| 表目录 | 第1-7页 |
| 图目录 | 第7-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题研究的背景和意义 | 第11-12页 |
| ·课题研究现状和发展趋势 | 第12-16页 |
| ·概述 | 第12-13页 |
| ·鲁棒性方面 | 第13-14页 |
| ·实时性方面 | 第14页 |
| ·精确性方面 | 第14-16页 |
| ·课题研究的主要内容 | 第16-19页 |
| ·课题研究的主要内容与创新点 | 第16页 |
| ·论文的组织结构 | 第16-19页 |
| 第二章 视觉里程计模型与技术 | 第19-33页 |
| ·相机模型和预备知识 | 第19-20页 |
| ·视觉里程计模型 | 第20-22页 |
| ·相关技术和基础 | 第22-32页 |
| ·局部视觉特征 | 第23-28页 |
| ·运动估计 | 第28-31页 |
| ·RANSAC | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 基于特征选择的视觉里程计算法与实现 | 第33-51页 |
| ·通用视觉里程计框架 | 第33-34页 |
| ·局部视觉特征部分 | 第33页 |
| ·运动估计部分 | 第33-34页 |
| ·基于特征选择的视觉里程计算法 | 第34-42页 |
| ·图像网格化分块特征检测 | 第34-36页 |
| ·基于聚类的显著特征点选择 | 第36-37页 |
| ·基于极线几何约束与 RANSAC 的有效特征点选择 | 第37-40页 |
| ·算法流程 | 第40-42页 |
| ·基于 GPU 的图像处理和运动估计 | 第42-48页 |
| ·局部视觉特征的检测、描述和匹配 | 第43-46页 |
| ·运动估计问题的求解 | 第46-47页 |
| ·基于 CPU+GPU 的视觉里程计混合加速方案 | 第47-48页 |
| ·小结 | 第48-51页 |
| 第四章 实验系统构建与结果分析 | 第51-69页 |
| ·实验系统及平台 | 第51-55页 |
| ·图像采集系统 | 第51-52页 |
| ·移动机器人平台 | 第52-53页 |
| ·GPU 实验系统及模型 | 第53-55页 |
| ·视觉里程计算法实现及框图 | 第55-58页 |
| ·相互一致性检测 | 第55页 |
| ·立体极线几何约束检测 | 第55-56页 |
| ·Rodriguez 公式 | 第56页 |
| ·运动模型 | 第56-57页 |
| ·算法框图 | 第57-58页 |
| ·实验结果与分析 | 第58-68页 |
| ·基于 CPU+GPU 的视觉里程计加速实验 | 第58-61页 |
| ·基于特征选择的实验结果和分析 | 第61-68页 |
| ·小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·研究工作总结 | 第69-70页 |
| ·未来工作展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者在学期间取得的学术成果及获得的奖励 | 第77页 |