多传感器融合的变电站巡检机器人SLAM研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 变电站巡检机器人国内外研究现状 | 第11-12页 |
| 1.2.2 国内外SLAM技术研究现状 | 第12-13页 |
| 1.3 主要工作及章节安排 | 第13-15页 |
| 1.3.1 本文主要工作 | 第13页 |
| 1.3.2 章节安排 | 第13-15页 |
| 第2章 SLAM理论基础研究 | 第15-19页 |
| 2.1 SLAM问题与概率模型 | 第15-16页 |
| 2.2 图优化SLAM算法 | 第16-18页 |
| 2.2.1 图优化算法简介 | 第16-17页 |
| 2.2.2 图优化算法框架 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 基于激光的SLAM | 第19-31页 |
| 3.1 传感器模型建立与分析 | 第19-22页 |
| 3.1.1 里程计模型 | 第19-21页 |
| 3.1.2 激光雷达观测模型 | 第21-22页 |
| 3.2 ICP数据匹配 | 第22-23页 |
| 3.3 RBPF-SLAM算法 | 第23-27页 |
| 3.3.1 重要性分布函数 | 第24-25页 |
| 3.3.2 似然函数的解析形式 | 第25-26页 |
| 3.3.3 栅格地图的建立 | 第26-27页 |
| 3.4 改进的RBPF-SLAM算法 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 加入视觉闭环的融合算法 | 第31-47页 |
| 4.1 视觉词袋的建立 | 第31-34页 |
| 4.1.1 ORB特征提取 | 第31-33页 |
| 4.1.2 关键帧的选取 | 第33-34页 |
| 4.1.3 词袋的建立 | 第34页 |
| 4.2 视觉闭环信号的检测 | 第34-40页 |
| 4.2.1 视觉闭环检测框架 | 第34-36页 |
| 4.2.2 帧间匹配算法 | 第36-37页 |
| 4.2.3 全局重定位 | 第37-38页 |
| 4.2.4 基于ORB特征的闭环检测 | 第38-40页 |
| 4.3 激光与视觉的融合算法 | 第40-43页 |
| 4.3.1 模型的建立 | 第40-41页 |
| 4.3.2 位姿的优化 | 第41-42页 |
| 4.3.3 融合算法框架 | 第42-43页 |
| 4.4 仿真实验 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 实验平台及融合算法实验 | 第47-55页 |
| 5.1 实验平台 | 第47-51页 |
| 5.1.1 ROS操作系统 | 第47-48页 |
| 5.1.2 里程计 | 第48页 |
| 5.1.3 激光雷达 | 第48-49页 |
| 5.1.4 视觉传感器 | 第49-50页 |
| 5.1.5 运动平台 | 第50-51页 |
| 5.2 实验结果与分析 | 第51-54页 |
| 5.2.1 实验思路 | 第51页 |
| 5.2.2 不同环境中的实验效果与分析 | 第51-54页 |
| 5.3 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
