基于嵌入式并行处理的视觉惯导SLAM算法研究-AGV吧

摘要

图 1-2 SLAM 在各领域的应用

Abstract

第1章绪论

1.1 课题来源
1.2 课题研究的背景和意义
1.3 国内外研究现状及分析
1.3.1 基于视觉SLAM研究现状
1.3.2 SLAM优化框架研究现状
1.3.3 视觉惯导融合及建图研究现状
1.3.4 研究现状总结分析
1.4 主要研究内容

第2章基于视觉、IMU的移动机器人环境感知方法

2.1 引言
2.2 基于嵌入式运算的环境感知系统
2.3 基于单目视觉的环境感知方法
2.3.1 单目视觉特征识别、匹配
2.3.2 基于ROS的视觉参数标定实验
2.3.3 相邻帧移动机器人位姿获取
2.4 基于惯性测量单元的环境感知方法
2.4.1 IMU标定与校正
2.4.2 基于预积分的IMU积分方法
2.4.3 陀螺仪和加速度计时间戳对齐
2.5 本章小结

第3章融合视觉、IMU位姿估计研究

3.1 引言
3.2 多传感器数据预处理和初始化
3.3 基于紧耦合的多传感器融合
3.4 机器人重定位和回环检测
3.4.1 回环描述子
3.4.2 功能检索
3.4.3 重定位
3.4.4 更新姿态图
3.4.5 4-DoF姿态图优化
3.4.6 数据管理
3.5 实验验证
3.6 本章小结

第4章基于嵌入式GPU并行处理三维重建研究

4.1 引言
4.2 特征点云的深度获取技术
4.2.1 深度估计优化方法
4.2.2 关键帧选择标准
4.2.3 GPU并行代价块运算
4.2.4 半全局优化
4.2.5 深度图像的后处理
4.3 全局稠密建图
4.3.1 TSDF算法
4.3.2 不确定深度融合
4.3.3 并行化
4.3.4 地图渲染可视化
4.4 本章小结

第5章 VI-SLAM视觉惯导融合实验系统研究

5.1 引言
5.2 软件、硬件系统搭建及验证
5.2.1 硬件系统组成
5.2.2 软件系统设计
5.2.3 嵌入式运算性能验证
5.3 机器人位姿估计系统实验
5.3.1 性能评价指标
5.3.2 算法对比实验
5.3.3 VI-SLAM多种环境定位实验
5.4 单目视觉深度恢复系统实验
5.4.1 性能评价指标
5.4.2 数据集深度恢复实验
5.4.3 传感器数据深度恢复实验
5.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢