基于RGB-D的同步定位与构图算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 SLAM研究概况 | 第9-12页 |
| 1.2.1 SLAM研究方向 | 第9-10页 |
| 1.2.2 SLAM方法分类及比较 | 第10-12页 |
| 1.3 国内外现状 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-16页 |
| 第2章 KINECT视觉测量模型与标定 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 KINECT构造与测量模型 | 第16-20页 |
| 2.2.1 KINECT的系统构造 | 第16-17页 |
| 2.2.2 KINECT相机标定方法 | 第17-20页 |
| 2.3 深度信息获取模型 | 第20-21页 |
| 2.4 点云转换模型 | 第21-22页 |
| 2.5 KINECT的驱动与应用 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 SLAM前端算法 | 第24-43页 |
| 3.1 引言 | 第24页 |
| 3.2 特征提取方法 | 第24-31页 |
| 3.2.1 特征提取算法介绍 | 第24-28页 |
| 3.2.2 特征提取算法改进 | 第28-31页 |
| 3.3 特征匹配方法 | 第31-37页 |
| 3.3.1 特征匹配原则 | 第31-32页 |
| 3.3.2 误匹配剔除 | 第32-34页 |
| 3.3.3 特征匹配算法改进 | 第34-37页 |
| 3.4 运动估计与优化方法 | 第37-41页 |
| 3.4.1 基于点特征的ICP模型 | 第38-39页 |
| 3.4.2 基于面特征的ICP模型 | 第39页 |
| 3.4.3 运动估计与优化算法改进 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 SLAM后端算法 | 第43-49页 |
| 4.1 引言 | 第43页 |
| 4.2 关键帧选取 | 第43页 |
| 4.3 图的建立与回环检测 | 第43-46页 |
| 4.3.1 位姿图建立 | 第43-44页 |
| 4.3.2 回环检测 | 第44-46页 |
| 4.4 图优化原理与工具 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 仿真结果与实验 | 第49-60页 |
| 5.1 引言 | 第49页 |
| 5.2 基于数据集的算法仿真 | 第49-57页 |
| 5.2.1 特征提取仿真结果及分析 | 第49-52页 |
| 5.2.2 特征匹配仿真结果及分析 | 第52-55页 |
| 5.2.3 运动估计与仿真结果及分析 | 第55-57页 |
| 5.2.4 环境重构建仿真结果及分析 | 第57页 |
| 5.3 真实场景实验 | 第57-59页 |
| 5.3.1 KINECT标定 | 第57-58页 |
| 5.3.2 场景重构 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
