| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-12页 |
| 1.2 视觉里程计的发展和研究现状 | 第12-15页 |
| 1.3 本文的主要研究内容 | 第15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 2 单目视觉里程计的基本原理 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 相机模型 | 第17-19页 |
| 2.3 两视图几何 | 第19-20页 |
| 2.4 捆集调整 | 第20-23页 |
| 2.4.1 Bundle Adjustment问题描述 | 第20-21页 |
| 2.4.2 L-M算法 | 第21-22页 |
| 2.4.3 鲁棒核函数 | 第22-23页 |
| 2.5 李群和李代数 | 第23-24页 |
| 2.5.1 指数映射与对数映射 | 第23-24页 |
| 2.5.2 李代数的求导 | 第24页 |
| 2.6 三角测量计算深度 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 3 单目视觉里程计的分类 | 第26-33页 |
| 3.1 引言 | 第26页 |
| 3.2 特征点法 | 第26-28页 |
| 3.2.1 特征点 | 第26-27页 |
| 3.2.2 重投影误差 | 第27-28页 |
| 3.2.3 特征点法优缺点分析 | 第28页 |
| 3.3 直接法 | 第28-30页 |
| 3.3.1 灰度不变性假设 | 第28-29页 |
| 3.3.2 光度误差 | 第29-30页 |
| 3.3.3 直接法的优缺点分析 | 第30页 |
| 3.4 SVO算法原理 | 第30-32页 |
| 3.4.1 运动估计 | 第31页 |
| 3.4.2 地图构建 | 第31-32页 |
| 3.4.3 SVO优缺点分析 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 半直接视觉里程计系统设计及实现 | 第33-57页 |
| 4.1 引言 | 第33页 |
| 4.2 总体框架设计 | 第33-34页 |
| 4.3 图像预处理 | 第34-36页 |
| 4.3.1 畸变校正 | 第34-36页 |
| 4.3.2 FAST角点检测 | 第36页 |
| 4.4 系统初始化 | 第36-39页 |
| 4.4.1 KLT算法 | 第37页 |
| 4.4.2 RANSAC鲁棒估计 | 第37-39页 |
| 4.4.3 模型选择 | 第39页 |
| 4.5 相机跟踪线程 | 第39-47页 |
| 4.5.1 线段特征提取 | 第39-41页 |
| 4.5.2 姿态估计 | 第41-45页 |
| 4.5.3 关键帧选取 | 第45-47页 |
| 4.6 地图构建线程 | 第47-50页 |
| 4.6.1 深度滤波原理 | 第47-49页 |
| 4.6.2 深度预更新 | 第49页 |
| 4.6.3 三维特征参考帧更新 | 第49-50页 |
| 4.7 实验与分析 | 第50-56页 |
| 4.7.1 实验环境 | 第50页 |
| 4.7.2 评价指标 | 第50-51页 |
| 4.7.3 Euroc无人机数据集 | 第51-54页 |
| 4.7.4 TUM单目视觉里程计数据集 | 第54-56页 |
| 4.8 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |