移动机器人三维面特征地图创建关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 机器人地图创建发展以及研究现状 | 第11-13页 |
| 1.3 本文研究内容与结构安排 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-15页 |
| 第2章 三维地图创建研发平台及数据预处理 | 第15-23页 |
| 2.1 移动机器人硬件平台 | 第15页 |
| 2.1.1 Pioneer移动机器人整体实验平台 | 第15页 |
| 2.2 三维视觉信息获取装置 | 第15-17页 |
| 2.2.1 Kinect的结构组成 | 第15-16页 |
| 2.2.2 Kinect for SDK介绍 | 第16-17页 |
| 2.2.3 Kinect工作原理 | 第17页 |
| 2.3 三维地图创建的软件平台 | 第17-19页 |
| 2.3.1 点云库PCL | 第17-18页 |
| 2.3.2 计算机视觉库OpenCV | 第18-19页 |
| 2.3.3 机器人操作系统ROS | 第19页 |
| 2.4 点云数据获取 | 第19-20页 |
| 2.5 数据预处理 | 第20-22页 |
| 2.5.1 噪声分析 | 第20-21页 |
| 2.5.2 点云数据去噪处理 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 三维点云平面分割 | 第23-34页 |
| 3.1 三维点云平面特征提取的关键技术 | 第23-24页 |
| 3.2 基于PCA的区域增长三维分割法 | 第24-31页 |
| 3.2.1 平面检测的总体方案 | 第24-25页 |
| 3.2.2 平面模型定义 | 第25-26页 |
| 3.2.3 基于PCA的三维点云法向量估计 | 第26-29页 |
| 3.2.4 基于区域增长的分割方法 | 第29-31页 |
| 3.3 实验结果 | 第31-33页 |
| 3.6 小结 | 第33-34页 |
| 第4章 基于平面特征配准的关键技术研究 | 第34-52页 |
| 4.1 基于ICP算法的三维点云配准 | 第34-38页 |
| 4.1.1 ICP算法原理 | 第35-36页 |
| 4.1.2 ICP算法特性分析以及各种改进 | 第36-38页 |
| 4.2 基于平面特征的三维点云配准 | 第38-46页 |
| 4.2.1 平面特征匹配整体方案 | 第38-39页 |
| 4.2.2 平面片面积计算 | 第39-42页 |
| 4.2.3 基于平面特征配准 | 第42-45页 |
| 4.2.4 基于平面特征配准的三维运动求解 | 第45-46页 |
| 4.3 配准实验结果分析 | 第46-50页 |
| 4.4 小结 | 第50-52页 |
| 第5章 闭环检测及优化 | 第52-66页 |
| 5.1 闭环检测 | 第52-58页 |
| 5.1.1 闭环检测定义 | 第52-53页 |
| 5.1.2 闭环检测的关键问题 | 第53页 |
| 5.1.3 闭环检测的方法现状 | 第53-54页 |
| 5.1.4 本文闭环检测方案 | 第54-58页 |
| 5.1.5 闭环检测结果 | 第58页 |
| 5.2 全局优化 | 第58-65页 |
| 5.2.1 图优化方法概述 | 第58-60页 |
| 5.2.2 基于梯度下降法的图优化 | 第60-62页 |
| 5.2.3 优化结果 | 第62-65页 |
| 5.3 小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 附录A 攻读学位期间发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
