| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.2 国内外开源SLAM算法与应用现状 | 第11-19页 |
| 1.2.0 SLAM的发展 | 第11-13页 |
| 1.2.1 优秀开源算法 | 第13-16页 |
| 1.2.2 国内外应用现状 | 第16-19页 |
| 1.3 论文主要研究内容与结构安排 | 第19-21页 |
| 2 相机模型与图优化 | 第21-35页 |
| 2.1 相机模型与Kinect相机 | 第21-25页 |
| 2.1.1 相机模型 | 第21-23页 |
| 2.1.2 Kinect相机 | 第23-25页 |
| 2.2 李群李代数与图优化 | 第25-33页 |
| 2.2.1 三维空间刚体运动 | 第25-26页 |
| 2.2.2 李群李代数 | 第26-28页 |
| 2.2.3 基于滤波的SLAM方法 | 第28-29页 |
| 2.2.4 图优化 | 第29-33页 |
| 2.3 本章小结 | 第33-35页 |
| 3 图像中的特征及光流法 | 第35-47页 |
| 3.1 图像中的特征 | 第35-38页 |
| 3.2 光流法 | 第38-40页 |
| 3.3 改进光流法 | 第40-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 基于RGBD相机的改进光流法SLAM | 第47-59页 |
| 4.1 系统框架 | 第47-48页 |
| 4.2 Visual Odometry线程 | 第48-53页 |
| 4.2.1 Visual Odometry的初始化 | 第49页 |
| 4.2.2 特征点的跟踪与位姿求解 | 第49-52页 |
| 4.2.3 插入关键帧 | 第52-53页 |
| 4.3 Local mapping线程 | 第53-54页 |
| 4.4 Loop closing线程 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 5 基于Visual Inertial的改进光流法SLAM | 第59-65页 |
| 5.1 基于Visual Inertial的SLAM | 第59-61页 |
| 5.2 设备选择 | 第61-62页 |
| 5.3 相机与IMU的标定 | 第62-63页 |
| 5.4 改进光流法改进VINSMono | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 6 实验与分析 | 第65-79页 |
| 6.1 改进光流法RGBD SLAM实验 | 第65-72页 |
| 6.1.1 TUM数据集实验 | 第65-66页 |
| 6.1.2 数据集实验结果及分析 | 第66-69页 |
| 6.1.3 真实场景试验 | 第69页 |
| 6.1.4 真实场景试验结果分析 | 第69-72页 |
| 6.2 改进光流法Visual Inertial实验 | 第72-76页 |
| 6.2.1 EuRoC MAV数据集实验及结果分析 | 第72-74页 |
| 6.2.2 真实场景试验及结果分析 | 第74-76页 |
| 6.3 本章小结 | 第76-79页 |
| 7 总结与展望 | 第79-81页 |
| 7.1 全文工作总结 | 第79页 |
| 7.2 未来工作展望 | 第79-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 附录 | 第89页 |
| A.作者在攻读学位期间发表的论文目录 | 第89页 |
