
| 5.3.1 状态模型 | 第80-81页 |
| 5.3.2 观测模型 | 第81-83页 |
| 5.4 井下无人机单目视觉EKF-SLAM的实现 | 第83-88页 |
| 5.4.1 系统初始化及预测 | 第84-86页 |
| 5.4.2 系统状态更新 | 第86页 |
| 5.4.3 地图管理与更新 | 第86-88页 |
| 5.5 仿真结果 | 第88-93页 |
| 5.5.1 摄像机标定 | 第88-89页 |
| 5.5.2 实验参数设置 | 第89页 |
| 5.5.3 仿真结果 | 第89-93页 |
| 5.6 本章小结 | 第93-94页 |
| 6 总结与展望 | 第94-96页 |
| 参考文献 | 第96-100页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第100-104页 |
| 学位论文数据集 | 第104页 |
