声明
第 1 章 绪论
1.1 论文研究背景及意义
1.2 国内外研究现状
1.2.1 基于图像的位置识别
1.2.2 基于点云的位置识别
1.3 本文的研究内容及结构安排
第 2 章 位置识别理论基础及相关技术
2.1 SLAM 系统内容概述
2.2 位置识别相关原理
2.2.1 机器人的位置概念
2.2.1 位置识别的主要模块
2.3 深度学习基本理论技术
2.3.1 深度学习相关概念
2.3.2 卷积神经网络基本原理
2.4 Oxford RobotCar 数据集
第 3 章 基于图像非局部特征改进的位置识别算法
3.1 总体方案
3.2 基于非局部操作改进的特征提取网络
3.2.1 非局部特征提取
3.2.2 相似性度量学习
3.3 基于图像序列的位置识别
3.3.1 基于非局部特征的词袋模型构建
3.3.2 差异性矩阵与序列搜索
3.4 实验验证
3.4.1 实验环境与评价指标
3.4.2 测试数据集
3.4.3 实验结果与分析
3.5 本章小结
第 4 章 基于点云特征融合改进的位置识别算法
4.1 总体方案
4.2 三维视觉数据处理
4.2.1 基于手工设计的点云特征
4.2.2 基于深度学习的点云特征
4.3 基于点云端到端的位置识别网络模型
4.3.1 基于 PointNet 改进的特征提取网络
4.3.2 基于 NetVLAD 的点云描述子
4.3.3 基于端到端的相似性度量学习
4.4 实验验证
4.4.1 实验环境与评价指标
4.4.2 训练数据集与测试数据集
4.4.3 实验结果与分析
4.5 本章小结
第 5 章 基于图像与点云的分层位置识别方法
5.1 总体方案
5.2 二维图像与三维点云的数据对齐
5.3 基于多帧图像检索与点云匹配的分层位置识别方法
5.4 实验验证
5.5 本章小结
总结与展望
参考文献
附录 A 攻读学位期间发表的学术论文
致谢
湖南大学;