| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 课题研究背景和意义 | 第15-16页 |
| 1.2 同步定位与地图构建技术概述 | 第16-21页 |
| 1.2.1 基于滤波的SLAM实现方法概述 | 第16-17页 |
| 1.2.2 基于图优化的SLAM实现方法概述 | 第17-21页 |
| 1.3 RGBD SLAM国内外研究概述 | 第21-24页 |
| 1.3.1 国外研究概述 | 第21-23页 |
| 1.3.2 国内研究概述 | 第23-24页 |
| 1.4 本文主要研究内容 | 第24-27页 |
| 第二章 Kinect数据获取与预处理 | 第27-45页 |
| 2.1 Kinect介绍 | 第27-30页 |
| 2.1.1 Kinect硬件组成和相关参数 | 第27-29页 |
| 2.1.2 Kinect的深度测量原理 | 第29-30页 |
| 2.2 Kinect的标定配准 | 第30-37页 |
| 2.2.1 Kinect的相机模型 | 第31-33页 |
| 2.2.2 Kinect的标定配准 | 第33-35页 |
| 2.2.3 Kinect的标定配准实验 | 第35-37页 |
| 2.3 Kinect的数据采集及点云数据生成 | 第37-39页 |
| 2.4 Kinect数据的滤波处理 | 第39-42页 |
| 2.4.1 深度图像的双边滤波处理 | 第40页 |
| 2.4.2 深度图像双边滤波结果 | 第40-42页 |
| 2.5 基于Kinect的SLAM流程框架 | 第42-43页 |
| 2.6 本章小结 | 第43-45页 |
| 第三章 图像配准方法 | 第45-63页 |
| 3.1 图像特征提取 | 第45-47页 |
| 3.2 图像特征匹配 | 第47-56页 |
| 3.2.1 特征初始匹配 | 第47-51页 |
| 3.2.2 特征的精确匹配 | 第51-56页 |
| 3.3 相对运动估计方法 | 第56-59页 |
| 3.3.1 结合RANSAC的双向PnP运动估计方法 | 第57-58页 |
| 3.3.2 帧间相对运动估计实验 | 第58-59页 |
| 3.4 关键帧选取技术 | 第59-61页 |
| 3.5 视觉里程计 | 第61页 |
| 3.6 本章小结 | 第61-63页 |
| 第四章 回环检测及图优化方法 | 第63-73页 |
| 4.1 回环检测 | 第63-68页 |
| 4.1.1 基于图像帧间配准的直接回环检测 | 第64页 |
| 4.1.2 基于视觉词袋的回环检测方法 | 第64-68页 |
| 4.1.2.1 场景视觉模型的建立 | 第64-65页 |
| 4.1.2.2 场景的相似度度量 | 第65-67页 |
| 4.1.2.3 检测回环 | 第67-68页 |
| 4.2 图优化 | 第68-72页 |
| 4.2.1 SLAM位姿图构建 | 第68-69页 |
| 4.2.2 图优化问题数学推导 | 第69-70页 |
| 4.2.3 使用g2o非线性图优化框架进行SLAM图优化问题求解 | 第70-72页 |
| 4.3 本章小结 | 第72-73页 |
| 第五章 基于Kinet的同步定位与地图构建实验 | 第73-83页 |
| 5.1 实验设备及程序介绍 | 第73-74页 |
| 5.2 程序参数设定 | 第74-75页 |
| 5.3 公开数据集实验及结果分析 | 第75-76页 |
| 5.3.1 公开数据集介绍 | 第75页 |
| 5.3.2 公开数据集结果分析 | 第75-76页 |
| 5.4 基于Kinect的室内SLAM实验 | 第76-81页 |
| 5.5 本章小结 | 第81-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 课题研究内容总结 | 第83-84页 |
| 6.2 课题研究展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 附录Ⅰ 特征提取及匹配程序 | 第89-91页 |
| 致谢 | 第91-93页 |
| 研究成果及发表的学术论文 | 第93-95页 |
| 作者和导师简介 | 第95-96页 |
| 硕士研究生学位论文答辩委员会决议书 | 第96-97页 |