声明
致谢
摘要
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 基于视觉的机器人三维运动估计与环境建模问题描述
1.1.3 动态环境下视觉自运动估计与环境建模的挑战与意义
1.2 论文所涉技术及研究现状
1.2.1 视觉自运动估计方法及其研究现状
1.2.2 环境建模方法及其研究现状
1.3 论文研究内容与创新点
1.3.1 主要研究内容
1.3.2 创新点与贡献
1.4 本文章节安排
第2章 RGB-D传感器信息预处理
2.1 引言
2.2 RGB-D传感器结构与原理
2.2.1 传感器结构
2.2.2 深度测量原理
2.3 RGB-D摄像机标定
2.3.1 坐标系约定
2.3.2 相机模型
2.3.3 内参数标定
2.4 空间配准与时间同步
2.4.1 图像空间配准
2.4.2 信号时间同步
2.5 不确定度建模
2.5.1 深度测量模型
2.5.2 不确定度建模
2.6 本章小结
第3章 基于特征区域分割的RGB-D视觉里程计算法
3.1 引言
3.2 算法框架
3.2.1 视觉里程计原理
3.2.2 FRSVO算法框架
3.3 特征提取与不确定度建模
3.3.1 特征选择
3.3.2 基于不确定度的特征点筛选
3.4 特征区域分割
3.4.1 特征匹配
3.4.2 区域分割
3.5 运动估计与关键帧
3.5.1 摄像机运动估计
3.5.2 关键帧技术
3.6 算法实验评估
3.6.1 算法运行平台
3.6.2 室内动态环境实验
3.6.3 公开数据集对比实验
3.6.4 时间效率测试
3.7 本章小结
第4章 动态环境下的静态地图构建
4.1 引言
4.2 系统框架
4.3 SLAM图模型优化
4.3.1 位姿图
4.3.2 闭环检测
4.3.3 全局优化
4.4 静态地图构建
4.4.1 点云地图连接
4.4.2 降采样与野值剔除
4.4.3 静态地图构建方法
4.5 系统实验验证
4.5.1 算法运行平台
4.5.2 SLAM算法实验评估
4.5.3 静态地图构建方法实验验证
4.5.4 时间效率测试
4.6 本章小结
第5章 总结与展望
5.1 论文总结
5.2 研究展望
参考文献
作者简介