文摘
英文文摘
第一章 绪论
1.1 引言
1.2 机器人SLAM的历史与发展现状
1.3 视觉SLAM研究的目的与意义
1.4 当前SLAM解决方案
1.5 论文内容和组织结构
第二章 卡尔曼滤波器基础
2.1 SLAM问题:贝叶斯滤波基础
2.2 卡尔曼滤波
2.2.1 离散卡尔曼滤波算法
2.2.2 扩展卡尔曼滤波算法
2.3 基于EKF的视觉SLAM算法
2.4 本章小结
第三章 视觉图像特征点提取
3.1 Harris角点检测
3.1.1 Harris角点提取方法
3.1.2 Harris角点提取实验
3.2 SIFT特征点提取
3.2.1 尺度空间极值点检测
3.2.2 精确定位
3.2.3 候选点筛选
3.2.4 计算主梯度方向
3.2.5 计算特征描述符
3.3 SIFT特征点提取与匹配实验
3.3.1 SIFT特征点旋转不变性实验
3.3.2 SIFT特征点局部仿射不变性
3.3.3 SIFT特征点尺度比例缩放不变性
3.3.4 连续视频序列SIFT特征点匹配实验
3.4 本章小结
第四章 基于视觉几何的帧间运动估计方法
4.1 射影变换与仿射变换
4.2 立体视觉中的光学成像系统
4.2.1 景物成像模型
4.2.2 摄像机标定方法
4.2.3 摄像机标定实验
4.3 帧间运动估计
4.3.1 极线方程
4.3.2 本质矩阵求解
4.3.3 由本质矩阵求运动参数
4.3.4 帧间运动参数估计实验研究
4.4 本章小结
第五章 基于概率选取随机特征点的单目视觉SLAM方法
5.1 引言
5.2 随机特征点选取
5.3 基于反向深度的单目视觉EKF-SLAM方法
5.3.1 像机运动模型
5.3.2 观测模型
5.3.3 状态更新
5.4 实验研究
5.4.1 提取特征点实验及分析
5.4.2 SLAM实验及分析
5.5 本章小结
第六章 总结与展望
致谢
参考文献
附录