| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究的目的及意义 | 第9-10页 |
| 1.2 移动机器人的国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究动态 | 第11页 |
| 1.2.2 国内研究进展 | 第11-12页 |
| 1.3 有关SLAM的研究进展概况 | 第12-15页 |
| 1.3.1 基于滤波器的SLAM系统 | 第12-13页 |
| 1.3.2 基于图优化的SLAM系统 | 第13-14页 |
| 1.3.3 国内外SLAM系统的研究进展 | 第14-15页 |
| 1.4 本文主要研究内容及结构安排 | 第15-17页 |
| 2 基于OpenCV的图像预处理 | 第17-26页 |
| 2.1 图像处理概述 | 第17-18页 |
| 2.1.1 数字图像的分类 | 第17页 |
| 2.1.2 彩色空间 | 第17-18页 |
| 2.2 OpenCV简介 | 第18-22页 |
| 2.2.1 OpenCV的组成及功能 | 第19-20页 |
| 2.2.2 OpenCV的图像存储格式 | 第20-22页 |
| 2.3 果树图像区域限定实现 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 双目测距原理及实现 | 第26-37页 |
| 3.1 机器视觉系统 | 第26-29页 |
| 3.1.1 相机 | 第26页 |
| 3.1.2 相机成像模型 | 第26-29页 |
| 3.2 相机标定 | 第29-33页 |
| 3.3 立体视觉技术 | 第33-36页 |
| 3.3.1 立体视觉系统模型建立 | 第33-34页 |
| 3.3.2 双目测距的实验验证 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 特征提取匹配算法原理 | 第37-61页 |
| 4.1 SIFT特征点提取算法 | 第37-46页 |
| 4.1.1 尺度空间极值检测 | 第38-40页 |
| 4.1.2 关键点定位 | 第40-43页 |
| 4.1.3 关键点方向确定 | 第43-44页 |
| 4.1.4 关键点描述 | 第44-46页 |
| 4.2 基于SIFT特征点提取以及剔除方法 | 第46-56页 |
| 4.2.1 特征点提取实验 | 第46-48页 |
| 4.2.2 特征点匹配算法 | 第48-52页 |
| 4.2.3 RANSAC算法 | 第52-53页 |
| 4.2.4 匹配点的平行几何约束剔除 | 第53-56页 |
| 4.3 绿色植株特征点提取匹配测距 | 第56-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 扩展卡尔曼滤波的双目视觉SLAM方法研究 | 第61-76页 |
| 5.1 系统模型介绍 | 第63-66页 |
| 5.1.1 SLAM系统数学模型 | 第63-64页 |
| 5.1.2 自由运动装置运动模型 | 第64-65页 |
| 5.1.3 自由运动装置位姿模型 | 第65页 |
| 5.1.4 自由运动装置观测模型 | 第65-66页 |
| 5.2 扩展卡尔曼滤波器 | 第66-68页 |
| 5.2.1 卡尔曼滤波 | 第66-67页 |
| 5.2.2 扩展卡尔曼滤波器以及实现 | 第67-68页 |
| 5.3 栅格地图 | 第68-69页 |
| 5.4 基于扩展卡尔曼滤波的SLAM算法实现与研究 | 第69-75页 |
| 5.4.1 EKF-SLAM的实现步骤 | 第70-74页 |
| 5.4.2 实验仿真及分析 | 第74-75页 |
| 5.5 本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-77页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 附录 攻读硕士期间发表或录用的学术论文 | 第81-82页 |