全文总字数：5209字
1. 研究目的与意义（文献综述）
近年来，随着信息技术、计算机技术的日益发展和人工智能热潮的到来，计算机视觉和机器学习成为了相关研究人员的热门研究课题，其中最具代表性的就是机器人了。而机器人下放之初常常是处于一个未知环境中的，因此在未知环境下实现自主作业是机器人技术的一个重要研究领域。即时定位与地图构建（simultaneous localization and mapping,SLAM）就是机器人在未知环境下实现自主作业的核心关键技术之一，SLAM问题可以描述为：机器人在未知环境中从一个未知环境开始移动，在移动的过程中根据位置估计和地图进行自身定位，同时在自身定位的基础上建造地图，实现机器人的自主定位与导航。所以SLAM是机器人、无人机、无人驾驶、VR/AR等领域的关键技术之一。
SLAM问题最先是由SmithSelf和Cheeseman在1987年提出的，被认为是实现移动机器人真正自主的关键所在，发展至今SLAM已经走过了30多年的历史，在许多的方面取得了十分重要的进步和突破。目前SLAM的实现方法有很多种，按传感器的类别主要分为激光SLAM和视觉SLAM（VSLAM），其中视觉SLAM是比较重要的一部分。近十几年以来，基于视觉的SLAM算法是研究者们的一个热门问题，并且得到了较为迅速的发展。从2007年Georg Klein和David Murray提出的PTAM（该算法是视觉SLAM发展中的一个重要的里程牌）到2008年Mark Cummins和PaulNewman提出的基于显著性的FAB-MAP（FastAppearances-Based Mapping）算法；再到2014年Christian Forster等人提出的SVO（Fast Semi-Direct Monocular Odometry,SVO）算法以及JakobEngel等人提出的LSD-SLAM（Large-Scale DirectMonocular SLAM，LSD-SLAM）算法；在随后的2015年中又由Raul Mur-Artal等人提出了ORB-SLAM算法，该算法是目前已知的最优秀的基于特征的单目视觉SLAM算法；紧接着在2016年时由JakobEngel等人又提出了DSO（Direct SparseOdometry,DSO）算法，视觉SLAM得到了进一步的发展。从以上的SLAM的发展和研究历程来看，视觉SLAM在最近十几年中得到了较为迅速的研究和发展，并且取得了一些成果。
2. 研究的基本内容与方案
本毕业设计的基本内容是学习并运用Android平台和同步定位与地图构建（SLAM）技术的相关知识，研究并分析LSD-SLAM（大规模直接发单目SLAM）算法理论，在Android平台上设计并实现一款基于LSD-SLAM的实时单目SLAM系统APP。该设计需要完成的主要目标有：（1）LSD-SLAM算法在AndroidAPP中的实现与集成；（2）该APP系统能在主流智能手机上良好的实时运行；（3）该APP系统应具有良好的用户操作界面。
LSD-SLAM算法是一种直接（无特征）单目SLAM算法，近年来该算法在PC端和智能手机端均有实现。而未来SLAM的一大发展方向就是向着小型化、轻量级方向发展，让SALM能够在嵌入式或智能手机等小型设备上良好的运行，SLAM技术的小型化和轻量化有着较强的需求。因此在此种趋势的带动下，本设计主要是完成LSD-SLAM算法在Android手机上的集成和实现。当然在实现的过程中可能会存在一些手机端难以解决的问题，如：手机处理速度、人体移动速度、手机移动方向等。为更好地完成设计目标，设计拟采用的技术方案如下：
（1）Android开发平台搭建和NDK环境配置：包括Android Studio开发软件的安装和JDK、Android SDK开发工具包的引入以及NDK（Native Development Kit）环境配置（NDK也是Android的一个开发工具包，是利用JNI为桥梁，将Java代码和Native端的C 或C代码进行融合的方式。之所以要用到NDK是因为LSD-SLAM算法在Android上的集成中会用到图形优化库G2O等三方依赖库），为LSD-SLAM算法在Android上的集成做好前期的开发环境准备。
3. 研究计划与安排
第1-4周：查阅相关中、英文文献资料，明确研究内容。确定设计方案，完成开题报告；
第5-6周：完成论文开题工作，完成不少于2万字符的英文翻译任务。
第7-10周：完成整套APP系统的设计与调试，并撰写部分论文初稿；
4. 参考文献（12篇以上）
[1]Jakob Engel, Thomas Schps, and Daniel Cremers.LSD-SLAM: Large-scale direct monocular SLAM[C]. In Proc. of European Conferenceon Computer Vision（ECCV）, pp. 834-849. Springer, Cham, 2014.https://link.springer.com/chapter/10.1007/978-3-319-10605-2_54
[2]Engel J, Koltun V, Cremers D. Direct sparse odometry[J]. IEEE transactions on pattern analysis and machine intelligence. 2018 Mar1;40(3):611-25.
[3]Yang, Nan, Rui Wang, Jrg Stückler, and Daniel Cremers. Deep virtual stereoodometry: Leveraging deep depth prediction for monocular direct sparse odometry[C].In Proc. of European Conference on Computer Vision, pp. 835-852. Springer,Cham, 2018.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
