基于RGB-D相机的室内同步定位与建图关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要研究工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 系统框架与数据获取平台搭建 | 第17-24页 |
| 2.1 系统整体框架 | 第17页 |
| 2.2 数据获取硬件平台 | 第17-20页 |
| 2.2.1 Kinect的硬件结构 | 第18页 |
| 2.2.2 Kinect深度测量原理 | 第18-20页 |
| 2.3 数据获取软件平台 | 第20-23页 |
| 2.3.1 相机标定 | 第20-22页 |
| 2.3.2 相机与操作系统接口 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 室内SLAM前端特征匹配与运动估计方法 | 第24-42页 |
| 3.1 图像特征提取方法 | 第25-31页 |
| 3.1.1 SIFT特征提取 | 第25-27页 |
| 3.1.2 SURF特征提取 | 第27-30页 |
| 3.1.3 ORB特征提取 | 第30-31页 |
| 3.1.4 特征选择 | 第31页 |
| 3.2 图像特征匹配方法与误匹配剔除策略 | 第31-35页 |
| 3.2.1 基于FLANN的图像特征匹配方法 | 第31-32页 |
| 3.2.2 多级特征误匹配剔除策略 | 第32-35页 |
| 3.3 帧间运动估计方法与改进 | 第35-40页 |
| 3.3.1 迭代最近点算法 | 第35-36页 |
| 3.3.2 透视N点算法 | 第36-38页 |
| 3.3.3 改进的PROSAC-PnP算法 | 第38-40页 |
| 3.4 关键帧选取方法 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 室内SLAM后端优化方法 | 第42-51页 |
| 4.1 闭环检测模型与方法 | 第42-44页 |
| 4.2 基于BoW的闭环检测方法 | 第44-46页 |
| 4.3 基于g2o工具的后端图优化方法 | 第46-49页 |
| 4.4 运动估计失败恢复方法 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 实验设计与结果分析 | 第51-66页 |
| 5.1 数据集与评价标准 | 第51页 |
| 5.2 系统环境 | 第51-52页 |
| 5.3 实验与结果 | 第52-65页 |
| 5.3.1 特征匹配实验 | 第52-54页 |
| 5.3.2 运动估计实验与分析 | 第54-57页 |
| 5.3.3 闭环检测实验与结果 | 第57-60页 |
| 5.3.4 系统整体实验与结果 | 第60-64页 |
| 5.3.5 点云地图创建 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间的科研成果 | 第73-74页 |
| 致谢 | 第74-75页 |
