基于学习方法的高精度SLAM算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 视觉里程计研究现状 | 第10-14页 |
| 1.2.2 闭环检测研究现状 | 第14-18页 |
| 1.3 本文研究内容 | 第18-20页 |
| 第2章 基于可信控制点的置信度估计方法 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 主要研究内容 | 第20-22页 |
| 2.2.1 立体匹配 | 第20-21页 |
| 2.2.2 可信控制点在立体匹配中的应用 | 第21-22页 |
| 2.2.3 主要研究内容 | 第22页 |
| 2.3 置信度估计 | 第22-26页 |
| 2.3.1 随机森林算法 | 第22-23页 |
| 2.3.2 特征选择 | 第23-25页 |
| 2.3.3 基于可信控制点的置信度估计方法 | 第25-26页 |
| 2.4 实验结果 | 第26-32页 |
| 2.4.1 可行性验证实验 | 第26页 |
| 2.4.2 置信度评估 | 第26-31页 |
| 2.4.3 随机森林方法的选择与讨论 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于卷积特征高阶统计的闭环检测 | 第34-47页 |
| 3.1 引言 | 第34页 |
| 3.2 二阶特征及二阶特征在闭环检测中的应用 | 第34-35页 |
| 3.3 基于二阶信息的深度网络 | 第35-37页 |
| 3.3.1 正向传播 | 第35-36页 |
| 3.3.2 反向传播 | 第36页 |
| 3.3.3 协方差正则化方法 | 第36-37页 |
| 3.4 弱监督训练 | 第37-39页 |
| 3.5 实验结果 | 第39-46页 |
| 3.5.1 实验介绍 | 第39-40页 |
| 3.5.2 三元组的选择 | 第40页 |
| 3.5.3 模型精度实验结果 | 第40-42页 |
| 3.5.4 SLAM常用算法对比实验 | 第42-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于学习方法的SLAM算法 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 基于可信控制点的SLAM算法 | 第47-49页 |
| 4.3 基于高阶特征的SLAM算法 | 第49-51页 |
| 4.4 高精度的SLAM算法 | 第51-53页 |
| 4.5 实验结果 | 第53-58页 |
| 4.6 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第65-67页 |
| 致谢 | 第67-68页 |
