机器人室内定位应用技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 机器人室内定位技术发展 | 第13-15页 |
| 1.3 机器人同时定位与地图创建技术简介 | 第15-18页 |
| 1.4 主要研究内容 | 第18-19页 |
| 1.5 本章小结 | 第19-21页 |
| 第2章 基于深度传感器的相对位姿计算 | 第21-39页 |
| 2.1 深度传感器 | 第21-25页 |
| 2.1.1 Kinect 介绍 | 第22-23页 |
| 2.1.2 Kinect 数学原理分析 | 第23-25页 |
| 2.2 视觉特征提取与匹配 | 第25-30页 |
| 2.2.1 图像尺度空间的生成 | 第26页 |
| 2.2.2 特征点搜索 | 第26-27页 |
| 2.2.3 特征的描述 | 第27-29页 |
| 2.2.4 特征匹配 | 第29页 |
| 2.2.5 算法的改进 | 第29-30页 |
| 2.3 相对位姿计算 | 第30-38页 |
| 2.3.1 相机模型建立 | 第30-34页 |
| 2.3.2 基于三维点云的位姿计算 | 第34-36页 |
| 2.3.3 相对位姿初始估计 | 第36-37页 |
| 2.3.4 相对位姿精确计算 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第3章 机器人位姿优化与地图创建 | 第39-52页 |
| 3.1 地图表达 | 第39-43页 |
| 3.1.1 栅格地图表示法 | 第39-41页 |
| 3.1.2 特征地图表示法 | 第41-42页 |
| 3.1.3 拓扑地图表示法 | 第42-43页 |
| 3.2 机器人位姿优化算法 | 第43-49页 |
| 3.2.1 基于位姿图定位方法 | 第43-45页 |
| 3.2.2 一般优化过程 | 第45-47页 |
| 3.2.3 分层优化算法 | 第47-49页 |
| 3.3 地图创建 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 机器人室内定位实验与结果分析 | 第52-66页 |
| 4.1 机器人硬件平台 | 第52-53页 |
| 4.2 机器人软件平台 | 第53-54页 |
| 4.3 相机标定 | 第54-57页 |
| 4.4 数据的关联及相对位姿的计算 | 第57-61页 |
| 4.5 地图的创建 | 第61-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 未来展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士期间科研成果 | 第73-75页 |
| 致谢 | 第75页 |
