移动机器人的SLAM与VSLAM方法PDF|Epub|txt|kindle电子书版本网盘下载

移动机器人的SLAM与VSLAM方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述1

1.1 从SLAM到VSLAM1

1.1.1 未知环境下的同时地图创建与自定位1

1.1.2 SLAM的基本状况3

1.1.3 VSLAM的基本状况4

1.2 SLAM与VSLAM的主要内容9

1.2.1 SLAM的主要内容与难点10

1.2.2 VSLAM的主要内容与难点11

1.3 近年SLAM与VSLAM研究的几个方向15

1.3.1 直接法与特征法融合问题15

1.3.2 SLAM中IMU辅助的特征匹配15

1.3.3 动态场景下SLAM的定位精度16

1.3.4 利用语意信息辅助SLAM定位16

1.3.5 长期SLAM问题16

1.3.6 多机器人SLAM问题16

第2章 经典SLAM方法的架构17

2.1 SLAM问题的描述17

2.1.1 SLAM问题的概率模型18

2.1.2 机器人系统模型20

2.1.3 SLAM算法的一致性24

2.2 EKF-SLAM算法24

2.2.1 扩展卡尔曼滤波算法25

2.2.2 EKF-SLAM算法和一致性27

2.3 FastSLAM算法30

2.3.1 粒子滤波算法30

2.3.2 Rao-Blackwellized粒子滤波算法33

2.3.3 FastSLAM算法和一致性35

2.4 实验结果与分析38

2.5 EKF-SLAM算法和FastSLAM算法存在的问题41

第3章 经典SLAM方法改进42

3.1 基于三轮驱动运动模型的EKF-SLAM算法42

3.1.1 两轮驱动移动机器人里程计圆弧模型42

3.1.2 两轮驱动移动机器人运动模型44

3.1.3 三轮驱动移动机器人里程计模型45

3.1.4 三轮驱动移动机器人运动模型47

3.1.5 实验结果与分析48

3.2 基于线段特征匹配的EKF-SLAM算法52

3.2.1 线段特征提取52

3.2.2 线段特征观测模型56

3.2.3 EKF-Line-SLAM算法57

3.2.4 线段特征提取实验60

3.2.5 EKF-Line-SLAM算法实验64

3.3 改进的UFastSLAM算法72

3.3.1 UFastSLAM算法72

3.3.2 改进的UFastSLAM算法77

3.3.3 实验结果与分析82

3.4 基于PSO优化的粒子滤波SLAM算法87

3.4.1 常规粒子滤波SLAM算法的不足87

3.4.2 改进的建议分布88

3.4.3 融合粒子群算法与粒子滤波的SLAM算法90

3.4.4 实验仿真与分析91

3.5 本章小结95

第4章 VSLAM基础96

4.1 立体相机模型96

4.1.1 针孔相机模型96

4.1.2 立体相机深度获取原理97

4.1.3 反投影模型98

4.1.4 Kinect深度误差模型98

4.2 相机位姿表示100

4.2.1 三维空间的刚体姿态描述100

4.2.2 李群、李代数101

4.2.3 相机位姿的表示方式103

4.2.4 对相机位姿变换的求导104

4.3 VSLAM的数学表述105

4.4 非线性优化107

4.5 视觉里程计109

4.5.1 2D-3D法110

4.5.2 3D-3D法112

4.6 闭环检测112

4.7 地图构建114

4.8 本章小结115

第5章 开源双目视觉SLAM框架及其实现116

5.1 数据基础117

5.1.1 MapPoint类117

5.1.2 Frame类117

5.2 Tracking类118

5.2.1 双目初始化118

5.2.2 跟踪参考关键帧119

5.2.3 跟踪上一帧123

5.2.4 重定位125

5.2.5 跟踪局部地图125

5.2.6 计算运动模型128

5.2.7 判断关键帧128

5.2.8 创建关键帧130

5.3 LocalMapping类131

5.3.1 处理新关键帧131

5.3.2 地图点筛选132

5.3.3 建立新地图点133

5.3.4 附近关键帧搜索匹配地图点139

5.3.5 局部BA141

5.3.6 关键帧筛选146

5.4 LoopClosing类148

5.4.1 闭环检测148

5.4.2 计算Sim3150

5.4.3 闭环优化154

5.5 本章小结158

第6章 VSLAM前端——视觉里程计159

6.1 基于改进视觉里程计和大回环模型的VSLAM帧间配准算法159

6.1.1 基于改进Color GICP算法的快速视觉里程计160

6.1.2 基于模型到模型配准的大回环局部优化模型162

6.1.3 实验及分析164

6.2 考虑多位姿估计约束的立体视觉里程计168

6.2.1 基于改进2D-2D位姿估计模型的位姿跟踪169

6.2.2 基于改进3D-2D位姿估计模型的位姿跟踪171

6.2.3 考虑多位姿估计约束的立体视觉里程计173

6.2.4 实验与分析176

6.3 动态场景下基于运动物体检测的立体视觉里程计182

6.3.1 基于场景流的运动物体检测183

6.3.2 基于运动物体检测的立体视觉里程计186

6.3.3 实验与分析187

6.4 本章小结191

第7章 VSLAM后端——闭环检测193

7.1 基于历史模型集的改进VSLAM闭环检测算法193

7.1.1 基于改进Frame-to-model配准的历史模型集构建194

7.1.2 基于历史模型集的改进闭环检测算法195

7.1.3 实验及分析199

7.2 基于空间位置不确定性约束的改进闭环检测算法206

7.2.1 基于特征点云帧间配准的视觉里程计不确定性模型206

7.2.2 基于空间位置不确定性约束的改进闭环检测算法210

7.2.3 实验与分析212

7.3 基于场景显著区域的闭环检测算法218

7.3.1 闭环概率模型219

7.3.2 显著区域选取与场景描述223

7.3.3 基于逆向索引的预匹配场景选取226

7.3.4 显著区域匹配概率的计算226

7.3.5 实验与分析228

7.4 本章小结234

第8章 VSLAM后端——鲁棒优化估计235

8.1 自适应的Graph SLAM鲁棒闭环算法235

8.1.1 常规Graph SLAM鲁棒闭环算法236

8.1.2 自适应的Graph SLAM鲁棒闭环算法238

8.1.3 实验仿真与分析239

8.2 增量式的Graph SLAM鲁棒闭环算法244

8.2.1 增量式Graph SLAM算法245

8.2.2 增量式Graph SLAM鲁棒闭环算法246

8.2.3 实验仿真与分析248

8.3 基于非线性0-1规划的鲁棒图优化智能算法加速策略251

8.3.1 鲁棒图优化模型251

8.3.2 改进的Markov邻域及智能算法加速方法252

8.3.3 实验与分析258

8.4 本章小结263

第9章 VSLAM地图创建264

9.1 基于完整可见性模型的改进鲁棒Octomap地图构建264

9.1.1 鲁棒Octomap可见性模型分析264

9.1.2 完整可见性模型266

9.1.3 基于完整可见性模型的改进鲁棒Octomap269

9.1.4 实验及分析270

9.2 动态场景下基于平面投影的导航地图构建方法272

9.2.1 动态场景下三维点云的生成273

9.2.2 地面平面方程的求解275

9.2.3 二维导航地图构建277

9.2.4 实验与分析278

9.3 本章小结281

参考文献282