基于关键帧的RGB-D SLAM技术研究与实现 |
论文目录 | | | 摘要 | 第1-5页 | | abstract | 第5-6页 | | 第一章 绪论 | 第9-18页 | | 1.1 研究背景和意义 | 第9-11页 | | 1.2 视觉SLAM概述 | 第11-12页 | | 1.3 视觉SLAM关键技术研究现状 | 第12-14页 | | 1.3.1 位姿计算研究现状 | 第12-13页 | | 1.3.2 闭环检测研究现状 | 第13-14页 | | 1.3.3 图优化研究现状 | 第14页 | | 1.4 论文主要工作和创新点 | 第14-16页 | | 1.4.1 论文主要工作 | 第15-16页 | | 1.4.2 论文创新点 | 第16页 | | 1.5 论文的结构安排 | 第16-18页 | | 第二章 一种RGB-D传感器深度数据误差估计的通用方法 | 第18-28页 | | 2.1 常见的RGB-D传感器深度数据校准方法 | 第18-19页 | | 2.2 RGB-D相机的深度误差 | 第19-21页 | | 2.3 获取深度数据RMS误差 | 第21-25页 | | 2.3.1 假设 | 第21-22页 | | 2.3.2 点云生成 | 第22-24页 | | 2.3.3 点云配准深度误差估计 | 第24页 | | 2.3.4 RMS误差模型估计 | 第24-25页 | | 2.4 实验和结果 | 第25-27页 | | 2.4.1 获得RMS误差 | 第25-26页 | | 2.4.2 验证结果的正确性 | 第26-27页 | | 2.5 本章小结 | 第27-28页 | | 第三章 RGB-D SLAM前端流程以及改进 | 第28-50页 | | 3.1 特征选择 | 第28-37页 | | 3.1.1 PFH特征 | 第28-29页 | | 3.1.2 SIFT特征 | 第29-32页 | | 3.1.3 SURF特征 | 第32-33页 | | 3.1.4 ORB特征 | 第33-35页 | | 3.1.5 特征检测与描述子提取实验对比 | 第35-37页 | | 3.2 特征匹配方法 | 第37-45页 | | 3.2.1 特征匹配的实验对比分析 | 第37-38页 | | 3.2.2 误匹配剔除实验对比分析及改进 | 第38-45页 | | 3.3 运动估计与优化方法 | 第45-49页 | | 3.4 本章小结 | 第49-50页 | | 第四章 SLAM后端算法 | 第50-64页 | | 4.1 关键帧选取方法 | 第50-52页 | | 4.1.1 常见的关键帧筛选方法 | 第50-51页 | | 4.1.2 改进的关键帧选择算法 | 第51页 | | 4.1.3 关键帧算法的对比分析 | 第51-52页 | | 4.2 构建初始位姿图 | 第52-53页 | | 4.3 闭环检测 | 第53-57页 | | 4.3.1 闭环检测模型与方法 | 第51-55页 | | 4.3.2 基于BoW模型的闭环检测方法 | 第55-57页 | | 4.4 基于G2O工具的后端图优化 | 第57-62页 | | 4.4.1 图优化原理及工具 | 第58-60页 | | 4.4.2闭环检测与后端优化实验 | 第60-62页 | | 4.5 构建三维点云地图 | 第62-63页 | | 4.6 本章小结 | 第63-64页 | | 第五章 仿真结果与实验 | 第64-70页 | | 5.1 引言 | 第64页 | | 5.2 改进后的RGB-D SLAM整体框架 | 第64页 | | 5.3 软件开发环境和数据获取 | 第64-65页 | | 5.4 基于数据集的算法仿真 | 第65-68页 | | 5.5 真实场景实验 | 第68-69页 | | 5.6 本章小结 | 第69-70页 | | 第六章 总结与展望 | 第70-72页 | | 6.1 本文研究总结 | 第70-71页 | | 6.2 未来改进与展望 | 第71-72页 | | 致谢 | 第72-73页 | | 参考文献 | 第73-77页 | | 攻读硕士期间取得的研究成果 | 第77页 |
|
|
|
| |
