基于时空切片的视觉闭环检测方法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 移动机器人视觉导航 | 第10-12页 |
| 1.2 视觉SLAM | 第12-18页 |
| 1.2.1 基于滤波的视觉SLAM | 第12-13页 |
| 1.2.2 基于图优化的视觉SLAM | 第13-18页 |
| 1.3 视觉SLAM闭环检测 | 第18-19页 |
| 1.4 研究目的与意义 | 第19-20页 |
| 1.5 本文的研究内容及组织结构 | 第20-22页 |
| 2 Kinect标定与图像配准 | 第22-30页 |
| 2.1 摄像机模型的建立 | 第22-23页 |
| 2.2 张正友摄像机标定 | 第23-25页 |
| 2.3 Kinect标定 | 第25-26页 |
| 2.4 深度图像与RGB图像配准 | 第26-27页 |
| 2.5 本章小结 | 第27-30页 |
| 3 时空切片SLAM关键帧提取 | 第30-40页 |
| 3.1 关键帧检测 | 第30-31页 |
| 3.2 时空切片关键帧提取 | 第31-34页 |
| 3.2.1 时空切片的特性分析 | 第31-33页 |
| 3.2.2 最近邻像素匹配法 | 第33-34页 |
| 3.3 仿真实验 | 第34-38页 |
| 3.3.1 算法可靠性验证 | 第34-35页 |
| 3.3.2 实验验证 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 最短路径时空切片闭环检测 | 第40-62页 |
| 4.1 场景地图的表示 | 第40-43页 |
| 4.2 位姿不确定性 | 第43-45页 |
| 4.2.1 位姿不确定性概述 | 第43页 |
| 4.2.2 位姿不确定性的表示 | 第43-45页 |
| 4.3 Dijkstra最短路径 | 第45-50页 |
| 4.3.1 闭环检测 | 第45-47页 |
| 4.3.2 Dijkstra算法 | 第47-49页 |
| 4.3.3 Dijkstra最短路径闭环检测 | 第49-50页 |
| 4.4 最短路径时空切片 | 第50-55页 |
| 4.4.1 时空切片引起的视觉混淆 | 第50-52页 |
| 4.4.2 最短路径时空切片算法 | 第52-55页 |
| 4.5 实验验证 | 第55-59页 |
| 4.6 本章小结 | 第59-62页 |
| 5 基于轮廓提取的最短路径时空切片闭环检测 | 第62-78页 |
| 5.1 单一背景下的时空切片 | 第62-64页 |
| 5.2 深度图滤波 | 第64-67页 |
| 5.3 深度图轮廓提取 | 第67-71页 |
| 5.3.1 二值化变换 | 第67-69页 |
| 5.3.2 连通域标记定义 | 第69-70页 |
| 5.3.3 连通区域标记算法 | 第70-71页 |
| 5.4 轮廓提取时空切片算法流程 | 第71页 |
| 5.5 实验对比 | 第71-75页 |
| 5.6 本章小结 | 第75-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 作者简历 | 第86-88页 |
| 学位论文数据集 | 第88页 |
