| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-22页 |
| 1.2.1 机器人研究现状 | 第14-17页 |
| 1.2.2 三维建模技术研究现状 | 第17-21页 |
| 1.2.3 移动机器人三维建模技术研究现状 | 第21-22页 |
| 1.3 本文主要研究内容 | 第22-24页 |
| 1.4 本文的组织结构 | 第24-27页 |
| 第2章 基于概率导向的改进RANSAC算法研究 | 第27-57页 |
| 2.1 引言 | 第27-29页 |
| 2.2 标准RANSAC算法 | 第29-30页 |
| 2.3 基于概率导向的改进RANSAC算法 | 第30-41页 |
| 2.3.1 概率初始化 | 第32-33页 |
| 2.3.2 概率更新 | 第33-35页 |
| 2.3.3 基于DS证据理论的概率融合 | 第35-38页 |
| 2.3.4 基于逆变映射的测试点采样 | 第38-39页 |
| 2.3.5 基于遗忘理论的概率修正 | 第39-41页 |
| 2.4 算法分析 | 第41-43页 |
| 2.5 实验结果 | 第43-54页 |
| 2.5.1 仿真实验 | 第43-51页 |
| 2.5.2 算法时间与精度分析 | 第51-52页 |
| 2.5.3 真实图像匹配实验结果 | 第52-54页 |
| 2.5.4 地图创建实验结果 | 第54页 |
| 2.6 本章小结 | 第54-57页 |
| 第3章 基于深度相机的移动机器人位姿估计与地图创建方法研究 | 第57-79页 |
| 3.1 引言 | 第57-58页 |
| 3.2 Kinect的标定与相机模型 | 第58-59页 |
| 3.2.1 Kinect的标定 | 第58-59页 |
| 3.2.2 相机的位姿及其投影模型 | 第59页 |
| 3.3 基于稀疏图像特征匹配的移动机器人位姿估计方法 | 第59-63页 |
| 3.3.1 特征检测与匹配 | 第59-61页 |
| 3.3.2 基于稀疏图像特征匹配的位姿估计模型 | 第61-62页 |
| 3.3.3 基于IPGSAC的位姿估计模型求解 | 第62-63页 |
| 3.4 基于混合模型的移动机器人位姿估计方法 | 第63-70页 |
| 3.4.1 基于稠密图像匹配的位姿估计算法 | 第63-66页 |
| 3.4.2 基于点云的ICP算法 | 第66-67页 |
| 3.4.3 基于混合模型的位姿估计方法 | 第67-70页 |
| 3.5 关键帧选取与闭环优化 | 第70-72页 |
| 3.5.1 关键帧选取方法 | 第70-71页 |
| 3.5.2 闭环检测与优化 | 第71-72页 |
| 3.6 算法并行化处理 | 第72-73页 |
| 3.7 实验结果 | 第73-76页 |
| 3.7.1 基于稀疏图像特征匹配的移动机器人三维地图创建算法实验结果 | 第73-75页 |
| 3.7.2 基于混合位姿估计模型的移动机器人三维地图创建算法实验结果 | 第75-76页 |
| 3.8 本章小结 | 第76-79页 |
| 第4章 基于单目视觉的移动机器人稀疏三维地图创建方法研究 | 第79-109页 |
| 4.1 引言 | 第79-81页 |
| 4.2 相机模型与参数定义 | 第81-84页 |
| 4.2.1 参数定义 | 第81-82页 |
| 4.2.2 相机与地面参数标定 | 第82-84页 |
| 4.3 基于地面特征的移动机器人单目视觉里程计方法 | 第84-92页 |
| 4.3.1 KLT角点检测与跟踪 | 第84-85页 |
| 4.3.2 位姿估计模型建立与求解 | 第85-87页 |
| 4.3.3 地面特征的检测 | 第87-91页 |
| 4.3.4 基于地面特征的位姿估计算法 | 第91-92页 |
| 4.4 基于稠密地面图像的移动机器人单目视觉里程计方法 | 第92-95页 |
| 4.4.1 TV-L1光流估计算法 | 第92-93页 |
| 4.4.2 位姿估计模型 | 第93-94页 |
| 4.4.3 地面区域分割与移动机器人位姿估计算法 | 第94-95页 |
| 4.5 基于单目视觉的移动机器人三维地图创建方法 | 第95-100页 |
| 4.5.1 PTAM算法简介 | 第95-96页 |
| 4.5.2 PTAM算法的优化 | 第96-99页 |
| 4.5.3 系统构成 | 第99-100页 |
| 4.6 实验结果 | 第100-107页 |
| 4.6.1 移动机器人单目视觉里程计算法实验结果 | 第100-104页 |
| 4.6.2 基于单目视觉的移动机器人三维地图创建实验结果 | 第104-107页 |
| 4.7 本章小结 | 第107-109页 |
| 第5章 基于单目视觉的移动机器人稠密三维地图创建方法研究 | 第109-125页 |
| 5.1 引言 | 第109-110页 |
| 5.2 基于变分的深度图估计模型 | 第110-114页 |
| 5.2.1 数据惩罚项 | 第111页 |
| 5.2.2 变分规则项 | 第111-112页 |
| 5.2.3 能量函数的求解 | 第112-114页 |
| 5.3 基于视觉反馈的变分深度图估计模型 | 第114-117页 |
| 5.3.1 能量函数的建立 | 第114-115页 |
| 5.3.2 能量函数的求解 | 第115-117页 |
| 5.4 能量函数初值的设定 | 第117-119页 |
| 5.4.1 离散空间采样方法 | 第117-118页 |
| 5.4.2 特征三角形网格化方法 | 第118-119页 |
| 5.5 系统实现 | 第119-120页 |
| 5.6 实验结果 | 第120-124页 |
| 5.7 本章小结 | 第124-125页 |
| 结论 | 第125-129页 |
| 参考文献 | 第129-139页 |
| 攻读博士学位期间所发表的学术论文 | 第139-141页 |
| 致谢 | 第141页 |
