基于深度学习与单目视觉SLAM的三维语义场景建模研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 视觉SLAM技术研究现状 | 第11-13页 |
| 1.2.2 语义分割技术研究现状 | 第13-14页 |
| 1.2.3 三维语义场景建模技术研究现状 | 第14-16页 |
| 1.3 主要研究内容与章节安排 | 第16-19页 |
| 第二章 单目视觉SLAM | 第19-31页 |
| 2.1 视觉SLAM | 第19-21页 |
| 2.1.1 视觉SLAM分类 | 第19-20页 |
| 2.1.2 视觉SLAM基本原理 | 第20-21页 |
| 2.2 单目视觉SLAM算法 | 第21-27页 |
| 2.2.1 基于滤波器的视觉SLAM | 第21-23页 |
| 2.2.2 基于关键帧BA的视觉SLAM | 第23-24页 |
| 2.2.3 基于直接跟踪的视觉SLAM | 第24-26页 |
| 2.2.4 基于半直接法的视觉SLAM | 第26-27页 |
| 2.3 单目视觉SLAM算法比较与选择 | 第27页 |
| 2.4 LSD-SLAM | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于深度学习的高效率语义分割网络 | 第31-45页 |
| 3.1 基于深度学习的语义分割技术 | 第31-33页 |
| 3.1.1 深度学习 | 第31-32页 |
| 3.1.2 图像的语义分割 | 第32-33页 |
| 3.2 卷积神经网络 | 第33-39页 |
| 3.2.1 主要网络层 | 第33-36页 |
| 3.2.2 主要编码网络结构 | 第36-39页 |
| 3.3 网络模型参数压缩 | 第39-41页 |
| 3.4 语义分割网络整体结构设计 | 第41-43页 |
| 3.4.1 金字塔池化结构 | 第41-42页 |
| 3.4.2 ResNet38优化残差结构 | 第42页 |
| 3.4.3 整体网络结构设计 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 三维语义建模技术 | 第45-51页 |
| 4.1 三维语义建模方法 | 第45-46页 |
| 4.2 二维至三维的转换 | 第46-47页 |
| 4.2.1 二维语义关键帧 | 第46-47页 |
| 4.2.2 关键帧的深度估计与优化 | 第47页 |
| 4.3 三维语义模型优化 | 第47-49页 |
| 4.3.1 关键帧语义标签融合优化 | 第47-48页 |
| 4.3.2 三维语义地图全局优化 | 第48-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 实验与分析 | 第51-59页 |
| 5.1 实验平台与工具 | 第51-53页 |
| 5.2 二维语义分割实验 | 第53-55页 |
| 5.2.1 性能评估指标 | 第53-54页 |
| 5.2.2 实验结果与分析 | 第54-55页 |
| 5.3 三维语义建模实验 | 第55-58页 |
| 5.3.1 语义分割模型微调 | 第55-56页 |
| 5.3.2 KITTI数据集建模实验 | 第56页 |
| 5.3.3 校园内道路实景数据建模实验 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59页 |
| 6.2 工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |
