自然环境中基于图优化的单目视觉SLAM的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究发展概述 | 第12-14页 |
| 1.2.2 国内研究发展概述 | 第14-15页 |
| 1.3 SLAM过程的问题描述 | 第15-22页 |
| 1.3.1 问题建模方法 | 第16-20页 |
| 1.3.2 传感器数据获取 | 第20-21页 |
| 1.3.3 地图特征的选取方法 | 第21-22页 |
| 1.4 论文主要内容和结构框架 | 第22-23页 |
| 1.4.1 论文主要内容 | 第22页 |
| 1.4.2 论文结构框架 | 第22-23页 |
| 2 基于图像特征的场景建模和闭环检测的研究 | 第23-41页 |
| 2.1 视觉SLAM中的图像特征提取 | 第23-30页 |
| 2.1.1 常用的点特征提取算法介绍 | 第23-27页 |
| 2.1.2 ORB特征提取算法 | 第27-29页 |
| 2.1.3 ORB特征提取算法的优化 | 第29-30页 |
| 2.2 视觉SLAM中的地图特征匹配 | 第30-31页 |
| 2.3 视觉SLAM中的关键帧选择 | 第31-34页 |
| 2.4 视觉SLAM中的闭环检测 | 第34-40页 |
| 2.4.1 闭环检测中的关键问题 | 第36-37页 |
| 2.4.2 闭环检测的方法 | 第37-40页 |
| 2.5 本章小结 | 第40-41页 |
| 3 基于图优化SLAM算法的研究 | 第41-59页 |
| 3.1 基于图优化SLAM方法的介绍 | 第41-44页 |
| 3.2 自然特征下基于图优化的单目SLAM算法 | 第44-45页 |
| 3.3 摄像头成像模型 | 第45-48页 |
| 3.3.1 图像中像素坐标系与物理坐标系 | 第46-47页 |
| 3.3.2 摄像头坐标系与图像平面物理坐标系 | 第47页 |
| 3.3.3 世界坐标系与摄像头坐标系 | 第47-48页 |
| 3.4 摄像头标定过程 | 第48-50页 |
| 3.5 帧间运动结构恢复 | 第50-53页 |
| 3.5.1 旋转矩阵的表示方法 | 第51-52页 |
| 3.5.2 对极几何和奇异值分解 | 第52-53页 |
| 3.6 地图优化 | 第53-54页 |
| 3.7 逆深度估计模型 | 第54-57页 |
| 3.8 本章小结 | 第57-59页 |
| 4 实验结果与分析 | 第59-75页 |
| 4.1 图像特征算法的比较分析 | 第59-63页 |
| 4.1.1 实验方法 | 第59-60页 |
| 4.1.2 对比实验结果与分析 | 第60-63页 |
| 4.2 关键帧和闭环检测实验 | 第63-67页 |
| 4.2.1 关键帧实验 | 第65-66页 |
| 4.2.2 闭环检测实验 | 第66-67页 |
| 4.3 自然环境中的室内实验 | 第67-71页 |
| 4.3.1 逆深度方法获取尺度实验 | 第67-69页 |
| 4.3.2 室内轨道实验 | 第69-71页 |
| 4.4 自然环境中的室外实验 | 第71-74页 |
| 4.5 本章小结 | 第74-75页 |
| 5 总结与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第81-85页 |
| 学位论文数据集 | 第85页 |
