| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 课题来源 | 第9页 |
| 1.3 视觉SLAM主要研究内容 | 第9-12页 |
| 1.3.1 基础理论 | 第9-10页 |
| 1.3.2 视觉里程计 | 第10页 |
| 1.3.3 回环检测 | 第10-11页 |
| 1.3.4 地图构建 | 第11-12页 |
| 1.4 视觉SLAM研究现状 | 第12-13页 |
| 1.5 论文主要研究内容及组织结构 | 第13-15页 |
| 第2章 基于Kinect的视觉SLAM系统 | 第15-22页 |
| 2.1 基于Kinect的视觉SLAM系统框架 | 第15-16页 |
| 2.2 Kinect视觉平台 | 第16-17页 |
| 2.3 Kinect图像获取与预处理 | 第17-18页 |
| 2.4 Kinect相机模型与相机标定 | 第18-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 图像特征匹配及光流跟踪算法 | 第22-36页 |
| 3.1 ORB特征提取算法 | 第22-26页 |
| 3.1.1 ORB特征提取算法研究 | 第22-24页 |
| 3.1.2 改进的ORB特征提取算法 | 第24-26页 |
| 3.2 图像特征点匹配 | 第26-29页 |
| 3.2.1 图像特征点粗匹配 | 第26-27页 |
| 3.2.2 图像特征点精匹配 | 第27-29页 |
| 3.3 光流法角点跟踪 | 第29-35页 |
| 3.3.1 Lucas-Kanade光流算法 | 第29-31页 |
| 3.3.2 改进的Lucas-Kanade算法 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 机器人运动估计及优化方法 | 第36-47页 |
| 4.1 运动估计 | 第36-38页 |
| 4.1.1 基于光流法的运动跟踪 | 第36-37页 |
| 4.1.2 机器人位姿估计 | 第37-38页 |
| 4.2 关键帧提取及回环检测 | 第38-41页 |
| 4.2.1 关键帧提取 | 第38-39页 |
| 4.2.2 回环检测 | 第39-41页 |
| 4.3 机器人位姿全局优化 | 第41-45页 |
| 4.3.1 图优化问题建模 | 第41-42页 |
| 4.3.2 图优化的理论推导 | 第42-45页 |
| 4.4 位姿图优化实现 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 系统实验与分析 | 第47-56页 |
| 5.1 特征匹配法与光流法的图像配准效果对比 | 第47-50页 |
| 5.2 基于特征匹配法和组合算法的SLAM效果对比 | 第50-53页 |
| 5.3 室内环境下三维同时定位与建图实验 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 全文总结与展望 | 第56-58页 |
| 6.1 全文总结 | 第56页 |
| 6.2 工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |