人机环境深度交互机器人关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 视觉SLAM研究现状 | 第13-15页 |
| 1.2.2 人体行为表示方法研究现状 | 第15页 |
| 1.2.3 人体行为识别算法研究现状 | 第15-17页 |
| 1.2.4 物体识别研究现状 | 第17页 |
| 1.3 论文章节安排 | 第17-19页 |
| 第二章 ORB-SLAM2算法研究及其改进 | 第19-48页 |
| 2.1 视觉SLAM系统简介 | 第19-25页 |
| 2.1.1 视觉SLAM系统组成 | 第19页 |
| 2.1.2 视觉SLAM坐标分类 | 第19-20页 |
| 2.1.3 RGB-D相机成型原理 | 第20页 |
| 2.1.4 位姿估计 | 第20-22页 |
| 2.1.5 回环检测 | 第22页 |
| 2.1.6 非线性优化 | 第22-24页 |
| 2.1.7 地图成型原理 | 第24-25页 |
| 2.2 ORB-SLAM2系统介绍 | 第25-26页 |
| 2.3 ORB-SLAM2前端算法研究 | 第26-30页 |
| 2.3.1 前端跟踪过程简介 | 第26-27页 |
| 2.3.2 跟踪算法介绍 | 第27-29页 |
| 2.3.3 重定位及局部地图跟踪 | 第29-30页 |
| 2.4 ORB-SLAM2前端算法改进 | 第30-33页 |
| 2.4.1 问题描述 | 第30-31页 |
| 2.4.2 跟踪过程改进 | 第31-33页 |
| 2.5 实验分析 | 第33-41页 |
| 2.5.1 数据集介绍 | 第33-34页 |
| 2.5.2 实验结果 | 第34-37页 |
| 2.5.3 结果分析 | 第37-41页 |
| 2.6 室内三维地图构建 | 第41-47页 |
| 2.7 本章小结 | 第47-48页 |
| 第三章 基于深度学习的行为识别 | 第48-61页 |
| 3.1 数据集制作 | 第48-50页 |
| 3.2 深度学习模型及其优化 | 第50-54页 |
| 3.2.1 DNN设计 | 第52页 |
| 3.2.2 CNN设计 | 第52-53页 |
| 3.2.3 LSTM设计 | 第53-54页 |
| 3.3 实验验证 | 第54-59页 |
| 3.3.1 数据集组成 | 第54页 |
| 3.3.2 模型训练准备 | 第54-55页 |
| 3.3.3 实验结果 | 第55-59页 |
| 3.4 结果分析 | 第59-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 在线匹配的物体识别方法 | 第61-72页 |
| 4.1 点云分割 | 第61-63页 |
| 4.2 点云匹配 | 第63-64页 |
| 4.3 点云标注 | 第64页 |
| 4.4 实验验证 | 第64-70页 |
| 4.5 实验分析 | 第70-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 5.1 研究结论 | 第72-73页 |
| 5.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 在学期间的研究成果 | 第79-80页 |
| 致谢 | 第80页 |
