基于不确定性模型与重定位技术的语义SLAM方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题来源及研究背景 | 第9-11页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 课题研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 视觉SLAM技术研究现状 | 第11-16页 |
| 1.2.2 特征点不确定性模型研究现状 | 第16-17页 |
| 1.2.3 重定位算法研究现状 | 第17页 |
| 1.2.4 语义SLAM技术研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-20页 |
| 第2章 基于尺度空间的特征点不确定性模型研究 | 第20-41页 |
| 2.1 引言 | 第20页 |
| 2.2 基于尺度空间的特征点不确定性模型 | 第20-29页 |
| 2.2.1 不确定性模型的建立 | 第20-25页 |
| 2.2.2 误差传播 | 第25-27页 |
| 2.2.3 SLAM系统中的不确定性 | 第27-29页 |
| 2.3 不确定性模型实验与分析 | 第29-39页 |
| 2.3.1 不确定性模型建立实验 | 第29-34页 |
| 2.3.2 不确定性模型对比实验 | 第34-35页 |
| 2.3.3 SLAM系统中的不确定性模型实验 | 第35-37页 |
| 2.3.4 公开数据集测试 | 第37-39页 |
| 2.4 本章小结 | 第39-41页 |
| 第3章 基于点云的全局多层级配准重定位算法研究 | 第41-62页 |
| 3.1 引言 | 第41-42页 |
| 3.2 重定位算法流程 | 第42-44页 |
| 3.2.1 问题描述 | 第42页 |
| 3.2.2 重定位算法流程设计 | 第42-44页 |
| 3.3 三维场景分析与处理 | 第44-47页 |
| 3.3.1 三维场景重建 | 第44-46页 |
| 3.3.2 三维场景分区域处理 | 第46-47页 |
| 3.4 全局多层级配准 | 第47-51页 |
| 3.4.1 点云逐层处理 | 第47-48页 |
| 3.4.2 点云层复杂度计算 | 第48-49页 |
| 3.4.3 基于NDT算法的点云层初始配准 | 第49-51页 |
| 3.5 重定位位姿求解 | 第51-55页 |
| 3.5.1 位姿一致性检测与信息融合 | 第51-54页 |
| 3.5.2 基于ICP的精确位姿求解 | 第54-55页 |
| 3.6 重定位算法实验验证 | 第55-60页 |
| 3.6.1 公开数据集实验 | 第55-57页 |
| 3.6.2 实际场景的实验环境 | 第57-58页 |
| 3.6.3 实际场景的召回率实验 | 第58页 |
| 3.6.4 实际场景的准确率实验 | 第58-60页 |
| 3.7 本章小结 | 第60-62页 |
| 第4章 基于实例分割的三维语义场景研究 | 第62-72页 |
| 4.1 引言 | 第62页 |
| 4.2 基于MaskR-CNN的实例分割算法 | 第62-64页 |
| 4.3 语义体素滤波处理 | 第64-66页 |
| 4.4 三维场景的语义渲染实验 | 第66-70页 |
| 4.5 三维语义场景泊松重建 | 第70-71页 |
| 4.6 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读学位期间发表过的学术论文 | 第79-81页 |
| 致谢 | 第81页 |
