第1章 概述 1
1.1 从SLAM到VSLAM 1
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BA 141
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Sim3 150
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Octomap 269
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