| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第10页 |
| ·智能机器人发展历史与现状 | 第10-12页 |
| ·国外机器人发展历史与现状 | 第11-12页 |
| ·国内发展历史与现状 | 第12页 |
| ·移动机器人视觉导航 | 第12-16页 |
| ·机器人视觉 | 第13-14页 |
| ·环境视觉定位 | 第14页 |
| ·智能机器人视觉 SLAM 的实现 | 第14-15页 |
| ·机器人视觉研究存在的问题 | 第15-16页 |
| ·课题来源与章节安排 | 第16-18页 |
| ·课题来源 | 第16页 |
| ·本论文主要内容及章节安排 | 第16-18页 |
| 第2章 移动机器人视觉技术与模型创建 | 第18-25页 |
| ·移动机器人定位技术 | 第18-19页 |
| ·摄像机模型和成像原理 | 第19-22页 |
| ·各坐标系转换关系 | 第19-21页 |
| ·小孔成像模型 | 第21-22页 |
| ·特征点检测算法 | 第22-24页 |
| ·特征点定义 | 第23页 |
| ·特征点检测方法 | 第23-24页 |
| ·SLAM 问题解决思想 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于 SIFT 算法的移动机器人视觉特征提取 | 第25-34页 |
| ·引言 | 第25页 |
| ·SIFT 算法的特点和流程 | 第25-26页 |
| ·SIFT 算法的特点 | 第25页 |
| ·SIFT 算法的计算流程 | 第25-26页 |
| ·尺度不变特征变换算法 | 第26-33页 |
| ·构建尺度空间 | 第26-29页 |
| ·极值点检测 | 第29-31页 |
| ·极值点方向分配 | 第31-32页 |
| ·描述子特征向量的生成 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于改进 BP-SIFT 算法的移动机器人视觉定位 | 第34-45页 |
| ·引言 | 第34页 |
| ·基于光滑导数滤波器对 SIFT 算法的改进 | 第34-35页 |
| ·基于改进的 BP-SIFT 算法 | 第35-39页 |
| ·SIFT 特征点匹配 | 第36-37页 |
| ·置信传播（BP） | 第37页 |
| ·基于置信传播的 SIFT 匹配算法 | 第37-39页 |
| ·仿真分析 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 基于改进 SIFT 算法的 EKF 视觉 SLAM 定位研究 | 第45-61页 |
| ·引言 | 第45页 |
| ·扩展卡尔曼滤波算法 | 第45-51页 |
| ·卡尔曼滤波算法 | 第45-47页 |
| ·扩展卡尔曼滤波算法 | 第47-51页 |
| ·基于 EKF 的视觉 SLAM 算法 | 第51-54页 |
| ·状态空间 | 第51-52页 |
| ·运动模型 | 第52页 |
| ·观测模型 | 第52-53页 |
| ·数据关联问题 | 第53-54页 |
| ·地图更新与状态增广 | 第54页 |
| ·基于改进 SIFT 特征的视觉 SLAM 计算方法 | 第54-56页 |
| ·实验仿真 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
