| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景与研究意义 | 第10-12页 |
| 1.2 国内外现状 | 第12-17页 |
| 1.2.1 单目SLAM系统研究现状 | 第14-15页 |
| 1.2.2 SLAM初始化问题研究现状 | 第15-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 视图几何基础理论 | 第19-31页 |
| 2.1 相机模型与消失点 | 第19-23页 |
| 2.1.1 相机模型 | 第19-21页 |
| 2.1.2 消失点 | 第21-23页 |
| 2.2 相机标定 | 第23-26页 |
| 2.3 对极几何、单应性矩阵、基础矩阵与本质矩阵 | 第26-28页 |
| 2.3.1 对极几何 | 第26页 |
| 2.3.2 单应性矩阵 | 第26-27页 |
| 2.3.3 基础矩阵和本质矩阵 | 第27-28页 |
| 2.4 单目视觉SLAM系统框架 | 第28-31页 |
| 2.4.1 视觉里程计 | 第28-29页 |
| 2.4.2 后端优化 | 第29页 |
| 2.4.3 回环检测 | 第29-30页 |
| 2.4.4 建图 | 第30-31页 |
| 第3章 基于室内模型的单目SLAM快速初始化方法 | 第31-50页 |
| 3.1 引言 | 第31-32页 |
| 3.2 室内模型 | 第32-38页 |
| 3.2.1 线段检测和消失点计算 | 第32-34页 |
| 3.2.2 平面方向图计算 | 第34-35页 |
| 3.2.3 室内模型假设集合 | 第35-38页 |
| 3.3 使用室内模型进行视觉SLAM初始化 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-49页 |
| 3.4.1 相机标定实验结果 | 第39-40页 |
| 3.4.2 线段检测和消失点实验结果 | 第40-41页 |
| 3.4.3 平面方向图检测实验结果 | 第41-42页 |
| 3.4.4 最优模型的选取实验结果 | 第42-44页 |
| 3.4.5 深度计算并且快速初始单目SLAM | 第44-49页 |
| 3.5 小结 | 第49-50页 |
| 第4章 结合深度学习的室内模型估计及SLAM快速初始化 | 第50-62页 |
| 4.1 引言 | 第50-51页 |
| 4.2 基于Tensorflow的深度预测 | 第51-53页 |
| 4.2.1 Tensorflow | 第51-52页 |
| 4.2.2 FRCN预测深度 | 第52-53页 |
| 4.3 最优室内模型选取策略 | 第53-56页 |
| 4.3.1 基于图的分割 | 第53-54页 |
| 4.3.2 基于相对平面关系的最优模型选择 | 第54-56页 |
| 4.4 实验结果与分析 | 第56-62页 |
| 4.4.1 FCRN深度预测实验结果 | 第56-57页 |
| 4.4.2 图割实验结果 | 第57页 |
| 4.4.3 最优室内模型实验结果 | 第57-58页 |
| 4.4.4 SLAM快速初始化实验结果 | 第58-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的科研项目和成果 | 第69页 |