基于视觉里程计的移动机器人定位算法设计与实现
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 SLAM国内外研究发展概述 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 基于特征匹配的视觉里程计 | 第14-28页 |
| 2.1 基于内外参数的相机模型 | 第14-18页 |
| 2.2 特征点检测与匹配 | 第18-24页 |
| 2.2.1 Harris角点提取算法 | 第18-20页 |
| 2.2.2 SIFT特征点提取算法 | 第20-23页 |
| 2.2.3 SURF特征点提取算法 | 第23-24页 |
| 2.3 基于特征点匹配的运动估计 | 第24-27页 |
| 2.4 本章总结 | 第27-28页 |
| 第3章 基于光流计算的视觉里程计 | 第28-41页 |
| 3.1 光流技术介绍 | 第28-30页 |
| 3.1.1 运动场和光流场 | 第28页 |
| 3.1.2 光流约束方程 | 第28-30页 |
| 3.2 Lucas-Kanade算法 | 第30-34页 |
| 3.3 基于光流法的运动估计 | 第34-40页 |
| 3.3.1 本质矩阵和单应矩阵 | 第34-38页 |
| 3.3.2 运动估计与优化 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 融合光流法和特征点匹配的视觉里程计 | 第41-51页 |
| 4.1 离散卡尔曼滤波器 | 第41-42页 |
| 4.2 视觉算法的卡尔曼融合 | 第42-44页 |
| 4.3 局部地图的建立 | 第44-46页 |
| 4.4 实验结果分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 实验设计和分析 | 第51-61页 |
| 5.1 实验平台介绍 | 第51-54页 |
| 5.1.1 巡检机器人试验平台 | 第51-52页 |
| 5.1.2 激光雷达 | 第52-53页 |
| 5.1.3 Kinect深度相机 | 第53-54页 |
| 5.1.4 ROS系统简介 | 第54页 |
| 5.2 实际场景实验分析 | 第54-60页 |
| 5.2.1 实验框架设计 | 第54-55页 |
| 5.2.2 运动轨迹 | 第55-58页 |
| 5.2.3 局部地图 | 第58-59页 |
| 5.2.4 二维激光建图 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的论文及科研情况 | 第68页 |
