| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 SLAM算法 | 第14-17页 |
| 1.2.2 特征提取算法 | 第17-18页 |
| 1.2.3 点云配准算法 | 第18-20页 |
| 1.3 论文的研究内容 | 第20-21页 |
| 1.4 论文的结构 | 第21-22页 |
| 第二章 机器人学基础知识 | 第22-29页 |
| 2.1 向量和参考坐标系 | 第22-24页 |
| 2.1.1 参考坐标系 | 第22-23页 |
| 2.1.2 点乘 | 第23-24页 |
| 2.1.3 叉乘 | 第24页 |
| 2.2 旋转的表示方法 | 第24-26页 |
| 2.2.1 旋转矩阵 | 第25页 |
| 2.2.2 欧拉角 | 第25-26页 |
| 2.3 旋转扰动 | 第26-27页 |
| 2.4 机器人位姿 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 密度自适应的激光点云特征 | 第29-44页 |
| 3.1 引言 | 第29-30页 |
| 3.2 密度自适应的激光点云特征提取 | 第30-36页 |
| 3.2.1 点云数据预处理 | 第31-32页 |
| 3.2.2 特征点响应函数设计 | 第32-36页 |
| 3.2.3 孤立点抑制 | 第36页 |
| 3.2.4 非极大值抑制 | 第36页 |
| 3.3 基于几何形状语境的特征描述 | 第36-39页 |
| 3.3.1 主方向构建 | 第37页 |
| 3.3.2 几何形状语境描述 | 第37-38页 |
| 3.3.3 二进制匹配方法 | 第38-39页 |
| 3.4 算法分析 | 第39-43页 |
| 3.4.1 采集平台和参数设置 | 第39-40页 |
| 3.4.2 DALKO与FALKO算法对比 | 第40-42页 |
| 3.4.3 特征匹配 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于迭代最近点的点云配准算法 | 第44-57页 |
| 4.1 引言 | 第44-47页 |
| 4.2 基于vanilla-R点对剔除策略的点云配准算法 | 第47-51页 |
| 4.2.1 选点策略 | 第47-48页 |
| 4.2.2 点对关联策略 | 第48页 |
| 4.2.3 点对剔除策略 | 第48-49页 |
| 4.2.4 优化求解 | 第49-50页 |
| 4.2.5 收敛条件的设计 | 第50-51页 |
| 4.3 vanilla-RICP参数调试 | 第51页 |
| 4.4 算法评估 | 第51-55页 |
| 4.4.1 评估标准 | 第51-52页 |
| 4.4.2 对比算法 | 第52-53页 |
| 4.4.3 实验结果分析 | 第53-55页 |
| 4.5 算法应用 | 第55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 基于图优化的六自由度SLAM算法 | 第57-71页 |
| 5.1 引言 | 第57-58页 |
| 5.2 SLAM问题的位姿图构建 | 第58-61页 |
| 5.2.1 位姿图的基本描述 | 第58-60页 |
| 5.2.2 基于vanilla-RICP构建位姿约束的观测模型 | 第60-61页 |
| 5.3 vanilla-RICP协方差估计 | 第61-65页 |
| 5.3.1 基于隐函数理论的协方差计算方法 | 第61-63页 |
| 5.3.2 基于Fisher信息的协方差计算方法 | 第63-65页 |
| 5.3.3 基于隐函数理论和基于Fisher信息的协方差计算方法对比 | 第65页 |
| 5.4 闭环检测 | 第65-66页 |
| 5.5 位姿图优化 | 第66-68页 |
| 5.5.1 欧式空间上最小二乘问题求解 | 第66-67页 |
| 5.5.2 特殊正交群上的最小二乘问题求解 | 第67-68页 |
| 5.5.3 常见的优化库 | 第68页 |
| 5.6 算法分析与应用 | 第68-70页 |
| 5.7 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.2 后续工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-83页 |
| 攻读硕士期间取得研究成果 | 第83页 |
