基于视觉的多机器人SLAM算法研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 机器人视觉SLAM国内外研究现状 | 第11-16页 |
| 1.2.1 单机器人视觉SLAM现状 | 第11-12页 |
| 1.2.2 多机器人视觉SLAM现状 | 第12-16页 |
| 1.3 研究目标和研究内容 | 第16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章单机器人视觉SLAM算法研究 | 第18-42页 |
| 2.1 SLAM问题的基本原理概述 | 第18-20页 |
| 2.2 视觉传感器与相机标定 | 第20-26页 |
| 2.2.1 视觉传感器的分类 | 第20-21页 |
| 2.2.2 相机标定 | 第21-26页 |
| 2.3 视觉里程计 | 第26-34页 |
| 2.3.1 基于ORB特征的匹配 | 第26-31页 |
| 2.3.2 基于PnP的位姿估计与关键帧筛选 | 第31-34页 |
| 2.4 视觉SLAM后端算法 | 第34-40页 |
| 2.4.1 基于高斯牛顿法的位姿图优化 | 第35-37页 |
| 2.4.2 基于词袋的闭环检测 | 第37-39页 |
| 2.4.3 位姿全局优化算法 | 第39-40页 |
| 2.5 单机器人SLAM算法 | 第40-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章基于视觉的多机器人SLAM算法研究 | 第42-53页 |
| 3.1 局部坐标与全局坐标 | 第42-43页 |
| 3.2 公共区域检测算法 | 第43-46页 |
| 3.3 基于ICP算法的机器人相对位姿估计 | 第46-49页 |
| 3.3.1 ICP算法 | 第46-48页 |
| 3.3.2 机器人间的相对位姿估计 | 第48-49页 |
| 3.4 多机器人全局位姿优化 | 第49-50页 |
| 3.5 多机器人场景地图融合 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 实验平台搭建与算法验证 | 第53-69页 |
| 4.1 实验平台构建与方案设计 | 第53-56页 |
| 4.2 双目相机的标定 | 第56-58页 |
| 4.3 基于双目视觉的三维地图重构 | 第58-61页 |
| 4.4 单机器人视觉SLAM实验结果与分析 | 第61-64页 |
| 4.4.1 视觉里程计 | 第61-63页 |
| 4.4.2 回环检测与优化 | 第63-64页 |
| 4.5 多机器人视觉SLAM实验结果与分析 | 第64-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第五章 全文总结与展望 | 第69-71页 |
| 5.1 全文总结 | 第69页 |
| 5.2 后续工作展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的成果 | 第75页 |
