室内移动机器人RGB-D SLAM算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 研究目的和意义 | 第9-11页 |
| 1.2 SLAM主要的研究内容 | 第11-16页 |
| 1.2.1 数据关联 | 第12-14页 |
| 1.2.2 位姿估计 | 第14-15页 |
| 1.2.3 全局优化 | 第15-16页 |
| 1.2.4 重定位 | 第16页 |
| 1.3 移动机器人SLAM研究现状 | 第16-19页 |
| 1.4 本文主要研究内容及章节安排 | 第19-22页 |
| 第2章 RGB-D相机模型与标定 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 RGB-D相机简介 | 第22-23页 |
| 2.3 RGB-D相机的成像模型与标定 | 第23-29页 |
| 2.3.1 相机的成像模型 | 第23-26页 |
| 2.3.2 相机的标定 | 第26-29页 |
| 2.4 三维点云数据的获取 | 第29页 |
| 2.5 RGB-D相机标定实验与结果 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 图像特征提取与位姿跟踪 | 第32-44页 |
| 3.1 引言 | 第32页 |
| 3.2 特征点的提取与匹配 | 第32-36页 |
| 3.2.1 ORB特征点的提取 | 第32-35页 |
| 3.2.2 ORB特征点的匹配 | 第35-36页 |
| 3.3 机器人运动估计 | 第36-38页 |
| 3.4 机器人位姿的非线性优化 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-43页 |
| 3.5.1 特征点提取与匹配结果 | 第39-41页 |
| 3.5.2 机器人位姿估计结果 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 机器人位姿全局优化与地图构建 | 第44-63页 |
| 4.1 引言 | 第44-45页 |
| 4.2 词袋模型 | 第45-49页 |
| 4.2.1 视觉词典构建 | 第46-48页 |
| 4.2.2 图像相似度计算 | 第48-49页 |
| 4.3 机器人位姿的全局优化模型 | 第49-53页 |
| 4.4 八叉树地图构建 | 第53-55页 |
| 4.5 实验设计与结果 | 第55-62页 |
| 4.5.1 视觉词典构建与图像相似度计算 | 第55-56页 |
| 4.5.2 机器人位姿估计结果 | 第56-57页 |
| 4.5.3 地图构建结果 | 第57-62页 |
| 4.5.4 实验分析 | 第62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71页 |
