| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 SLAM建模方法研究现状 | 第13-15页 |
| 1.2.2 SLAM传感器选取研究现状 | 第15-16页 |
| 1.2.3 稀疏视觉SLAM图像特征选取研究现状 | 第16-17页 |
| 1.3 研究内容与章节安排 | 第17-20页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 章节安排 | 第18-20页 |
| 第2章 基于ORB特征的前端数据关联研究 | 第20-38页 |
| 2.1 单目视觉SLAM问题描述 | 第20-21页 |
| 2.2 视觉SLAM中的图像特征提取、描述与匹配 | 第21-27页 |
| 2.2.1 常用的点特征提取算法介绍 | 第21-24页 |
| 2.2.2 ORB特征提取算法及其描述 | 第24-26页 |
| 2.2.3 图像特征的匹配 | 第26-27页 |
| 2.3 视觉SLAM中的关键帧选择策略 | 第27-30页 |
| 2.4 视觉SLAM中的闭环检测 | 第30-37页 |
| 2.4.1 闭环检测中的关键问题 | 第32-33页 |
| 2.4.2 基于词袋模型的闭环检测 | 第33-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 视觉SLAM中基于模型选择的自动初始化方法 | 第38-46页 |
| 3.1 基于统计的模型选择方法 | 第38-39页 |
| 3.2 计算单应矩阵模型 | 第39-40页 |
| 3.3 计算基本矩阵模型 | 第40-41页 |
| 3.4 根据打分选择模型 | 第41-42页 |
| 3.5 帧间运动恢复 | 第42-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 单目视觉SLAM中的后端图优化研究 | 第46-58页 |
| 4.1 图优化问题建模 | 第46-49页 |
| 4.1.1 基于动态贝叶斯网络的图建模方法 | 第47-48页 |
| 4.1.2 基于因子图的建模方法 | 第48-49页 |
| 4.2 捆集调整 | 第49-54页 |
| 4.2.1 L-M算法 | 第51-52页 |
| 4.2.2 本文中图优化策略 | 第52-54页 |
| 4.3 “反向逐帧播放”方法 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 实验结果与分析 | 第58-74页 |
| 5.1 摄像机标定实验 | 第58-60页 |
| 5.2 特征提取算法的对比分析实验 | 第60-64页 |
| 5.2.1 实验方法 | 第60-61页 |
| 5.2.2 速度测试与不变性实验对比分析 | 第61-64页 |
| 5.3 关键帧选取与闭环检测实验 | 第64-68页 |
| 5.3.1 关键帧选取对比实验 | 第65-66页 |
| 5.3.2 闭环检测实验 | 第66-68页 |
| 5.4 定位精度与初始化分析实验 | 第68-70页 |
| 5.5 真实环境中的室外场景实验 | 第70-71页 |
| 5.6 “反向逐帧播放”实验 | 第71-72页 |
| 5.7 本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 主要工作与创新点 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录A 特征提取算法不变性对比实验中的原始数据 | 第80-84页 |
| 致谢 | 第84-86页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第86页 |