基于双目视觉的室内服务机器人SLAM研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 室内服务机器人国内外研究现状 | 第11-14页 |
| 1.3 SLAM问题研究现状 | 第14-20页 |
| 1.3.1 SLAM问题简介 | 第14-16页 |
| 1.3.2 SLAM的关键技术与难点 | 第16-17页 |
| 1.3.3 SLAM算法研究现状 | 第17-19页 |
| 1.3.4 基于传感器的室内SLAM方法分类 | 第19-20页 |
| 1.4 论文的主要研究内容 | 第20-22页 |
| 第2章 双目视觉目标定位算法 | 第22-38页 |
| 2.1 摄像机的标定 | 第23-29页 |
| 2.1.1 摄像机的标定原理 | 第23-25页 |
| 2.1.2 单目相机的标定方法 | 第25-28页 |
| 2.1.3 双目摄像机标定方法 | 第28-29页 |
| 2.2 目标识别 | 第29-31页 |
| 2.2.1 几何不变矩 | 第30-31页 |
| 2.2.2 目标识别过程 | 第31页 |
| 2.3 立体匹配 | 第31-35页 |
| 2.3.1 约束和相似性判据 | 第31-32页 |
| 2.3.2 匹配算法 | 第32-34页 |
| 2.3.3 基于加权平均的特征匹配算法 | 第34-35页 |
| 2.4 三维信息的恢复 | 第35-36页 |
| 2.5 双目视觉系统的建立 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 EKF-SLAM算法研究 | 第38-57页 |
| 3.1 基于双目视觉的SLAM系统 | 第38-45页 |
| 3.1.1 坐标系模型 | 第39页 |
| 3.1.2 服务机器人的运动模型 | 第39-42页 |
| 3.1.3 服务机器人的观测模型 | 第42-43页 |
| 3.1.4 数据关联问题 | 第43-45页 |
| 3.2 卡尔曼滤波算法简介 | 第45-49页 |
| 3.2.1 卡尔曼滤波 | 第45-47页 |
| 3.2.2 扩展卡尔曼滤波算法 | 第47-49页 |
| 3.3 EKF-SLAM算法 | 第49-53页 |
| 3.3.1 基本原理 | 第49-51页 |
| 3.3.2 实现的过程 | 第51-53页 |
| 3.4 仿真实验 | 第53-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 SLAM系统实验平台搭建及实验 | 第57-74页 |
| 4.1 AGV简介及SLAM实验平台改造 | 第57-62页 |
| 4.1.1 AGV简介 | 第57-59页 |
| 4.1.2 SLAM实验平台改造 | 第59-62页 |
| 4.2 双目视觉算法实验 | 第62-71页 |
| 4.2.1 摄像机标定 | 第62-65页 |
| 4.2.2 目标识别 | 第65-66页 |
| 4.2.3 立体匹配实验 | 第66-67页 |
| 4.2.4 三维信息恢复 | 第67页 |
| 4.2.5 精度试验 | 第67-71页 |
| 4.3 综合实验 | 第71-73页 |
| 4.4 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间所发表的学术论文 | 第80-81页 |
| 致谢 | 第81-82页 |
