基于双目视觉的低速无人驾驶SLAM
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题来源、背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 视觉里程计与建图 | 第14页 |
| 1.2.2 闭环检测 | 第14-15页 |
| 1.2.3 后端非线性优化 | 第15-16页 |
| 1.3 论文组织及研究内容 | 第16-18页 |
| 2 视觉里程计与建图 | 第18-43页 |
| 2.1 相机物理模型 | 第18-19页 |
| 2.2 图像预处理 | 第19-24页 |
| 2.2.1 图像平滑滤波器 | 第20-22页 |
| 2.2.1.1 领域均值滤波器 | 第20-21页 |
| 2.2.1.2 中值滤波器 | 第21页 |
| 2.2.1.3 高斯滤波器 | 第21-22页 |
| 2.2.2 图像平滑滤波实验结果及分析 | 第22-24页 |
| 2.3 双目视觉模型 | 第24-27页 |
| 2.4 基于改进ORB的特征点快速提取 | 第27-38页 |
| 2.4.1 Harris特征点提取 | 第28-29页 |
| 2.4.2 SIFT特征点提取 | 第29-31页 |
| 2.4.3 ORB特征点提取 | 第31-33页 |
| 2.4.3.1 提取特征点 | 第32-33页 |
| 2.4.3.2 计算描述子 | 第33页 |
| 2.4.4 改进ORB算法 | 第33-35页 |
| 2.4.4.1 提取特征点 | 第34页 |
| 2.4.4.2 计算描述子 | 第34-35页 |
| 2.4.5 实验结果及分析 | 第35-38页 |
| 2.5 立体匹配 | 第38-42页 |
| 2.5.1 汉明距离及PROSAC | 第39页 |
| 2.5.2 实验结果及分析 | 第39-42页 |
| 2.6 本章小结 | 第42-43页 |
| 3 闭环检测 | 第43-52页 |
| 3.1 视觉场景建模方法概述 | 第43页 |
| 3.2 BoW模型从文本到图像领域 | 第43-44页 |
| 3.3 闭环检测 | 第44-48页 |
| 3.3.1 视觉字典构建 | 第44-46页 |
| 3.3.2 相似性计算 | 第46-47页 |
| 3.3.3 错误闭环剔除 | 第47-48页 |
| 3.4 实验结果及分析 | 第48-51页 |
| 3.4.1 室内数据集检测 | 第48-50页 |
| 3.4.2 室外数据集检测 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 4 后端非线性优化 | 第52-59页 |
| 4.1 SLAM公式化表述 | 第52页 |
| 4.2 基于粒子滤波的求解方法 | 第52-53页 |
| 4.3 基于图的后端非线性优化 | 第53-54页 |
| 4.4 图的后端非线性优化最小二乘解 | 第54-56页 |
| 4.5 程序实现 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 5 无人驾驶视觉SLAM实验 | 第59-62页 |
| 5.1 硬件平台及软件系统 | 第59-60页 |
| 5.2 实验设计及分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间的主要学术成果 | 第70-71页 |
| 致谢 | 第71-72页 |
