| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 选题背景及意义 | 第12-14页 |
| 1.2 视觉SLAM概述及研究现状 | 第14-15页 |
| 1.2.1 基于滤波器的视觉SLAM研究现状 | 第14页 |
| 1.2.2 基于图优化的视觉SLAM研究现状 | 第14-15页 |
| 1.3 闭环检测概述及研究现状 | 第15-16页 |
| 1.3.1 基于人工设计特征的闭环检测研究现状 | 第15-16页 |
| 1.3.2 基于深度学习的闭环检测研究现状 | 第16页 |
| 1.4 本文主要内容 | 第16-18页 |
| 第二章 视觉SLAM以及闭环检测原理介绍 | 第18-31页 |
| 2.1 视觉SLAM原理介绍 | 第18-27页 |
| 2.1.1 传感器 | 第18-20页 |
| 2.1.2 视觉里程计 | 第20-22页 |
| 2.1.3 SLAM框架之后端 | 第22-23页 |
| 2.1.4 SLAM 框架之闭环检测 | 第23-26页 |
| 2.1.5 SLAM框架之建图 | 第26-27页 |
| 2.2 SLAM问题的数学表述 | 第27-30页 |
| 2.2.1 最小二乘的引出 | 第29页 |
| 2.2.2 最小二乘的解法 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于人工设计特征的闭环检测 | 第31-40页 |
| 3.1 人为设计特征提取算法分类 | 第31-33页 |
| 3.2 词袋模型 | 第33-35页 |
| 3.2.1 字典 | 第34页 |
| 3.2.2 K-means算法 | 第34-35页 |
| 3.3 基于词袋模型的闭环检测实验 | 第35-38页 |
| 3.3.1 实验环境 | 第35-36页 |
| 3.3.2 标准测试数据集 | 第36页 |
| 3.3.3 相似度计算 | 第36-37页 |
| 3.3.4 实验过程以及结果 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于卷积神经网络的闭环检测 | 第40-50页 |
| 4.1 实验模型 | 第40-43页 |
| 4.1.1 vgg16-places365卷积神经网络结构框架 | 第40-42页 |
| 4.1.2 vgg16-places365卷积神经网络的训练 | 第42-43页 |
| 4.2 实验用的闭环检测方法 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-48页 |
| 4.3.1 实验环境 | 第44-45页 |
| 4.3.2 实验数据集 | 第45页 |
| 4.3.3 PR 性能比较 | 第45-48页 |
| 4.3.4 时间性能比较 | 第48页 |
| 4.4 本章小结 | 第48-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 攻读学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60页 |