| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·课题的研究现状 | 第9-16页 |
| ·单目视觉 SLAM 技术的基本思想 | 第9-10页 |
| ·单目视觉 SLAM 技术的解决方案 | 第10-13页 |
| ·单目视觉 SLAM 技术的主要问题 | 第13-16页 |
| ·论文的主要工作及章节安排 | 第16-18页 |
| 第二章 基于视觉词典的人工自然视觉特征建模 | 第18-36页 |
| ·引言 | 第18-19页 |
| ·基于视觉词典的自然特征概率模型 | 第19-26页 |
| ·基于 SURF 的自然特征提取 | 第19-22页 |
| ·自然视觉词典的创建 | 第22-24页 |
| ·基于混合高斯模型的视觉单词建模 | 第24-26页 |
| ·自然特征的概率模型创建 | 第26页 |
| ·基于视觉词典的人工路标模型创建 | 第26-30页 |
| ·人工路标的设计 | 第26-28页 |
| ·人工路标的检测 | 第28-29页 |
| ·人工路标概率模型创建与识别 | 第29-30页 |
| ·实验分析 | 第30-35页 |
| ·实验一：自然特征的提取及视觉词典的创建 | 第30-33页 |
| ·实验二：人工路标的检测及识别 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于视觉词典的单目视觉SLAM闭环检测算法 | 第36-52页 |
| ·引言 | 第36页 |
| ·基于人工自然视觉词典的闭环检测算法 | 第36-43页 |
| ·图像的概率向量表示 | 第38-39页 |
| ·基于贝叶斯滤波的闭环检测算法 | 第39-41页 |
| ·图像的内存管理机制 | 第41-43页 |
| ·实验分析 | 第43-51页 |
| ·实验一：基于自然特征的闭环检测算法验证 | 第43-50页 |
| ·实验二：混合人工自然特征的闭环检测算法验证 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 混合人工自然特征环境的单目视觉SLAM算法 | 第52-69页 |
| ·引言 | 第52页 |
| ·基于图的 SLAM 方法介绍 | 第52-54页 |
| ·混合人工自然特征环境的 SLAM 算法 | 第54-61页 |
| ·图像帧间的数据关联 | 第55-59页 |
| ·地图优化 | 第59-61页 |
| ·实验分析 | 第61-68页 |
| ·实验一：室内小范围环境的 SLAM 算法验证 | 第62-65页 |
| ·实验二：走廊大范围环境的 SLAM 算法验证 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第75-76页 |
| 附录2 攻读硕士学位期间申请的专利 | 第76-77页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 附录4 攻读硕士学位期间参加比赛所获荣誉 | 第78-79页 |
| 致谢 | 第79页 |