| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究现状与发展趋势 | 第9-12页 |
| 1.2.1 研究现状 | 第9-11页 |
| 1.2.2 发展趋势 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 2 室外环境地图的初期构建 | 第13-22页 |
| 2.1 常用地图表述方法 | 第13-16页 |
| 2.2 基于双目视觉的Pose-Graph地图构建 | 第16-22页 |
| 2.2.1 基于双目视觉的无人车连续位姿估计 | 第16-20页 |
| 2.2.2 室外环境拓扑地图构建 | 第20-22页 |
| 3 无人车行驶轨迹闭环自动检测 | 第22-39页 |
| 3.1 BoW模型介绍 | 第22-25页 |
| 3.1.1 BoW模型的发展 | 第22-23页 |
| 3.1.2 BoW模型在计算机视觉中的应用 | 第23-25页 |
| 3.2 基于ORB的特征点快速提取 | 第25-32页 |
| 3.2.1 oFAST关键点检测算法 | 第26-28页 |
| 3.2.2 rBRIEF特征描述符算法 | 第28-32页 |
| 3.3 基于树的图像快速向量化 | 第32-34页 |
| 3.4 闭环检测 | 第34-39页 |
| 3.4.1 图像相似度判断 | 第34-36页 |
| 3.4.2 闭环匹配对的进一步确认 | 第36-39页 |
| 4 基于图的后端优化 | 第39-44页 |
| 4.1 系统误差表述 | 第39-41页 |
| 4.2 基于迭代的线性优化算法 | 第41-44页 |
| 4.2.1 算法原理 | 第41-42页 |
| 4.2.2 系统结构描述及算法流程 | 第42-44页 |
| 5 实验结果及分析 | 第44-53页 |
| 5.1 Smart-Cruiser无人驾驶车平台 | 第44-45页 |
| 5.2 Pose-Graph SLAM实验结果 | 第45-53页 |
| 5.2.1 系统参数设置及实验结果评估说明 | 第45页 |
| 5.2.2 实验结果及分析 | 第45-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58页 |
| 课题资助情况 | 第58-59页 |
| 致谢 | 第59-60页 |