| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 课题研究内容和创新点 | 第15-16页 |
| 1.4 论文提纲 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 移动机器人的3D SLAM算法 | 第17-28页 |
| 2.1 SLAM算法概述 | 第17页 |
| 2.2 机器人的系统模型 | 第17-19页 |
| 2.2.1 机器人的运动学模型 | 第17-18页 |
| 2.2.2 机器人的观测模型 | 第18-19页 |
| 2.3 传感器 | 第19-22页 |
| 2.4 移动机器人3D SLAM算法框架 | 第22-27页 |
| 2.4.1 视觉里程计 | 第23-24页 |
| 2.4.2 后端优化 | 第24页 |
| 2.4.3 回环检测 | 第24页 |
| 2.4.4 构建地图 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 多移动机器人的3D SLAM算法 | 第28-56页 |
| 3.1 多移动机器人系统结构 | 第28-31页 |
| 3.1.1 集中式 | 第28-29页 |
| 3.1.2 分布式 | 第29-30页 |
| 3.1.3 混合式 | 第30-31页 |
| 3.2 多移动机器人的地图融合 | 第31-36页 |
| 3.2.1 3D空间坐标系的坐标转换 | 第31-33页 |
| 3.2.2 移动机器人的齐次坐标表示 | 第33-34页 |
| 3.2.3 基于观测信息的坐标变换 | 第34-36页 |
| 3.3 多移动机器人系统中的视觉处理技术 | 第36-42页 |
| 3.3.1 移动机器人的识别 | 第36-37页 |
| 3.3.2 移动机器人的局部路径获取 | 第37页 |
| 3.3.3 移动机器人的视觉里程计实现 | 第37-42页 |
| 3.4 多移动机器人3D SLAM算法的数据关联问题 | 第42-46页 |
| 3.4.1 数据关联算法 | 第43-44页 |
| 3.4.2 常用的数据关联算法 | 第44-45页 |
| 3.4.3 ORB特征在SLAM中的数据关联 | 第45-46页 |
| 3.5 改进的多移动机器人3D SLAM算法 | 第46-52页 |
| 3.5.1 特征选择与提取 | 第47-48页 |
| 3.5.2 多移动机器人3D SLAM系统组成 | 第48-49页 |
| 3.5.3 地图云点、关键帧的选择 | 第49-50页 |
| 3.5.4 相机位置的追踪 | 第50-51页 |
| 3.5.5 局部地图的构建 | 第51-52页 |
| 3.5.6 闭合回环检测 | 第52页 |
| 3.6 多移动机器人地图融合改进算法 | 第52-55页 |
| 3.6.1 粒子群优化算法原理 | 第53-54页 |
| 3.6.2 地图转换函数 | 第54-55页 |
| 3.6.3 适应度函数 | 第55页 |
| 3.7 本章小结 | 第55-56页 |
| 第4章 实验验证 | 第56-68页 |
| 4.1 引言 | 第56页 |
| 4.2 实验环境 | 第56-57页 |
| 4.3 ORB特征检测和匹配 | 第57-60页 |
| 4.4 基于Kinect的移动机器人3D SLAM实验 | 第60-63页 |
| 4.5 基于Kinect的多移动机器人3D SLAM实验 | 第63-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表与录用的学术论文 | 第77页 |
