Free Essay

图优化的同时定位与地图创建综述

In: Science

Submitted By ptrvoid
Words 6070
Pages 25
第 35 卷第 4 期
2013 年 7 月

机器人

ROBOT

Vol.35, No.4
Jul., 2013

DOI:10.3724/SP.J.1218.2013.00500

基于图优化的同时定位与地图创建综述
梁明杰 1 ,闵华清 2 ,罗荣华 1
(1. 华南理工大学计算机科学与工程学院,
广东 广州

510006; 2. 华南理工大学软件学院,
广东 广州 510006)

摘 要:
基于图优化的同时定位与地图创建(SLAM)是当前机器人领域的研究热点.从帧间配准、
环形闭合检
测以及优化技术 3 个主要方面对基于图优化的同时定位与地图创建进行综述.对每一个方面,阐述其关键技术,介
绍最新研究进展,
并探讨相关难点问题及解决思路.最后,
对基于图优化的同时定位与地图创建的发展作出展望.
关键词:同时定位与地图创建;配准;
环形闭合检测;
图优化
中图分类号:TP24
文献标识码:A
文章编号:1002-0446(2013)-04-0500-13

Graph-based SLAM: A Survey
LIANG Mingjie 1 ,MIN Huaqing 2 ,LUO Ronghua 1
(1. School of Computer Science and Engineering, South China University of Technology, Guangzhou 510006, China;
2. School of Software Engineering, South China University of Technology, Guangzhou 510006, China)

Abstract: Graph-based simultaneous localization and mapping (SLAM) is currently a hot research topic in the field of robotics. Frame-to-frame alignment, loop closure detection and graph optimization are three main aspects in graph-based
SLAM. For each aspect, the key techniques and current progress are discussed, and the difficult problems and the possible solutions are also analyzed. Finally, the potential future issues and research trends are explored.
Keywords: simultaneous localization and mapping; registration; loop closure detection; graph optimization

1 引言(Introduction)
未知环境中,机器人的自主地图创建与自定位
密切相关,
相互依赖.
同时定位与地图创建
(SLAM)
将二者相结合,
其主要思想是:
一方面,
依靠已创建
的地图信息进行自定位;另一方面,根据定位结果
对地图进行更新.SLAM 已成为近年来机器人领域
的热点研究问题,并被认为是实现真正自主机器人
的核心环节 [1] .SLAM 本质上是一个状态估计问题.
当前,其求解方法可大致分为两大类,一类是基于
滤波器的方法,
另一类则是基于平滑的方法.
基于滤波器的方法主要是利用递归贝叶斯估计
原理,
在假定从 0 到 t 时刻的观测信息以及控制信息
已知的条件下,
对系统状态
(包括机器人当前位姿以
及所有地图特征位置)的后验概率进行估计.根据
后验概率表示方式的不同,存在多种基于滤波器的
方法.常用的包括扩展卡尔曼滤波(EKF)方法 [2] 、
扩展信息滤波
(EIF)
方法 [3] 、
以及粒子滤波
(PF)

[4]
法 等.为强调其增量式特性,基于滤波的 SLAM
方法通常也被称为在线 SLAM(on-line SLAM)
.对

该类方法,研究者们已做过系统的分析和总结 [1,5] ,
在此本文不再累赘.值得注意的是,基于滤波器的
方法存在线性化及更新效率等问题,这使得它难以
应用于大规模环境的地图创建 [6-7] .
与滤波方法中每一步只考虑机器人当前位姿
不同,基于平滑的方法通过所有的观测信息估计
机器人完整的运动轨迹及地图,因而也被称为完全
SLAM 方法(full SLAM)
.由于地图特征可以通过
边缘化方法转化为位姿间的约束,从而简化为对位
姿序列的估计 [8] .这类方法可以用图的方式作直观
描述,所得的图被称作位姿图(pose graph)
.图中
的节点对应机器人在不同时刻的位置和姿态,而边
则描述了位姿与位姿间的空间约束关系.这种约束
可以通过里程计或观测信息的配准得到(后文将作
进一步阐述)
.在图构造好后,对图中节点所处的位

(在姿态空间中)
进行优化,
使其最好地满足边所
表示的约束关系,优化的结果即对应机器人的运动
轨迹.由于平滑方法的这种直观特性,又常被称为
基于图优化的方法.过去,基于图优化的方法被认

基金项目:
国家自然科学基金资助项目(61005061) 广东省自然科学基金资助项目(9251064101000010) 中央高校基本科研业务费资助项目


(2012ZZ0067) 广东省科技攻关项目(2010B050400006)


通讯作者:
闵华清, hqmin@scut.edu.cn 收稿/
录用/
修回:2012-11-10/2012-12-26/2013-05-28

第 35 卷第 4 期

梁明杰,
等:
基于图优化的同时定位与地图创建综述

为太耗费时间,无法满足 SLAM 的实时性要求,但
随着高效求解方法的出现,基于图优化的方法重新
得到重视.在经历一个复兴后,其成为当前 SLAM
研究的一个热点 [9-16] .
尽管 SLAM 问题已经获得相当深入的研究,不
少学者也对该研究作过详细的综述,但这些年对
该问题的研究又有了新进展,如运动从 3DOF 到
6DOF[17-18] ,地图从 2D 到 3D[19] ,环境有从室内逐
步转向室外的趋势,地图规模不断扩大 [20] ,更兴
起了对终生地图创建(lifelong mapping)的研究 [21] .
另外,近年来在传感器使用方面也有新变化,新型
RGB-D 摄像机 [22] 的出现,为具有丰富 3 维空间信
息与颜色纹理信息的地图创建提供了新的可能.采
用 RGB-D 摄像机对环境进行 3 维重构迅速发展成
为研究的热点 [23-27] .在最新研究中,相当一部分都
采用了基于图优化的 SLAM 技术.而受当时研究方
法所限,已有的关于 SLAM 的综述性文章往往只重
点关注了基于滤波器的方法 [1,5] ,
对基于图优化的方
法则缺少分析和总结.鉴于此,本文拟从帧间配准、
环形闭合检测以及图优化技术 3 方面出发,对基于
图优化的 SLAM 技术进行综述.

2 基于图优化的 SLAM 框架(Framework for graph-based SLAM)
基于图优化的 SLAM 方法
(graph-based SLAM)
[28]
由 Lu 与 Milios 首先提出.
文中以基于激光传感器
的平面地图创建为例,阐述了基于图优化的 SLAM
技术的基本思想,即通过保留所有的观测数据帧以
及帧间的空间约束关系,
并将约束看作是随机观测,
然后采用最大似然方法估计机器人的位姿.这种思
想可以通过图的方式形象地表现出来.用图节点表
示待求解的机器人位姿,用节点间的边来描述位姿
间的空间约束关系,则对位姿序列的估计可以转化
为图的优化问题,即通过调整图中节点的位置使其
最好地满足边的约束关系.Gutmann 和 Konolige [29]
在 Lu 与 Milios 的基础上提出了高效的环形闭合检
测及图构建方法,从而形成了基于图优化的增量式
SLAM 算法框架,其主要包括顺序配准、环形闭合
检测以及图优化 3 大部分.它们之间的关系可以通
过图 1 来表示.
顺序配准主要考虑连续数据帧间的匹配及相对
姿态估计问题,而环形闭合检测则主要根据观测数
据判断机器人是否处在之前已访问区域.这两部分
都与观测数据密切相关.从数据处理的观点来看, a 501

两者都是要解决数据关联问题,前者考虑局部数据
关系,而后者则处理全局数据关系.从基于图的表
示上看,顺序配准与环形闭合检测都是根据观测信
息建立图节点间的约束,即完成图的构建.两者一
起被称为 SLAM 前端(SLAM front-end)


图 1 基于图优化的 SLAM 框架
Fig.1 Framework for graph-based SLAM

由于观测噪声以及配准误差的存在,通过观测
信息配准得到的位姿图往往不具备一致性.相反,
图中的边与边之间常常存在“冲突”.举例来说,
若用 T i 来表示数据帧间的相对变换矩阵而且 T 0 ,
T 1 , · · · , T n 构成一个闭环的话,从理论上讲,必然存
在 T 0 T 1 · · · T n = I , 其中 I 为单位矩阵.但通过观测
信息配准得到的相对变换矩阵通常不满足该理论
约束.在基于图的形式化表示中,机器人的位姿被
看作是随机变量,位姿间的约束则是与随机变量相
关的观测,那么图优化结果则对应于位姿的最大似
然估计(详见第 5 节)
.与顺序配准及环形闭合检
测不同,图优化部分一般不直接处理观测数据,而
只是对 SLAM 前端构造的图进行优化.因而,图优
化通常又被称为 SLAM 后端(SLAM back-end)
,与
SLAM 前端相区分.

3

帧间配准(Frame-to-frame alignment)

帧间配准是指根据观测的两帧数据,建立数据
间的对应关系并求解帧间的相对变换,从而可以将
原不同坐标系下的观测数据放置在同一坐标系中.
由于两帧数据分别表示在对应的传感器坐标系下,
所求的相对变换即为传感器的相对位姿.进行帧间
配准时,
用于校准的帧通常被称为模型帧或参考帧,
被校准的帧通常被称为场景帧.
机器人自运动信息的估计是机器人自定位和
地图创建的基础.通常,自运动信息可以通过编码
器(encoder)
、惯量传感器(IMU)或者全球定位系
统(GPS)来获得.但在缺少这些设备或其不可用的
情况下(如 GPS 不能用于室内、水下及太空环境)

连续帧间的相对运动也可以通过观测信息的配准得
到.与轮子里程计(wheel odometry)a 相比,基于

一般又直接称为里程计,
这里加以强调是为了与下文中的视觉里程计(visual odometry)相区分.



502

帧间配准的方法具有不受地形及运动方式影响的优
点,而且往往可以具有更高的估计精度 [30] .另外,
轮子里程计通常只能完成 3 自由度的运动估计,但
帧间配准的方法可以方便地扩展到 6 自由度(需要
观测数据的支持)
.因而,帧间配准方法不仅用于室
内平坦地面环境中工作的机器人,还被广泛用在野
外移动机器人 [31-32] 、
水下机器人 [33] 、
自主飞行器 [34]
甚至火星探测器 [35] 当中.值得注意的是,
帧间配准
除了可以作连续运动估计外,还可以用于计算空间
上相邻而时间上不连续的两帧数据间的相对变换,
也即构造环形闭合约束.这是能够对不断行进中机
器人运动累积误差进行矫正的前提条件,对同时定
位与地图创建具有重要意义.下面将分别对空间点
配准及图像配准相关技术进行介绍分析.
3.1 空间点配准
迭代最近点(iterative closest point,ICP)[36-38]
是空间点配准的经典方法.这里的空间点包括 2 维
或 3 维欧氏空间中的点集,例如这些点可以是通过
2 维或 3 维激光传感器获得,它们表示在以传感器
为原点建立起的坐标系中.
p 1
假设模型数据集与场景数据集分别用 {p i }M 与
N
q
{q j }1 来表示,数据间的相对变换用齐次变换矩阵
T 来表示.标准的迭代最近点方法通过迭代执行以
下两个步骤对点集进行配准:
(1) 对应关系建立
即通过最近邻
(nearest neighbor,
NN)
原则建立
场景数据集与模型数据集之间的对应关系.对应关
系可以用映射 η ( j) 来表示,
其形式化描述如下:

ηk ( j) = argmin T k−1 · q j − p i

j = 1, 2, · · · , N (1)

i∈{1,··· ,M}

其中, · 表示空间点的距离,k 为迭代次数.当 k = 1,
即第 1 次迭代时,
假定 T 0 已知.求解最近邻
的一般方法是逐一比较,由于需要求解 N 个数据的
最近邻,其时间复杂度为 O(NM).K-D 树通过树型
结构来描述空间点的分布,可被用来加速最近邻点
的查找 [38] .
(2) 相对变换求解
即根据上一步中建立的对应关系,通过改变变
换矩阵以使得对应点间的距离的平方和最小.可形
式化描述为
N

T k = argmin ∑ T · q j − p ηk ( j)
T

2

(2)

j=1

其中 T k 为本次迭代中要求解的变换矩阵.
这一步实
际上是要解决已知对应关系情况下相对变换的求解
问题,
其中较为常用的是基于 SVD 分解的求法 [39] .





2013 年 7 月

Eggert 等对这一问题的 4 种解析求法作了比较 [40] .
另外,式 (2) 中使用的点到点间的距离也并非衡量
当前配准好坏程度的唯一准则.如,Yang 等 [37] 采
用点到面(point-to-plane)的距离减少迭代的次数,
加快了收敛速度;
Segal 等 [41] 提出面到面(plane-toplane)距离的解决方案,提高了配准的精度及鲁棒
性,
代表当前发展的高水准.
由于迭代最近点使用的是由最近邻原则建立
起的近似对应关系,其需要依靠迭代的方式进行
渐进的修正.在迭代的过程中,对应关系 η 以及相
对变换 T 都会被不断地更新,而且两者相互影响.
可以证明,经过若干次迭代后,迭代序列 (η1 , T 1 ),
(η2 , T 2 ), · · · , (ηn , T n ) 将收敛到局部最优.因而可以
选取收敛后的结果作为问题最终解, T ∗ = T n .

迭代最近点方法一个公认的缺点是对初始值有
较大的依赖性.当场景数据集与模型数据集之间相
差较远(存在较大的平移或旋转)
,并且不能提供有
T 0 = I)
效初始值
(这时候会选择设定
时,
上述方法
往往会陷入到非全局最优的局部区域中,并最终导
致错误的收敛结果.因而,迭代最近点通常用于场
景与模型相差不大或可以提供较为可靠初始值的环
境中,主要担当配准细化的任务 [42] .迭代最近点还
有很多细致的研究,包括 Turk 等 [43] 通过均匀采样
进行控制点选取以减少计算量,
Zhang 等 [38] 采用设
定阈值的方法对错误匹配进行剔除,
Godin 等 [44] 根
据点间距离为对应点赋予不同的权重以平衡对应点
的重要性,Fitzgibbon 等 [45] 直接采用非线性优化方
法对问题进行求解,并通过实验验证其与基于解析
求解的方法具有相当甚至更好的效果等.文 [42,46]
对 ICP 进行了较为全面的综述.
3.2 图像配准
图像配准是根据拍摄的图像信息对摄像机的运
动状态进行估计,这一技术在计算机视觉领域又常
被称为视觉里程计(visual odometry,VO)[31,47] .基
于特征的图像配准过程一般包括特征检测、特征匹
配以及运动估计 3 个步骤,
下面将分别进行介绍.
3.2.1 特征检测
特征检测是视觉里程计最为基础但又至关重要
的一个步骤,因为所有的后续处理都建立在所提取
特征的基础上.对图像进行特征提取,应着重考虑
特征的 5 大特性,
即重现性、
准确性、
显著性、
鲁棒
性以及高效性.
一般而言,
以上特性的性能越高,

图像的配准越有利.但有些特性在一定程度上可能
存在冲突,如特征的显著性好,其鲁棒性可能就稍
差,反之亦然.SIFT[48] 具有较好的重现性、准确性

第 35 卷第 4 期

梁明杰,
等:
基于图优化的同时定位与地图创建综述

及鲁棒性,已成功应用于物体识别、目标跟踪、场
景分类以及视觉里程计等计算机视觉领域,被验证
具有非常好的实验效果.SURF[49] 在 SIFT 基础上采
用格子滤波来近似高斯滤波,大大地提高了计算效
率,
但在鲁棒性上比 SIFT 稍差.
CenSurE [50] 是专门
为图像配准设计的特征,在重现性、准确性以及鲁
棒性上与 SIFT 性能相当,
但计算效率却远远高于后
者,
因而更能满足视觉里程计实时性的需要.
3.2.2 特征匹配
特征匹配是要找出图像特征之间的对应关系.
有两种不同的思路:一是只对一帧图像进行特征提
取,
并依靠跟踪技术在另一帧图像中找到其对应点,
这通常只需要在检测特征周围进行局部的检索 [51] ;
二是分别对两帧图像进行特征检测,然后依据特征
的相似性建立起对应关系.我们将其分别称为特征
跟踪与特征识别.前者只作局部搜索,具有速度快、
稳定性好等特点(较少出现匹配不一致的情况)
,其
存在的缺陷是只能用于两帧图像变化相对较小的
情况;后者对每个特征作全局的查找,对帧间变化
较大的情况具有较好的适应性,但效率较低,而且
匹配不一致的情况时有发生,可以通过距离比测试
(distance ratio test)[48] 只选择没有歧义的匹配,或
者利用几何约束关系剔除错误的匹配 [52] .
3.2.3 运动估计
特征的位置信息可以直接使用图像坐标来表
示,也可以通过其它方式获取特征在 3 维空间中的
坐标b ,将其描述在 3 维物理空间中.受特征描述方
式的影响,匹配关系有 3 种不同的表示方式,分别
为 2D 到 2D、 到 3D 以及 3D 到 2D.
3D
(1) 2D 到 2D 在 2D 到 2D 的匹配关系描述中,
特征的位置用图像坐标来表示.经校准的两帧图像
Ik−1 与 Ik 间的几何关系可以通过本质矩阵(essential matrix)来描述.借助于极线约束,本质矩阵可以从 2D 到 2D 的对应关系中求得.理论证明,求解本质
矩阵的对应关系的数目至少为 5 组.Nister 等 [53] 提
出的 5 点法是求解该问题的经典方法.
(2) 3D 到 3D 当特征及其对应关系直接描述
在 3 维空间中时,变换关系的求解与空间点配准方
法相似.不同点在于通过特征匹配建立的对应关系
是确定的,因而不需要进行迭代修正.评价的标准
依然是匹配点间距离的平方和,
具体可以参考式 (2)
以及 3.1 节相关内容.
(3) 3D 到 2D 3D 到 2D 的匹配表示描述 3 维
特征及其在图像上投影之间的对应关系.与 3D 到 b 503

3D 中直接优化空间点间的距离不同,3D 到 2D 通
常采用最小化重投影误差(re-projection error)的方
法来计算帧间的相对变换.为了表示方便,不妨假
q
定已建立好对应关系 {(q i , u i )},其中 q i 表示特征点 u 在 3 维空间中的位置,u i 表示其在图像上投影的坐
标,
则变换矩阵求解如下: q T ∗ = argmin ∑ f (q i ; T ) − u i
T

2

(3)

i

其 中, f 是 投 影 函 数. 这 就 是 n 点 透 视 问 题
(perspective-n-point,PnP)[54] .这一问题已经被相
当广泛地研究,并存在很多不同的解法.3 组对应
关系是求解该问题的最小规模(称为 P3P[55])
,其在
求解问题中具有重要价值,
如可以结合 RANSAC[52]
剔除错误匹配.Nister[47] 通过实验证明,采用 3D 到
2D 匹配关系并通过最小化重投影误差的方法所取
得的效果要比采用 3D 到 3D 匹配关系并直接最小
化空间距离的方法得到的效果更好.

4

环形闭合检测(Loop closure detection)

在 SLAM 中,环形闭合检测是指根据传感器信
息判断机器人当前是否处在之前已经访问过的某个
区域,或者说,机器人当前所处的位置在创建的地
图中是否已有相应的描述.环形闭合检测的重要性
体现在,
正确的闭环信息可以用于修正里程计误差,
从而得到信息一致的地图(见图 2)
;而错误的闭环
信息不仅会对后续图优化处理造成干扰,甚至可能
完全毁坏已有的地图创建结果.本节先分析造成环
形闭合问题难解的主要原因,在此基础上有针对性
地对环形闭合检测相关技术进行阐述与分析.

(a) 累积误差导致地图欠缺一致性 (b) 利用闭环约束优化后
的结果图 2 环形闭合检测及地图创建结果 [56]
Fig.2 Loop closure detection and the map built[56]

4.1 存在的问题
环形闭合检测是未知环境地图创建中的一个难
点问题.其之所以困难,
主要体现在 3 个方面:
(1) 感知歧义 即相似的观测不一定来自相同
的场景,从而引起错误的环形闭合判断.一方面传

单目及双目摄像机可以通过三角化的方法获得, RGB-D 传感器则可以根据深度图像通过简单的等比原理获得.


504



感器只能获得环境的部分信息,观测数据可分辨性
有限;另一方面,无论是在室内还是在室外环境中,
都有大量相似的事物存在,
如相似的桌子、
椅子、

[57]
壁、
树木、
建筑等,
加剧了判断的难度 .
(2) 数据规模大 在进行环形闭合检测时,
需要
将当前的观测数据与之前已有的观测数据作比较,
以计算它们之间的相似性或对它们出自同一地点的
概率进行估计.要处理的数据随运行时间或访问过
的地点的增加而不断增长,要求能处理的规模达成
千上万帧 [58-59] .
(3) 评价要求高 环形闭合检测的作用是可以
增加新的约束,从而减少甚至是消除增量式估计中
引起的累积误差.但错误的环形闭合不仅会对结果
的精度产生影响甚至可能导致优化时无法收敛或收
敛到错误的结果 [15] .可见,判断的准确性对环形闭
合检测极其关键.常用于评价环形闭合检测性能的
一个指标是准确率 – 召回率曲线.准确率描述了正
确检测出来的闭环占总检测闭环的百分比,召回率
则描述了正确检测出来的闭环占所有真实闭环的百
分比.准确率要非常高,要求接近 100%,同时召回
率也不能太低,否则无法通过闭环信息对运动轨迹
进行有效的纠正.
4.2 环形闭合检测技术
环形闭合检测以其重要性及挑战性吸引了广大
学者参与其研究.在众多的环形闭合检测技术中,
以基于视觉信息的环形闭合检测最为成功,其已经
广泛应用在各式 SLAM 系统中.基于以上原因,本
节的介绍以基于视觉的环形闭合检测为主.下面分
场景表示、假设产生以及假设验证 3 个方面对环形
闭合检测的相关技术进行阐述.
4.2.1 场景表示
(1) 基于特征的表示
场景表示最为直接且简单的方法是利用从传
感器数据上提取的特征进行描述,每一帧数据上的
特征构成一个场景.特征可分为全局特征与局部特
征.如,S¨ nderhauf 等 [60] 提出计算图像的 BRIEFu
Gist 描述子作为场景的描述,Liu 等 [61] 采用图像的
Gabor-Gist 描述子,
并通过 PCA(主元分析)降维以
提高计算效率及节省存储空间.Newman 等 [56] 先通
过信息熵检测图像中的显著区域并提取位于区域内
的稳定特征(如 MSER[62]) 然后利用提取的特征来

[58]
构建场景数据库.Zhang 则利用不同尺度下特征
匹配重现性的差异对特征进行选择,提高了场景的
可分辨性.相似地,Steder[63] 也采用局部特征的表
示方法,并将所有的特征视为高维空间中的点,通





2013 年 7 月

过 K-D 树组织在一起,
从而提高了查询效率.
与全局特征相比,局部特征对部分可见、遮挡
情况下的辨识具有更好的适应性和鲁棒性,因而也
更有利于减少感知歧义,增强判断的可靠性,但缺
点是其通常需要存储并处理更多的数据.
(2) 基于词袋的表示
词袋表示的主要思想是将从图像中提取的局部
特征进行聚类(如通过 K 均值聚类方法 [64]), 将连
续变化的特征转变为离散化的“词” 然后采用词的

统计直方图对场景进行描述 [65] .这实际上是借鉴了
文本信息检索中的词袋(bag of word,BoW)[66] 的
思想,在计算机视觉领域又常被称为视觉词袋(bag
of visual word)
方法.
离散化的好处是不仅能归类相
似的特征及压缩存储空间,而且可以通过倒排技术
快速检索到包含指定特征词的场景,从而避免逐帧
比较.Nister 等 [67] 在词袋思想基础上提出基于树型
结构的存储和管理方式,从而大大地提升了检索效
率.Schindler 等 [68] 分析了词典构造中特征的选取
问题,并利用信息增益对特征进行评估,只挑选区
分性好的特征进行词典构造,从而使方法的性能和
扩展性显著提高.
Cummins 等 [57,59] 考虑词与词的相
互关系,
并采用 Chow-Liu 树来近似描述它们间的相
关性,
通过利用上下文信息来减少感知歧义.
Angeli
[69]

则探讨了增量式词典构造的相关问题.
Zhang[58] 通过实验证实,离散化会降低特征的
可分辨性,从而可能引起感知歧义.但基于词袋的
表示已成功应用于不同场合下的环形闭合检测,取
得了非常好的实验效果.尤其是 Cummins 等提出的
FAB-Map[57,59] ,代表了视觉环形闭合检测当前发展
的高水准.
(3) 基于场景地图的表示
对创建度量地图
(metric map) SLAM 方法而

言,通过以上方法进行环形闭合检测均需要额外的
存储空间,
如保存特征、
词袋以及词典等.
另外一种
思路是直接利用创建的度量地图,这样可以减少不
必要的存储开销.
Williams 等 [70] 提出通过建立当前
帧特征与地图特征之间的对应关系来求解摄像机可
能的位姿,也即利用重定位(relocalization)来进行
环形闭合检测.
另外,
为了充分利用上下文信息,

可以通过构建子地图,然后采用地图与地图相匹配
的方法作检测 [71] ,
这种方法尤其适用于通过子地图
来构建全局地图的 SLAM 技术.
4.2.2 假设产生
环形闭合假设产生是要从规模庞大的场景中快
速地找出若干环形闭合的候选.根据该过程中是否

第 35 卷第 4 期

梁明杰,
等:
基于图优化的同时定位与地图创建综述

依赖位姿及其不确定性的估计,可分为基于空间位
置与基于外观相似的两种计算方法.
(1) 基于空间位置的方法
环形闭合是指机器人再次回到之前已经访问
过的区域,因而判断给定的两个位姿是否处在同一
场景的最为直观的方式就是计算位姿间的距离.倘
若距离值足够小,则可能构成环形闭合.但由于累
积误差的存在,在经过长时间运动后,即使机器人
真实处在相同的位置,估计的位姿间也会存在较大
的偏差.若能考虑运动过程中的不确定性,则可以
得到一个合理的解决方案.Bosse 等 [72] 提出通过
Dijkstra 最短路径算法来计算位姿间的最小不确定
性路径.在此基础上,Olson 考虑了传感器测量范
围,并通过位姿间的马氏距离判断观测信息存在重
合的可能性 [73] .
这类方法的局限性在于,当实际误差大于估计
误差时,
正确的环形闭合信息将会被忽略掉 [74] .
如,
判定环形闭合假设的一个常用准则是落入估计值的
3 倍标准差之内,
若超出此范围则直接被忽略.
(2) 基于外观相似的方法
Newman 等 [56] 认为,要保证环形闭合检测的
鲁棒性,就不能过分依赖地图创建过程中的同源信
息(如机器人的姿态信息)
,并提出利用视觉显著
特征来判断环形闭合假设的方法.通过观测信息来
判定环形闭合即是要估计观测信息来自同一场景的
可能性.针对不同的表示,所使用评价标准会有所
不同.如对采用二进制的特征描述,S¨ nderhauf [60] u 等直接计算特征间的海明距离来衡量观测的相似
性;对基于词袋的表示,常采用的是先进行 TF-IDF
(词频 – 逆向文件频率)权重计算再进行余弦相似
度求解的方法 [65] ;在考虑词间相互关系的情况下,
Cummins 等 [57] 为每一个地点建立概率观测模型,
并利用贝叶斯框架计算不同的观测来自同一地点的
概率.
在获得相似性度量后,可通过设定阈值来选取
符合条件的环形闭合假设,但更为常见的方法是对
相似性进行排序,然后选取前 N 项作为候选.对候
选数目的选定,Konolige 等 [75] 在实验中选取前 15
项作为假设,获得以下结果:对 97% 的帧至少可以
找到一个好的环形闭合假设,对 90% 的帧可以找到
两个;对所有的帧,约 60% 的正确环形闭合都出现
在前 15 个假设中.
4.2.3 假设验证
由于环形闭合信息的至关重要性,对环形闭合
假设进行验证是必要的.在此,我们将验证方法分

505

为单环形闭合假设验证与多环形闭合假设验证.
(1) 单环形闭合假设验证
单环形闭合假设验证的主要依据是特征的一致
性.在给定一组可能的特征匹配的情况下,对特征
作空间结构的一致性检验最为常用的方法是通过
RANSAC 以及极线约束来求解本质矩阵或相对变
换 [59,76-77] .若能得到合适的本质矩阵或相对变换则
表示检验通过,否则为不通过.另外,Cadena 等 [78]
提出利用条件随机场匹配(CRF-matching)对特征
的外观、分布等作一致性检验,并通过实验验证了
方法的有效性.
(2) 多环形闭合假设验证
与单环形闭合假设验证方法不同,多环形闭合
假设验证的主要依据是位姿的一致性.我们知道,
对构成环形闭合的一组相对变换,理论上,它们之
间的乘积等于单位矩阵.对给定的一组环形闭合假
设,可以利用上述性质对它们两两之间的一致性进
行检验,得到“一致性矩阵”
(consistency matrix)

并依此选出最大自洽子集(maximally self-consistent set)作为多环形闭合假设验证的输出结果 [79] .
4.3 复杂度对比
本节的目的并不是对以上各类方法的计算复杂
性进行系统的、严格的分析,而在于通过简单的对
比以发现存在的问题,以及在实际应用中需要对方
法作选择时提供有用的参考.由于问题规模对算法
复杂度的影响主要体现在环形闭合假设产生阶段,
在此只对该阶段的若干方法进行比较.
在时间上,基于特征表示的方法通常需要逐帧
进行比较,其时间复杂度与数据帧呈线性关系.考
虑到基于局部特征的方法需要建立特征间的关联,
其时间复杂度为 O(M 2 n),其中 n 为帧数,M 为特
征数(假定每帧图像特征数相等)
.将特征离散化,
并采用基于词袋的表示后,计算性能主要由聚类过
程(词化)决定,时间复杂度为 O(MN),其中 N 为
类别数,M 为特征数.可见,在基于词袋的表示中,
在词典规模固定后,计算的复杂性与帧数 n 无关.
当环境的规模较小
(帧数在数千左右)
时,
基于特征
的表示具有较高的计算效率,但对于更大的环境规
模,
基于词袋的表示在效率上更优 [58] .
在空间上,基于度量地图的场景表示不需要额
外的存储空间,其它方法需要保存相应的特征或词
袋以及字典.因而,基于特征表示的空间复杂度为
O(n),
基于词袋的表示为 O(n + N).
可见,
为了达到最好的时间、
空间效率,
帧的选
取以及词数的选定是关键.



506

5 图优化(Graph optimization)
通过帧间配准(详见第 3 节)以及环形闭合检

(详见第 4 节)
完成图的构建后,
SLAM 问题可以
转化为图优化问题,即根据已建立的约束关系求解
最优的位姿序列.
下面,
分问题建模、
优化方法以及
面临的问题 3 方面作阐述.
5.1 问题建模
在基于图优化的 SLAM 中,机器人的位姿被表
示为图中的节点,观测信息在经过处理后转变为机
器人位姿间的约束关系,并通过连接节点间的边来
表示.机器人的绝对或相对位姿可以通过 SE(2) 或
SE(3) 中的 2D 或 3D 变换来表示.以 6 自由度移动
机器人在 3 维环境中的地图构建为例,图的每个节
点是一个 6 元组或 7 元组(取决于位姿的描述,其
唯一确定机器人姿态 P i = xi , yi , zi , φi , θi , ψi )
,边则
Pi 及 P j 间相对变换的概率
描述了相连的两个节点
¯
分布,通常由一个均值向量 T i j 及对应的信息矩阵
−1
来表示
(见图 3 左图) 基于

Σ i j (协方差矩阵的逆)
图优化的形式化方法可以从两个视角来看,一个对
应于不确定性观测的最大似然估计,另外一个则是
物理系统的最小能量状态.两者最终都可以转化为
非线性最小二乘问题.
Pi+1

Pi+1
−1
(Ti+1, j+1, Σi+1, j+1)

−1
(Ti,i+1, Σi,i+1)

Pi

Pj+1

Pi

Pj+1
−1
(Ti, j, Σi, j )

−1
(Tj, j+1, Σj, j+1)

Pj

Pj

图3

基于图优化的 SLAM 模型

Fig.3

Graph-based SLAM model

5.1.1 最大似然估计模型
位姿间的约束可以看作是“虚拟的观测” 我们

可以根据这些观测对系统内部状态(即位姿序列)
P
作最大似然估计.用 P = {P i } 表示机器人位姿集
T
合,T = {T i j } 表示位姿间的相对变换集,则在给定
观测信息 T 的条件下,对 P 作最大似然估计可描述

L(P|T ) = Pr(T |P)

(4)

T
= ∏ Pr(T m |P) //独立性假设

(5)

T
= ∏ Pr(T m |PR(m) )//马尔可夫性

(6)

m

m

=



(i, j)∈E

c d T P
Pr(T i j |P i , P j )//符号替换

(7)





2013 年 7 月

其中 E 表示图中所有边的集合.式 (5) 使用了条件
独立假设,即假定给定机器人姿态信息的条件下各
观测之间相互独立. (6) 应用了马尔可夫性c , R(m)

P
构成了 T m 的马尔可夫邻域.由于每个约束 T i j(即
每条边)
只与两个位姿节点 P i 和 P j 相关,
作简单的
符号替换后,
可以得到式 (7).
T
若假定给定位姿 P i 及 P j 的条件下,T i j 服从
¯ i j = P j P i d 、方差为 Σ i j 的高斯分布,即
均值为 T
P
T i j ∼ N (P j P i , Σ i j ),
则不难推导, P 作最大似然

估计与以下非线性最小二乘问题等价:
PML = argmin
P



P
[(P j

Pi)

P
Σ −1 [(P j ij = argmin
P

T i j ]t ·

(i, j)∈E



(i, j)∈E

P
(P j

Pi)

Pi)

T i j]

(8)

T i j 2 −1
Σ ij

(9)

5.1.2 弹簧 – 质点物理模型
另一种较为直观的表示是,将机器人的位姿看
作是带质量的节点(质点)
,而约束则看作是连接
[80]
这些节点的弹簧 ,参见图 3 右图.由于每个约
束都是根据与之相关的观测独立求解的,它们之间
存在不一致性,此时弹簧处在受力形变状态.这样
的物理系统通常并不稳定.当弹簧对质点的作用力
使系统重新达到平衡时,系统处在能量最小状态,
此时质点的分布即代表最优的位姿序列.弹簧的系
数通过观测的不确定性来表示.观测的不确定性越
小(协方差越小)
,弹簧的强度越大,使其形变需要
的外部作用力也就越大(不满足该约束会产生较大
的代价)
.相反,观测的不确定性越大(协方差越
大)
,弹簧的强度就越小,使其形变需要的外部作用
力也就越小(不满足该约束的代价相对较小)
.系统
的能量最小状态对应式 (9) 所表示的非线性最小二
乘问题的最优解.
5.2 优化方法
第 1 节曾探讨过基于图优化与基于滤波的
SLAM 方法的不同,基于滤波的方法只考虑机器
人当前的位姿,但基于图优化的方法会对整个位姿
序列进行估计.因而基于图优化的 SLAM 方法需要
处理更高维的数据.假定环境中有 m 个特征(每个
特征用 x, y, z 三个变量表示)
,当前机器人轨迹中包
含 n 个姿态信息(每个位姿用 x, y, z, φ , θ , ψ 六个变
量表示)
,则滤波方法要处理问题的规模是 6 + 3m,
但平滑方法要处理的规模是 6n + 3m.即使使用第 3
节中的帧间配准方法将观测信息全部转为位姿间约

即在给定马尔可夫邻域(Markov Blanket)的条件下,
随机变量的取值与其它非邻域随机变量的取值无关.
注,
符号 表示位姿复合的逆操作,
其含义与文 [28] 中定义相同.

第 35 卷第 4 期

梁明杰,
等:
基于图优化的同时定位与地图创建综述

束,问题的规模仍然为 6n.随着需要考虑位姿数目 n 的增长,问题的规模会变得越来越大e .我们需要
高效的方法来应对如此大规模的优化问题.
5.2.1 基于松弛的优化方法
Duckett 等提出采用 Gauss-Seidel 松弛方法来求
解 SLAM 中的优化问题.其基本思想是“依次选取
每一个节点,并将其移动到‘它的邻节点认为它该
处在的位置’ [81] ,换句话说,即根据其相邻节点

的位置及它们之间的约束关系重新计算并更新节点
的位置信息,并且每次迭代都遍历所有节点.在假
定方位角已知(如通过电子罗盘测量)的情况下,
Duckett 等证明了其必收敛于最优解.该方法可用于
增量式的 SLAM 中,它可以在每次有新的观测到来
时直接在上一轮的结果上进行更新.但存在的缺陷
是,当某条边的误差较大时,需要多次迭代才能将
误差分配到其它边中,而这正是出现环形闭合时所
需要应对的情况.Frese 等 [9] 提出多层次松弛的优
化策略,并利用多重网格方法来求解偏微分方程,
从而大大地提高了出现环形闭合时节点的优化效
率.
5.2.2 基于随机梯度下降的方法
Olson 等人 [10] 将随机梯度下降方法(stochastic gradient descent,SGD)应用到 SLAM 的优化中,每
次迭代随机选取图中的一条边作为当前约束并计
算相应的梯度下降方向,然后在该方向上对目标
函数寻优.随机梯度下降方法具有不容易陷入局部
极值的优点,对初始值具有较高的鲁棒性.实验证
明,即使初始值与最优值相差较远,甚至在不刻意
初始化的情况下(如全零初始值或随机初始值)
,随
机梯度下降方法也能取得较好的收敛结果 [10-11,82] .
Grisetti 等 [11] 对 Olson 等所提的方法进行了改进和
拓展,采用树型结构来描述位姿间的关系并通过增
量方式表示待求解的状态,从而能更有效地对位姿
进行更新.此外,Grisetti 等还将树型表示以及随机
梯度方法应用到 6DOF 位姿优化中,并验证了方法
的有效性 [17] .
5.2.3 非线性最小二乘 + 稀疏结构
SLAM 中的图优化问题可以看作是一个非线性
最小二乘问题(见 5.1 节)
,而求解该类问题的一般
方法是:对目标函数在当前解处进行线性化(如通
过 1 阶泰勒展开对非线性函数作线性近似,从而
得到线性最小二乘问题)
,求解线性系统(线性最
小二乘问题具有凸特性,对函数求导并令导数等
e f 507

于零即可构造需求解的线性系统,所得的解是近似
问题的最优解)
,然后依此进行迭代直到问题收敛
或达到最大迭代步数.这便是 Gauss-Newton 以及
LM
(Levenberg-Marquardt)
方法的主要思想.
LM 与
Gauss-Newton 方法的不同点在于,LM 通过引入阻
尼因子及回溯性,
从而能有效控制算法的收敛f .
但是,如果全然不考虑 SLAM 问题的结构特性
并假定图节点数为 n,则 LM 算法的时间复杂度为
O(n3 ) [9] ,
在实际问题求解中将远不能满足实时性要
求 [10] .SLAM 问题具有非常好的稀疏性质,可以被
充分利用进而提高问题的求解效率.
在基于滤波的方法中,协方差矩阵及信息矩阵
都会随着位姿节点变量的边缘化而逐渐变得密集.
平滑方法保留位姿序列,
虽然需要考虑更多的变量,
但却保持了信息矩阵及观测函数雅可比矩阵的稀
疏性 [83] .Dellaert 与 Kaess[84] 充分利用平滑 SLAM
问题中的稀疏结构特性,通过稀疏矩阵分解(如稀
疏乔列斯基分解等)对线性系统进行求解.Kaess
等 [12] 对平滑信息矩阵作 QR 分解,并选择性对其
进行增量式更新,从而避免每次重新计算平滑信息
矩阵,这大大地提高了更新的效率.Konolige 等 [82]
提出一种根据给定图约束快速构造稀疏矩阵的方
法.Kummerle 等 [14] 则提供了基于稀疏矩阵分解的
开源解决方案.
5.2.4 流形优化
以上的方法均假定优化是在欧氏空间中进行
的,
但机器人的位姿
(包括平移与旋转两部分)
却处
在非欧氏空间中.为了避免奇异值问题,可以采用
冗余的表示方式,如将位姿中的旋转分量用旋转矩
阵或四元数来表示.但如此,在优化过程中会打破
变量间的约束(如旋转矩阵或单位四元数的相关性
质)
,产生额外的自由度,从而引入不必要的误差.
Grisetti 等 [85] 提出在流形空间中进行优化的思想.
这样不仅克服了奇异值问题,也被实验验证可以取
得更高的精度.最近,研究者们提供了能用于流形
优化的开源工具 [14,86] ,
可以大为提高开发效率.
5.3 面临的问题
5.3.1 效率问题
在基于图优化的 SLAM 方法刚提出时,Lu 等
采用的是基于非线性最小二乘的求解方法.但由于
其没有考虑 SLAM 问题中的稀疏结构,甚至直接采
用矩阵求逆方法对问题进行求解,因此求解效率非
常低下.基于松弛与随机梯度下降方法的提出,在

对大小固定的环境, 通常是固定的, n 往往随轨迹的长度呈线性增长. m 但
对高度非线性情况,
Gausss-Newton 方法可能无法收敛.

508



一定程度上提高了求解效率,但其并未充分利用非
线性最小二乘问题的优点 [87] ,
如随机梯度下降方法
只利用函数的 1 阶特性,在接近最优解时收敛非常
缓慢.在迭代次数受限的情况下,其最终结果的精
度受到影响.最近发表的基于非线性最小二乘的求
解方法 [12,14,82] ,不但充分利用了 SLAM 中的稀疏结
构,也吸取了稀疏线性代数方面所取得的重要研究
成果.这使得问题的求解效率大大提高,能处理问
题的规模也大为提升 [82] ,代表当前该领域的高水
准.
基于非线性最小二乘方法的效率主要受所求解
线性系统复杂度的影响,而求解线性系统的效率与
其稀疏程度有关.对采用稀疏矩阵分解的方法,其
最佳复杂度为 O(n),
最坏情况下为 O(n3 ).
5.3.2 鲁棒性问题
求解方法的鲁棒性主要从两方面来考虑,一是
对初始值的依赖,二是对错误闭环信息的适应能
力.
(1) 对初始值的鲁棒性
由于里程计(包括轮子里程计及其它依靠观测
信息作自运动估计的方法)信息可能会存在较大
的累积误差,由此得到的位姿序列的初始值与真实
值之间存在较大的偏差.因而减少方法对初始值的
依赖,增强方法的收敛域至关重要.解决思路有两
种:一是提高优化方法本身的全局搜索能力,二是
通过其它方法快速获取一个可以接受的初始值.上
一小节提到的方法中,随机梯度下降方法对初始值
的鲁棒性较好,而非线性最小二乘方法则容易陷入
局部最优 [82] .Carlone 等 [88] 提出对基于图优化的
SLAM 作线性近似并给出解析求解的方法,该方法
对初始值不存在依赖,可以利用其结果作为非线性
最小二乘方法的初始值.但目前该方法只适用于 2D
SLAM.
(2) 对错误闭环信息的鲁棒性
传统的图优化方法通常以图具有正确的拓扑结
构为前提 [10-11] .若图中引入不恰当的环形闭合信
息(false positive loop closure)
,将可能导致其产生
错误的收敛结果.这是因为最小二乘优化方法本身
对局外点(outlier)的鲁棒性不好.为了尽可能保证
收敛时所得到的地图是正确的,可以对环形闭合施
加严格的约束,使检测的错误率足够低,并通过核
函数方法 [14] 降低其影响.但这样做的效果仍然有
限.与之前认为错误的环形闭合信息仅仅是前端的
问题不同,S¨ nderhauf 等允许在图优化的过程中改 u 变图的拓扑结构以剔除错误的环形闭合 [15,89] ,从而





2013 年 7 月

大大地提高了方法的鲁棒性.
5.3.3 扩展性问题
基于图优化的 SLAM 方法以机器人的位姿为节
点.通常情况下,机器人走过的轨迹越长,需处理
的位姿节点也就越多,这不利于方法的扩展.显然,
当机器人在大小固定的环境中行走时,图的节点数
目应该跟环境的大小相关,而不应与运动轨迹的长
度相关.可见,
要使 SLAM 方法具备良好的扩展性,
关键是对图节点进行有效的控制.
减少图中节点最为直观的方法是对节点间的距
离进行限制,即只有节点间的距离超过一定的阈值
时才添加到图中 [13] .Kretzschmar 等 [21] 从观测所含
的信息出发,评估观测帧的信息增益,并依此对图
进行剪枝,以控制节点数目.这种方法在保持节点
规模的同时具有最小的信息损失,因而也最大程度
上保证了地图信息的完整性.对节点进行剪枝实际
对应节点的边缘化过程,这可能导致图的结构变得
密集.文 [90] 提出采用 Chow-Liu 树对节点间的关
系作近似描述,
以保证节点连接的稀疏性.

6 发展趋势(Development trend)
基于图优化的 SLAM 方法的研究已取得了很大
的进展,尤其体现在基于视觉的环形闭合检测以及
图优化方法上.纵观近些年该领域的文献资料,基
于图优化的 SLAM 技术有以下发展趋势:
(1) 深化 SLAM 问题非线性结构的研究:
非线性
与稀疏结构是 SLAM 问题的两大特性,对问题的高
效求解具有重要的指导意义.
到目前为止, SLAM

的稀疏结构性质已经有了较为深入的了解 [84,91] .相
比之下,对非线性结构的研究则显得欠缺.Huang
等人 [92-93] 对 SLAM 的非线性结构作了初步的理论
分析,
其研究显示通过选择合适的状态表示,
SLAM
可描述为具有众多二次项的非线性优化问题.
(2) 构建鲁棒性好的后端:传统的图优化研究以
正确的数据关联为前提,即作为输入的图必须具有
正确的拓扑结构,否则优化可能全然失效.这使得
这些方法具有很大的局限性.S¨ nderhauf [15,94] 等提 u 出允许在优化过程中对图的拓扑结构作修改,以发
现并剔除错误的环形闭合信息.Olson 等 [95] 也采用
了类似的思想,并通过混合模型来描述和推断错误
的环形闭合信息.实验证明,鲁棒性好的后端在传
统方法失效的情况下仍能很好地对地图进行恢复.
(3) 终生地图创建:传统的研究多趋向于将地图
学习与应用分开,如先通过 SLAM 学习未知环境地
图,然后利用学习好的地图进行自定位或作运动规

第 35 卷第 4 期

梁明杰,
等:
基于图优化的同时定位与地图创建综述

划等.终生地图创建考虑直接将机器人长期运行于
未知环境当中,其需要应对环境的变化,并持续地
对地图进行更新.对短期的地图创建,基于图优化
的 SLAM 方法已被证实非常有效.一些学者对终生
地图创建环境下,基于图优化方法的扩展性问题进
行了研究 [21,96-97] .
(4) 语义地图创建(sematic mapping)
:传统的
地图描述缺乏语义信息,这对其应用造成很大的
限制和制约.为了使机器人能够更好地为人类提
供各类服务以及与人类进行自然的交互,机器人需
要具备理解场景以及辨识物体的能力,而构造含有
语义信息的地图则成为解决该问题的一种重要途
径.Koppula 等 [98] 利用 RGB-D 传感器对室内环境
进行 3 维重构,并通过点云标注为创建的地图添加
语义信息.
Bao 等 [99] 则提出了新型的从运动中恢复
结构(structure from motion,SFM)的方法,该方法
同时考虑了几何与语义约束,因而能恢复具有语义
信息的地图.总体而言,当前对语义地图创建的研
究还相对较少,鉴于图优化 SLAM 方法在传统地图
创建中已取得的效果,通过其来构造具有语义信息
的地图将是 SLAM 发展的一个可能趋势.

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

参考文献(References)
Durrant-Whyte H, Bailey T. Simultaneous localization and mapping: Part I. The essential algorithms[J]. IEEE Robotics and
Automation Magazine, 2006, 13(2): 99-108.
[2] Smith R C, Cheeseman P. On the representation and estimation of spatial uncertainty[J]. International Journal of Robotics Research, 1986, 5(4): 56-68.
[3] Thrun S, Liu Y F, Koller D, et al. Simultaneous localization and mapping with sparse extended information filters[J]. International Journal of Robotics Research, 2004, 23(7/8): 693-716.
[4] Montemerlo M, Thrun S, Koller D, et al. FastSLAM: A factored solution to the simultaneous localization and mapping problem[C]//Proceedings of the National Conference on Artificial
Intelligence. Menlo Park, USA: AAAI, 2002: 593-598.
[5] Thrun S. Robotic mapping: A survey[M]// Exploring Artificial
Intelligence in the New Millennium. San Francisco, USA: Morgan Kaufmann, 2002: 1-35.
[6] Huang S D, Dissanayake G. Convergence and consistency analysis for extended Kalman filter based SLAM[J]. IEEE Transactions on Robotics, 2007, 23(5): 1036-1049.
[7] Thrun S, Burgard W, Fox D. Probabilistic robotics[M]. Cambridge, USA: MIT Press, 2005.
[8] Thrun S, Montemerlo M. The graph SLAM algorithm with applications to large-scale mapping of urban structures[J]. International Journal of Robotics Research, 2006, 25(5/6): 403-429.
[9] Frese U, Larsson P, Duckett T. A multilevel relaxation algorithm for simultaneous localization and mapping[J]. IEEE Transactions on Robotics, 2005, 21(2): 196-207.
[10] Olson E, Leonard J, Teller S. Fast iterative alignment of pose graphs with poor initial estimates[C]//IEEE International Con[1]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

509

ference on Robotics and Automation. Piscataway, USA: IEEE,
2006: 2262-2269.
Grisetti G, Stachniss C, Grzonka S, et al. A tree parameterization for efficiently computing maximum likelihood maps using gradient descent[M]//Robotics: Science and Systems III. Cambridge, USA: MIT Press, 2008: 65-72.
Kaess M, Ranganathan A, Dellaert F. iSAM: Incremental smoothing and mapping[J]. IEEE Transactions on Robotics,
2008, 24(6): 1365-1378.
Konolige K, Agrawal M. FrameSLAM: From bundle adjustment to real-time visual mapping[J]. IEEE Transactions on
Robotics, 2008, 24(5): 1066-1077.
Kummerle R, Grisetti G, Strasdat H, et al. g2 o: A general framework for graph optimization[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2011:
3607-3613.
S¨ nderhauf N, Protzel P. Towards a robust back-end for pose u graph SLAM[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2012: 1254-1261.
Johannsson H, Kaess M, Fallon M, et al. Temporally scalable visual SLAM using a reduced pose graph[R]. Cambridge, USA:
Computer Science and Artificial Intelligent Laboratory, MIT,
2012.
Grisetti G, Grzonka S, Stachniss C, et al. Efficient estimation of accurate maximum likelihood maps in 3D[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2007: 3472-3478.
Borrmann D, Elseberg J, Lingemann K, et al. Globally consistent 3D mapping with scan matching[J]. Robotics and Autonomous Systems, 2008, 56(2): 130-142.
Wurm K M, Hornung A, Bennewitz M, et al. OctoMap: A probabilistic, flexible, and compact 3D map representation for robotic systems[C]//ICRA 2010 Workshop: Best Practice in 3D
Perception and Modeling for Mobile Manipulation. 2010.
McDonald J, Kaess M, Cadena C, et al. Real-time 6-DOF multi-session visual SLAM over large-scale environments[J].
Robotics and Autonomous Systems, 2012.
Kretzschmar H, Grisetti G, Stachniss C. Lifelong map learning for graph-based SLAM in static environments[J]. K¨ nstliche Inu telligenz, 2010, 24(3): 199-206.
Cruz L, Lucio D, Velho L. Kinect and RGBD images: Challenges and applications[C]//SIBGRAPI - Conference on Graphics, Patterns and Images Tutorials. Washington, USA: IEEE
Computer Society, 2012: 36-49.
Henry P, Krainin M, Herbst E, et al. RGB-D mapping: Using
Kinect-style depth cameras for dense 3D modeling of indoor environments[J]. International Journal of Robotics Research,
2012, 31(5): 647-663.
Huang A S, Bachrach A, Henry P, et al. Visual odometry and mapping for autonomous flight using an RGB-D camera[C]//International Symposium on Robotics Research. 2011.
Endres F, Hess J, Engelhard N, et al. An evaluation of the
RGB-D SLAM system[C]//IEEE International Conference on
Robotics and Automation. Piscataway, USA: IEEE, 2012:
1691-1696.
Izadi S, Kim D, Hilliges O, et al. KinectFusion: Real-time
3D reconstruction and interaction using a moving depth camera[C]//24th Annual ACM Symposium on User Interface Software and Technology. New York, USA: ACM, 2011: 559-568.

510



[27] Whelan T, Kaess M, Fallon M, et al. Kintinuous: Spatially extended KinectFusion[M]//Robotics: Science and Systems VII.
Cambridge, USA: MIT Press, 2012.
[28] Lu F, Milios E. Globally consistent range scan alignment for environment mapping[J]. Autonomous robots, 1997, 4(4): 333349.
[29] Gutmann J S, Konolige K. Incremental mapping of large cyclic environments[C]//IEEE International Symposium on Computational Intelligence in Robotics and Automation. Piscataway,
USA: IEEE, 1999: 318-325.
[30] Scaramuzza D, Fraundorfer F. Visual odometry. Part I: The first
30 years and fundamentals[J]. IEEE Robotics and Automation
Magazine, 2011, 18(4): 80-92.
[31] Nister D, Naroditsky O, Bergen J. Visual odometry for ground vehicle applications[J]. Journal of Field Robotics, 2006, 23(1):
3-20.
[32] Konolige K, Agrawal M, Sola J. Large-scale visual odometry for rough terrain[C]//13th International Symposium on Robotics
Research. Berlin, Germany: Springer, 2011: 201-212.
[33] Saez J M, Hogue A, Escolano F, et al. Underwater 3D SLAM through entropy minimization[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE,
2006: 3562-3567.
[34] Steder B, Grisetti G, Stachniss C, et al. Visual SLAM for flying vehicles[J]. IEEE Transactions on Robotics, 2008, 24(5): 10881093.
[35] Maimone M, Cheng Y, Matthies L. Two years of visual odometry on the mars exploration rovers[J]. Journal of Field Robotics,
2007, 24(3): 169-186.
[36] Besl P J, McKay N D. A method for registration of 3-D shapes
[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992, 14(2): 239-256.
[37] Yang C, Medioni G. Object modeling by registration of multiple range images[J]. Image and Vision Computing, 1992, 10(3):
145-155.
[38] Zhang Z Y. Iterative point matching for registration of free-form curves and surfaces[J]. International Journal of Computer Vision, 1994, 13(2): 119-152.
[39] Arun K S, Huang T S, Blostein S D. Least-squares fitting of two 3-D point sets[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1987, 9(5): 698-700.
[40] Eggert D W, Lorusso A, Fischer R B. Estimating 3-D rigid body transformations: A comparison of four major algorithms[J].
Machine Vision and Applications, 1997, 9(5/6): 272-290.
[41] Segal A, Haehnel D, Thrun S. Generalized-ICP[M]//Robotics:
Science and Systems V. Cambridge, USA: MIT Press, 2009.
[42] Salvi J, Matabosch C, Fofi D, et al. A review of recent range image registration methods with accuracy evaluation[J]. Image and Vision Computing, 2007, 25(5): 578-596.
[43] Turk G, Levoy M. Zippered polygon meshes from range images[C]//21st Annual Conference on Computer Graphics and
Interactive Techniques. New York, USA: ACM, 1994: 311-318.
[44] Godin G, Rioux M, Baribeau R. Three-dimensional registration using range and intensity information[C]//Proceedings of the SPIE, vol.2350. Bellingham, USA: SPIE, 1994: 279-290.
[45] Fitzgibbon A W. Robust registration of 2D and 3D point sets[J].
Image and Vision Computing, 2003, 21(13/14): 1145-1153.





2013 年 7 月

[46] Rusinkiewicz S, Levoy M. Efficient variants of the ICP algorithm[C]//Third International Conference on 3-D Digital Imaging and Modeling. Los Alamitos, USA: IEEE Computer Society, 2001: 145-152.
[47] Nister D, Naroditsky O, Bergen J. Visual odometry[C]//IEEE
Computer Society Conference on Computer Vision and Pattern Recognition. Los Alamitos, USA: IEEE Computer Society,
2004: 652-659.
[48] Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004,
60(2): 91-110.
[49] Bay H, Ess A, Tuytelaars T, et al. Speeded-up robust features
(SURF)[J]. Computer Vision and Image Understanding, 2008,
110(3): 346-359.
[50] Agrawal M, Konolige K, Blas M R. CenSurE: Center surround extremas for realtime feature detection and matching[C]//European Conference on Computer Vision. Berlin, Germany: Springer, 2008: 102-115.
[51] Shi J B, Tomasi C. Good features to track[C]//IEEE Computer
Society Conference on Computer Vision and Pattern Recognition. Los Alamitos, USA: IEEE Computer Society, 1994: 593600.
[52] Fischler M A, Bolles R C. Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography[J]. Communications of the ACM,
1981, 24(6): 381-395.
[53] Nister D. An efficient solution to the five-point relative pose problem[C]//IEEE Computer Society Conference on Computer
Vision and Pattern Recognition. Los Alamitos, USA: IEEE
Computer Society, 2003: 195-202.
[54] Moreno-Noguer F, Lepetit V, Fua P. Accurate non-iterative O(n) solution to the PnP problem[C]//IEEE International Conference on Computer Vision. Piscataway, USA: IEEE, 2007: 21682175.
[55] Kneip L, Scaramuzza D, Siegwart R. A novel parametrization of the perspective-three-point problem for a direct computation of absolute camera position and orientation[C]//IEEE Conference on Computer Vision and Pattern Recognition. Piscataway,
USA: IEEE, 2011: 2969-2976.
[56] Newman P, Ho K. SLAM – Loop closing with visually salient features[C]//IEEE International Conference on Robotics and
Automation. Piscataway, USA: IEEE, 2005: 635-642.
[57] Cummins M, Newman P. Probabilistic appearance based navigation and loop closing[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2007:
2042-2048.
[58] Zhang H. BoRF: Loop-closure detection with scale invariant visual features[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2011: 3125-3130.
[59] Cummins M, Newman P. Appearance-only SLAM at large scale with FAB-MAP 2.0[J]. International Journal of Robotics Research, 2011, 30(9): 1100-1123.
[60] S¨ nderhauf N, Protzel P. Brief-gist-closing the loop by simu ple means[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2011: 12341241.
[61] Liu Y, Zhang H. Visual loop closure detection with a compact image descriptor[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2012:
1051-1056.

第 35 卷第 4 期

梁明杰,
等:
基于图优化的同时定位与地图创建综述

[62] Matas J, Chum O, Urban M, et al. Robust wide-baseline stereo from maximally stable extremal regions[J]. Image and Vision
Computing, 2004, 22(10): 761-767.
[63] Steder B, Grisetti G, Burgard W. Robust place recognition for
3D range data based on point features[C]//IEEE International
Conference on Robotics and Automation. Piscataway, USA:
IEEE, 2010: 1400-1405.
[64] Hartigan J A, Wong M A. A k-means clustering algorithm[J].
Applied Statistics, 1979, 28(1): 100-108.
[65] Sivic J, Zisserman A. Video Google: A text retrieval approach to object matching in videos[C]//IEEE International Conference on Computer Vision. Los Alamitos, USA: IEEE Computer Society, 2003: 1470-1477.
[66] Baeza-Yates R, Ribeiro-Neto B. Modern information retrieval
[M]. New York, USA: ACM Press, 1999.
[67] Nister D, Stewenius H. Scalable recognition with a vocabulary tree[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Los Alamitos, USA: IEEE Computer Society, 2006: 2161-2168.
[68] Schindler G, Brown M, Szeliski R. City-scale location recognition[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Los Alamitos, USA: IEEE Computer Society, 2007: 1-7.
[69] Angeli A, Filliat D, Doncieux S, et al. Fast and incremental method for loop-closure detection using bags of visual words[J].
IEEE Transactions on Robotics, 2008, 24(5): 1027-1037.
[70] Williams B, Cummins M, Neira J, et al. An image-to-map loop closing method for monocular SLAM[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2008: 2053-2059.
[71] Clemente L A, Davison A J, Reid I, et al. Mapping large loops with a single hand-held camera[C]//Robotics: Science and Systems. Cambridge, USA: MIT Press, 2007: 297-304.
[72] Bosse M, Newman P, Leonard J, et al. An Atlas framework for scalable mapping[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2003:
1899-1906.
[73] Olson E B. Robust and efficient robotic mapping[D]. Cambridge, USA: Department of Electrical Engineering and Computer Science, MIT, 2008.
[74] Ho K L, Newman P. Detecting loop closure with scene sequences[J]. International Journal of Computer Vision, 2007,
74(3): 261-286.
[75] Konolige K, Bowman J, Chen J D, et al. View-based maps[J].
International Journal of Robotics Research, 2010, 29(8): 941957.
[76] Hartley R, Zisserman A. Multiple view geometry in computer vision[M]. Cambridge, UK: Cambridge University Press, 2000.
[77] Galvez-Lopez D, Tardos J D. Real-time loop detection with bags of binary words[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE,
2011: 51-58.
[78] Cadena C, G´ lvez-L´ pez D, Ramos F, et al. Robust place recoga o nition with stereo cameras[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA:
IEEE, 2010: 5182-5189.
[79] Olson E. Recognizing places using spectrally clustered local matches[J]. Robotics and Autonomous Systems, 2009, 57(12):
1157-1172.

511

[80] Golfarelli M, Maio D, Rizzi S. Elastic correction of deadreckoning errors in map building[C]//IEEE/RSJ International
Conference on Intelligent Robots and Systems. Piscataway,
USA: IEEE, 1998: 905-911.
[81] Duckett T, Marsland S, Shapiro J. Learning globally consistent maps by relaxation[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2000:
3841-3846.
[82] Konolige K, Grisetti G, Kummerle R, et al. Efficient sparse pose adjustment for 2D mapping[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA:
IEEE, 2010: 22-29.
[83] Strasdat H, Montiel J M M, Davison A J. Real-time monocular SLAM: Why filter?[C]//IEEE International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2010:
2657-2664.
[84] Dellaert F, Kaess M. Square root SAM: Simultaneous localization and mapping via square root information smoothing[J]. International Journal of Robotics Research, 2006, 25(12): 11811203.
[85] Grisetti G, Kummerle R, Stachniss C, et al. Hierarchical optimization on manifolds for online 2D and 3D mapping[C]//IEEE
International Conference on Robotics and Automation. Piscataway, USA: IEEE, 2010: 273-278.
[86] Wagner R, Birbach O, Frese U. Rapid development of manifoldbased graph optimization systems for multi-sensor calibration and SLAM[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2011: 33053312.
[87] Nocedal J, Wright S J. Numerical optimization[M]. Berlin, Germany: Springer Verlag, 1999.
[88] Carlone L, Aragues R, Castellanos J A, et al. A linear approximation for graph-based simultaneous localization and mapping[J]. Robotics: Science and Systems VII. Cambridge, USA:
MIT Press, 2012: 41-48.
[89] S¨ nderhauf N. Robust optimization for simultaneous localizau tion and mapping[D]. Chemnitz, Germany: Department of Electrical Engineering and Information, Chemnitz University of
Technology, 2012.
[90] Kretzschmar H, Stachniss C, Grisetti G. Efficient informationtheoretic graph pruning for graph-based SLAM with laser range finders[C]//IEEE/RSJ International Conference on Intelligent
Robots and Systems. Piscataway, USA: IEEE, 2011: 865-871.
[91] Konolige K, Garage W. Sparse sparse bundle adjustment[C]//
Proceedings of the British Machine Vision Conference. 2010.
[92] Huang S D, Lai Y W, Frese U, et al. How far is SLAM from a linear least squares problem?[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA:
IEEE, 2010: 3011-3016.
[93] Huang S D, Wang H, Frese U, et al. On the number of local minima to the point feature based SLAM problem[C]//IEEE International Conference on Robotics and Automation. Piscataway,
USA: IEEE, 2012: 2074-2079. u [94] S¨ nderhauf N, Protzel P. Switchable constraints for robust pose graph SLAM[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: 2012: 18791884.
[95] Olson E, Agarwal P. Inference on networks of mixtures for robust robot mapping[M]//Robotics: Science and Systems 12.
Cambridge, USA: MIT Press, 2012.



512

[96] Konolige K, Bowman J. Towards lifelong visual maps[C]//
IEEE/RSJ International Conference on Intelligent Robots and
Systems. Piscataway, USA: IEEE, 2009: 1156-1163.
[97] Walcott-Bryant A, Kaess M, Johannsson H, et al. Dynamic pose graph SLAM: Long-term mapping in low dynamic environments[C]//IEEE/RSJ International Conference on Intelligent Robots and Systems. Piscataway, USA: IEEE, 2012: 18711878.
[98] Koppula H S, Anand A, Joachims T, et al. Semantic labeling of
3D point clouds for indoor scenes[C]//25th Annual Conference on Neural Information Processing Systems. New York, USA:
Curran Associates Inc., 2011.
[99] Bao S Y, Savarese S. Semantic structure from motion[C]//IEEE





2013 年 7 月
Computer Society Conference on Computer Vision and Pattern Recognition. Los Alamitos, USA: IEEE Computer Society,
2011: 2025-2032.

作者简介:
梁明杰(1986–)
,男,博士生.研究领域:环境建模,自主
导航,
概率推理.
闵华清(1956–)
,男,教授,博士生导师.研究领域:智能
机器人,
智能软件,
自动系统.
罗荣华(1975–)
,男,副教授,硕士生导师.研究领域:机
器视觉,
场景理解,
概率模型.

(上接第 499 页)

[13] 朱博,
戴先中,
李新德.一种基于物联网技术的场所感知系
统初探 [J].计算机科学,
2012,
39(2):216-221.

and automated cartography[J]. Communications of the ACM,
1981, 24(6): 381-395.

Zhu B, Dai X Z, Li X D. Preliminary study on a kind of place perception system based on IOT technology[J]. Computer Science, 2012, 39(2): 216-221.
Morel J-M, Yu G S. ASIFT: A new framework for fully affine invariant image comparison[J]. SIAM Journal on Imaging Sciences, 2009, 2(2): 438-469.
MIT Media Lab. Lifelong Kindergarten[OL]. [2012-08-25]. http://llk.media.mit.edu/projects.php?id=135. Microsoft Robotics. Microsoft Robotics Developer Studio[OL].
[2012-08-25]. http://www.microsoft.com/robotics/#About.
Bodurov V. Using Microsoft Robotics Developer Studio with
Lego Mindstorms NXT Robot[OL]. (2010-08-10) [2012-0825]. http://www.simple-talk.com/dotnet/.net-framework/usingmicrosoft-robotics-developer-studio-with-lego-mindstormsnxt-robot/.
Fischler M A, Bolles R C. Random sample consensus: A paradigm for model fitting with applications to image analysis

[19] Zhu B, Dai X Z, Li X D, et al. Place concept teaching through sketch map for robot place perception based on prototype mechanism[C]//6th International Conference on Intelligent Systems and Knowledge Engineering: vol.124. Berlin, Germany:
Springer-Verlag, 2011: 79-89.

[14]

[15]
[16]
[17]

[18]

作者简介:
朱 博(1981 –)
,男,博士生.研究领域:空间定性推理,
机器人交互与导航,
语义地图创建.
戴先中(1954 –)
,男,博士,教授.研究领域:复杂控制
理论,机器人控制,电力系统控制,测量与信号处
理.
李新德(1975 –)
,男,博士,副教授.研究领域:智能机
器人,机器感知,信息融合,不确定推理和机器视
觉.

Similar Documents

Free Essay

Chengdu Wisdom Urban Construction

...SCIENCE AND TECHNOLOGY OF CHINA 专业学位硕士学位论文 MASTER THESIS FOR PROFESSIONAL DEGREE 专业学位硕士学位论文 MASTER THESIS FOR PROFESSIONAL DEGREE (电子科技大学图标 论文题目 成都智慧城市建设的案例研究 专业学位类别 公共管理硕士 学 201122120760 号 作 姓 名 指 万方数据 者 导 教 师 杨宇锋 葛中全 教 授 分类号 密级 UDC 注 1 学 位 论 文 成都智慧城市建设的案例研究 杨宇锋 葛中全 指导教师 电子科技大学 陈晓军 中共四川省委政策研究室 申请学位级别 硕士 提交论文日期 2014.09.20. 学位授予单位和日期 答辩委员会主席 评阅人 万方数据 专业学位类别 论文答辩日期 电子科技大学 教 授 成 都 副处长 成 都 公共管理硕士 2014.12.09. 2014 年 12 月 25 日 Chengdu wisdom city construction case research A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Master of Public Administration Author: Yang Yufeng Advisor: School: 万方数据 Ge Zhongquan School of Political Science and Public Administration 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方 外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名: 日期: 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘, 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 (保密的学位论文在解密后应遵守此规定) 作者签名: 导师签名: 日期: 万方数据 年 月 摘 要 摘 要 智慧城市是随着科学信息技术的进步和城市现代化进程的发展而诞生的一个 全新的研究领域,近年来受到国内外众多城市管理者的普遍青睐。2012 年以来我 国智慧化城市建设加快了速度,相继有 26 个城市加入了智慧化城市建设的行列, 旨在推动城市建设的智慧化转型。住建部将智慧城市建设重点放在城镇化建设, 于 2012......

Words: 5118 - Pages: 21

Free Essay

Analysis of China Stock Market

...中国证券行业分析报告 (2009 年 2 季度) 出版日期:2009 年 08 月 WWW.CEI.GOV.CN 编写说明 上半年,在经济复苏的乐观预期及充裕的流动性推动下,A 股市场走出了一波 大幅上涨的行情。 上证综合指数从 3 月底的 2373.21 点上涨至 6 月底的 2959.36 点, 深证成份指数从 8981.95 点上涨至 11566.61 点,上证综合和深证成份指数累计涨 幅分别达到 24.69%和 28.77%。 股票市场持续上涨带来的赚钱效应刺激新增开户数 以及基金募集额逐月攀升。 2009 年二季度,在股指加速上扬的推动下,大比例增仓成为基金的共识,从 整体数据来看,积极投资偏股型基金二季度仓位为 84.07%,与一季度相比大幅提 升了 8.4%。其中股票型基金的整体仓位已经达到 86.78%,与上季度相比提高了 7.61%,且已经超过 07 年三季度市场最高点时股票型基金 83.87%的仓位;混合型 基金整体仓位也达到接近 80%的较高水平, 与上季度相比提高了 9.57%; 封闭式基 金受仓位限制与开放式基金相比略低,为 75.92%。 中国经济信息网 www.cei.gov.cn 今年二季度债券市场共发行了 285 期(只)新债,发行金额合计为 23422.93 亿元,较一季度的 166 期(只)和 10730.8 亿元分别大增 119 期和 12692 亿元。分 类别来看,国债发行量暴增成为二季度债市扩容的主要源头之一。二季度财政部 共发行国债 25 期,总额 5469 亿元;代发地方债 36 期,金额 1629 亿元;二者合 计发行总额为 7098 亿元,比一季度的 1079 亿元暴增 6019 亿元,占新增额近二分 之一。央票发行量依然是排名第一,二季度发行 9250 亿元,较一季度的 4800 亿 2631 元增加近一倍。 其他券种中, 中期票据、 金融债、 企业债分别发行 2696 亿元、 亿元和 1175 亿元,较一季度分别增加 1025 亿元、1038 亿元和 513 亿元。 版权:中经网数据有限公司 TEL: (010)6855 7150 I FAX: (010)6855 8555 中国行业分析报告――证券行业 目 Ⅰ 录 二季度股票市场运行状况...........................................1 一、市场走势 ...................................................... 1 二、板块表现 ...................................................... 4 三、上市公司证券投资状况 .......................................... 5 四、IPO状况 ....................................................... 6 (一)海外上市 .................................................... 6 (二)境内A股 ..................................................... 7 (三)VC/PE支持 ................................................... 7 五、上市公司 ......

Words: 8363 - Pages: 34

Free Essay

读书笔记

...《表征——文化表象与意指实践》读书笔记 《表征——文化表象与意指实践》这本书中,重点在于前半部分对于文化的认识和对于意义的理解,以及语言作为表征的系统是如何运作的。               “意义永远是一种对话,永远只能部分的被理解,永远是不平等的交换。[1]所谓“只可意会,不可言传。”就是此意,而对于同一事物,不同的人“意会”角度与程度不尽相同,所以才导致理解差异与不平等。意义并不是被内在于事物中,它是被建构出来的,意义的产生经过媒介的生产表达。 而霍尔又提出“在所有这些不同的机构场合中,意义得以产生和循环的最具优势的一个‘媒介’就是语言。”[2]关于语言,语言是作为一个表征系统来运作的,各种语言都是“表征的系统”,所以表征即是通过语言产生意义。《牛津英语简明辞典》也给出此词的两个相关意义:第一,表征某物即描绘或摹状它;第二,表征还意味着象征、代表。这两个意义给我们提供了表征的范围,即具象和抽象。具象是头脑里具有所表征的事物的具体形象,抽象是头脑中对于一个意义或概念的理解,无法具象出来,这就是所谓“意会”。表征作为一种意指实践,经由语言实现意义的生产和循环。语言元素中的重要性不在于它们本身,而在于它们的功能,也就是说表征通过这些元素运载意义,让我们,或“他们”可以阐释或理解其中的意义。推广来说,一些颜色、符号也能够扮演和语言一样的角色——传达意义,即霍尔所说的“看起来像一种语言,赋予隶属于一个民族的文化观念或一个人与当地社会的认同以意义与表现。” [3] 各种语言和“非语言”的载体综合起来就构成了一个更大的范畴,即文化。“文化”是人文和社会科学中最困难的概念之一。文化是体现于各种各样的符号的,从符号的角度看,它的基本功能在于表征,究其本质乃是借助符号来传达意义的人类行为。 而有些情况之下,这两个表征系统也会混合起来。“头脑中通过语言对各种概念的意义的生产。它就是诸概念与语言之间的联系,这种联系使我们既能指称‘真实’的物、人、事的世界,又确实能想象虚构的物、人、事的世界。”[4] ......

Words: 387 - Pages: 2

Free Essay

Management

...录 第一章 总体概述 4 1.1业务背景 4 1.2业务综述 5 1.3经营目标 6 1.4经营模式 6 1.5发展规划 6 1.6市场战略 7 1.7融资计划 7 1.8公司选址 7 第二章 主营业务 8 2.1公司简介 8 2.2产品和服务描述 8 2.2.1 培训业务 8 2.2.2 3G手机游戏产品与手机SNS社区 9 2.2.3 手机植入式营销业务 11 2.2.4 产业链形成 12 2.3业务流程图 12 第三章 市场分析 14 3.1宏观环境 14 3.1.1 宏观经济 14 3.1.2 产业环境 14 3.1.3 宏观政策 15 3.2 微观环境 16 3.3市场容量 17 3.3.1 国外市场现状 17 3.3.2 国内市场预测 18 3.4 发展规划 20 3.5 市场细分 23 3.6 目标市场 25 3.7 市场竞争战略 26 3.7.1 竞争态势 26 3.7.2 SWOT分析 26 3.7.3 竞争战略 27 3.7.4 竞争策略 27 第四章 市场营销 29 4.1 产品和服务策略 29 4.1.1 产品和服务定位 29 4.1.2 产品和服务策略 30 4.2价格策略 33 4.2.1 定价目标 33 4.2.2 定价依据 33 4.2.3 定价策略 33 4.2.4 产品和服务定价表 34 4.3培训课程销售策略 35 4.3.1 促销策略 35 4.3.2 渠道管理 35 4.4手机游戏产品销售策略 35 4.4.1 销售平台 35 4.4.2 平台管理 36 4.4.3 市场拓展 37 4.4.4 促销策略 37 4.5手机SNS社区策略 38 4.5.1 SNS社区盈利模式 38 4.5.2 手机SNS社区推广 38 4.6手机植入式营销销售策略 38 4.6.1 促销策略 38 4.6.2 渠道管理 39 第五章 组织架构 40 5.1团队构成 40 5.2组织结构 40 5.3股权设置 41 5.4人力资源计划 42 5.4.1 人力资源战略 42 5.4.2 培训业务人事计划和薪资计划 43 5.4.3 手机游戏业务与手机植入式营销人事计划和薪资计划 43 5.4.4 总部人力资源计划及薪资计划 44 第六章 投资收益 45 6.1融资规划 45 6.2财务数据基本假设 45 6.3成本分析 45 6.3.1 游戏培训成本 45 6.3.2 手机游戏业务与手机植入式营销成本 47 6.3.3 总成本分析 48 6.4盈利分析 49 6.4.1 主营业务收入预计 49 6.4.2 盈利分析 51 6.5现金流量预计 52 6.6 NPV与IRR 52 6.6.1 计算净现值NPV 52 6.6.2 计算内部收益率IRR 53 第七章 融资运作 55 7.1天使资本 55 7.2风险投资引入和退出 55 7.3上市目标 55 第一章 总体概述 1.1业务背景 】 1.2业务综述 公司业务主要涉及三个方面:手机游戏培训、手机内容提供商(游戏、应用软件、平台的研发运营)和手机植入式营销。 手机游戏培训的内容涉及两大模块-----Flash游戏培训和3G手机游戏培训。Flash游戏人才是我国目前游戏市场普及率最高、使用率最高、就业率高的一类人才,同时Flash的应用也从以前的单机、网络应用向手机领...

Words: 4544 - Pages: 19

Free Essay

Crm Strategy (Chinese)

...华泰证券股份有限公司(以下简称华泰证券)前身为江苏省证券公司,成立于1990年12月,是中国证监会首批批准的综合类券商,也是全国最早获得创新试点资格的券商之一。2007年7月,华泰证券在首次券商分类评级中被中国证监会评定为A类A级,2008年7月获得A类AA级资格。2009年11月30日,中国证监会发审委正式批准了华泰证券的IPO申请,2010年2月9日华泰证券成功发行A股(601688),成为江苏第一家市值超千亿的上市公司以及第一家上市券商。如今,华泰证券拥有证券经纪服务、资产管理服务、投资银行服务、固定收益服务和直接投资服务为基本架构的证券服务体系,以及研究咨询、信息技术和风险管理等强有力的服务支持体系。 (二)华泰证券的客户关系管理 华泰证券以做最具责任感的理财专家为服务理念,正在成长为市场中一个极具竞争力的综合金融服务提供商。“以客户服务为中心、以客户需求为导向、以客户满意为目的”是华泰证券的坚持,与大多数券商不同,华泰证券的客户关系管理始于2000年,并于2007年进行了战略性质的变革,实现了客户关系理念的全面渗透。 1、变革前 2000年,华泰证券建立了CRM系统。当时公司规模较小,历史包袱不大、对市场变化反映快并且具有先天IT优势。在当时证券市场的转型混战时期,公司利用网上交易这一技术创新手段一举确立了IT领先的形象并成为网络交易市场的先锋。而CRM系统的应用在改善市场营销、服务管理、投资技术和差异化竞争方面对公司业务起到了至关重要的作用。在当时作为一项IT技术应用的策略下,华泰证券CRM系统的应用推动了网上交易等多种非现场交易方式的迅猛发展,公司客户规模得以迅速壮大,但是公司此阶段的CRM存在诸多缺陷,比如信息不互通,缺乏个性化服务以及部门脱节等。 2、变革后 从2007年开始,华泰证券进行了行业内独一无二的CRM变革,确立并实施了CRM战略以及持续的服务推进。 改革伊始,华泰内部存在着众多阻力。当时,大部分证券公司的客户关系管理是辅助应用和被应用,只作为记录客户信息和核算经纪人工资的辅助工具,并没有与营销和服务进行深入的结合,成为营销服务人员的有利工具。而周易总裁认为行业内的系统不足以实现他的CRM战略,必须寻找跨行业的产业服务商,站在一个产业的高度上进行两到三年的CRM蓝图规划,在这个蓝图规划下进行转型和系统部署。随后的三、四年间,客户意识逐渐深入人心,客户无论大小都在华泰都得到了相应的尊重,差异化服务成为常态,客户服务中心从二级部门升为一级部门,CRM平台正成为华泰证券的核心业务运营支撑平台,面向客户的所有业务和资源都在这个统一的平台上运转。 具体来说,华泰证券采取多种举措保证了全新CRM战略的实施。证券经纪业务上,公司实现了从通道服务向理财服务的转型,构建了紫金理财服务体系,采用差异化竞争模式扩大了客户投资渠道,提高了客户服务质量。组织结构上,公司逐步提升客户服务部门的重要性并尝试建立轻型营业部和新型营业部。人员配备上,公司致力于打造经验丰富、责任心强的标准化服务队伍,第一时间响应客户需求,为客户提供周到、贴心的服务。技术上,公司基于Oracle Siebel CRM的客户关系管理系统支持了华泰证券从单一通道式服务到全方位理财服务的战略转型,并帮助其通过灵活、有针对性的服务,提高了客户满意度和忠诚度。2010年证监会的11号文件围绕围绕客户管理、分级分类、适当性管理等CRM核心要素展开,这些恰好是华泰证券几年间进行客户关系管理战略变革所潜移默化实现的模式。 ......

Words: 465 - Pages: 2

Free Essay

住宅规划

...规划设计 万科住宅社区规划设计 1 规划设计 目录 一、居住区结构模式及规划设计要求 …………………………………………… 1 二、住宅与住宅组群 ……………………………………………………………… 2 1、家庭生活与住宅平面的功能组成 ……………………………………………… 2 2、单元式住宅的类型与户型 ……………………………………………………… 3 3、低层花园式住宅类型 ……………………………………………………………7 4、住宅群体组合的基本要求 ……………………………………………………… 8 5、住宅群体的日照、朝向、通风和噪声防治 …………………………………… 9 6、住宅群体的组合形式 …………………………………………………………… 12 7、群体空间构成 …………………………………………………………………… 17 三、公共服务设施 ………………………………………………………………… 20 1、公共服务设施的分类 …………………………………………………………… 20 2、文化商业服务中心的规划布置 ………………………………………………… 21 3、中小学规划布置 ………………………………………………………………… 22 4、幼托规划布置 …………………………………………………………………… 23 四、道路与停车设施 ……………………………………………………………… 24 1、道路类型和规划要求 ………………………………………………………… 24 2、道路系统规划 ………………………………………………………………… 25 3、步行道的典型空间形态 ……………………………………………………… 26 4、自行车停车设施的规划布置 ………………………………………………… 26 5、机动车停车设施的规划布置 …………………………………………………… 27 五、绿地 …………………………………………………………………………… 28 1、绿地功能 ………………………………………………………………………… 28 2、居住区绿地规划原则 …………………………………………………………… 29 3、居住区公园规划设计的要求 …………………………………………………… 29 2 规划设计 4、小游园规划设计要求 …………………………………………………………… 30 5、组团绿地规划设计要求 ………………………………………………………… 32 6、林荫步行道规划设计要点 ……………………………………………………… 34 7、园林植物分类及植物功能 ……………………………………………………… 35 8、儿童游戏场类型与规划要点及场地设施 ……………………………………… 39 六、竖向设计及地形在竖向设计中的作用 ……………………………………… 40 七、管线分类 ……………………………………………………………………… 41 八、立面设计 ……………………………………………………………………… 41 九、建筑局部与环境设施 ………………………………………………………… 42 1、住宅门厅 ………………………………………………………………………… 42 2、单元门厅、电梯前厅 …………………………………………………………… 43 3、阳台、露台 …………………………………………………………………… 44 4、走廊 …………………………………………………………………………… 45 5、中庭和采光院子......

Words: 3581 - Pages: 15

Premium Essay

Project Manager

...中国工商银行上海分行为上海地区市场规模第一、综合市场占有率第一的国有商业银行。整体来看,2010年工行上海分行的各项核心业务在系统和同业中的领先优势进一步扩大。在上海银行同业始终保持着领先地位,拥有三个方面的第一。 本外币存款增量同业第一。本外币各项存款余额8298亿元,增长1109亿元。 本外币贷款增量同业第一。本外币各项贷款余额4108亿元,增长413亿元。 小企业贷款增量同业第一。小企业贷款增长52亿元。 (2)中国工商银行上海分行核心客户营销团队结构 ▲2005年前: [pic] ▲2005-2010年: [pic] ▲2010直接营销团队解散。营销队伍结构同2005年前 [pic] 变化内容概要:2005年-2010年,在分行职能部门公司业务部下成立直接营销客户经理团队,专项从事上海地区优质跨国公司(主要针对世界500强企业)、合资公司的营销,以提高当前ICBC在跨国公司中的业务占有率。2010年,该团队解散,上海分行营销团队结构恢复至2005年前。 2. 变革分析 1. 战略角度 (1)政治经济环境背景:上海招商引资战略和金融中心的定位 进入2000年以来,中国已经成为世界上对跨国公司投资最具吸引力的国家之一,很多跨国公司都不约而同内地到大陆开展业务,从一般性生产项目导入,到地区总部、研发中心、采购中心的建立;从满足本地需求,到面向全球市场。而其中上海又以其优越的地理位置、廉价的劳动力价格和深厚的历史积淀成为世界500强企业的首选目的地。这些跨国500强企业的投资方式、项目规模、控股比例、投资结构、行业领域、合作内容都发生了巨大变化。伴随着世界经济全球化的发展趋势,跨国公司进一步加快了投资中国市场的步伐,并呈现出四个新特点:跨国公司对华投资结构不断优化;跨国公司更注重本地化经营;跨国公司投资方式多样化,突破了三资模式,独资成为主要方式。 上海作为中国对外开放的最主要窗口,于2004年明确通过招商引资来发展先进制造业、服务业、房地产业,并提出上海发展成为金融中心的目标。基于此,大量跨国企业涌入上海寻找各自的发展空间为总部获取更多的收益。自2004年起,包括杜邦、艾默生、伊士曼柯达、陶氏化学、阿克苏诺贝尔、罗门哈斯、汉高、历峰等上百户著名优质跨国公司进入中国,并在上海设立中国区投资总部以管理大中华地区的业务发展。 在该种环境下,各大银行必然会展开对优质客户资源的疯狂争夺。 (2)ICBC为争取更多的优质客户,特成立直接营销团队以加强优质企业的营销——阶段性战略需求。 为顺应上海经济发展方向,满足阶段性目标客户的特点,ICBC必须提高服务能力、调整产品结构以满足跨国公司的金融服务需求。 2004年,在具体服务跨国公司客户过程中,与外资银行相比,中资银行的不足之处日益显现,主要表现为: I) 业务审批流程长。 ICBC拥有严密的风险控制体系,其有效风险控制体系的设置理念为调审分离、三级审批。一笔融资类业务从支行、分行到总行层层审批,往往要花费很长的时间,效率较低。经调查,最终审批同意的同一笔业务,Citi所需时间为5个工作日;HSBC所需时间为7个工作日;DB所需时间为7个工作日;ICBC所需时间为10个工作日。 ......

Words: 497 - Pages: 2

Free Essay

Strat

...战略手艺化》完整版(亨利·明茨伯格) (2012-08-29 12:06:00) 标签: 战略手艺化 亨利·明茨伯格 | 分类: 经管 | 正文开始 就像战略可以被制定一样,战略也可以自己形成。 当我们想像有人在做战略计划时,脑海中很可能会出现这样一幅井井有条的画面:一位高级经理,或者是一群,坐在办公室里,炮制出一些其他所有人会准时执行的行动纲领。基调就是推理——理性的控制,系统地分析竞争对手、市场和企业的优劣势。综合这些分析产生一个清晰、明确而又完全成熟的战略。 现在让我们想像一下战略手艺化,脑海中出现的很可能就是另外一幅画面。手艺式战略与计划式战略非常不同,其区别就像手艺与机械化之间的区别一样。手艺会让人想起传统的技艺、专注以及通过细节的把握做到完美。人们想到更多的不是思考与推理,而是各种原材料水乳交融的感觉,这种感觉来自长期的经验与投入。制定与执行相互交融,形成一个渐进的学习过程,在此过程中,创造性的战略水到渠成。 我的理论很简单:战略手艺化更好地描述了有效战略的形成过程,而计划式战略尽管流传广泛,实际上却扭曲了这一过程,误导了那些笃信它的组织。 在本文的写作过程中,我将引用一位陶艺人的经验,并把这些经验与一个项目的研究结果进行对比(这一项目追踪了众多公司在数十年间的战略历程)。因为陶艺人与战略制定者之间的差别十分明显,所以刚开始时,我的比喻就像我的论断一样,显得风马牛不相及。然而,如果我们把艺人想像成一个个人组织,就会看到她也必须解决公司战略家们所面临的一个重大挑战:对组织的能力了如指掌,以便能足够深入地思考组织的战略发展方向。通过从个人视角思考战略制定,剔除战略咨询公司那些条条框框,我们会对公司内的战略形成过程有所了解。就像很多陶艺人不得不掌握手艺一样,管理者们也必须把战略手艺化。 在工作的时候,陶艺人坐在一堆陶土前。她的心思在陶土上,但同时她也意识到自己坐在过去的经验与未来的畅想之间。她准确地知道过去的哪些东西对自己有用,哪些东西没用。她对自己的工作、能力及市场非常熟悉。作为一个手艺人,她是在感觉这些东西,而不是分析;她的知识是“默示的”。当她动手时,所有这些都在她的脑海中发挥作用。这些陶轮上的作品可能沿袭她过去作品的传统,但是她可能突然换个方向。即便如此,“过去”所起的作用一点也不减少,照样体现在未来中。
在我的比喻中,管理者就是陶艺人,而战略就是他们的陶土。就像陶艺人一样,他们坐在过去的公司能力与未来的市场机会之间。并且,如果他们是真正的艺人,他们对手头的材料应该同样熟悉。这是战略手艺化的精要所在。 接下来,我们将对这个比喻做进一步探讨,看看战略在实际操作中是如何制定的,而不是主观臆想战略该如何制定。我将不断援引两方面的经验,一个是麦吉尔大学的战略形成模式的研究项目;自1971年起,这个项目一直在我的指导下进行;另一个是成功的陶艺人的工作流程,这个陶艺人是我的妻子,她的手艺始于1967年。 战略既是未来的计划,也是过去的模式 如果你问战略是什么,几乎每个人都会告诉你,战略是某种形式的规划,是对未来行为的明确指导。如果你再问他们竞争对手、政府或者他们自己追求什么样的战略,他们很可能就会不停地描述他们过去的行为。最后你会发现,战略和其他很多词汇一样,人们下定义是一套,用起来却是另外一套,没有意识到其间的区别。 原因很简单:虽然战略的正式定义与它的希腊军事起源都强调未来,但我们确实也需要用这个词来解释过去的行为,就像我们需要用它来描述未来的行为意向一样。毕竟,战略一方面是计划和企图的对象,另一方面也是贯彻和实现...

Words: 742 - Pages: 3

Premium Essay

Health in China

...学校编码:10384 学 号:X2007155128 分类号 密级 UDC 硕 士 学 位 论 文 GE 彩超中国市场营销战略分析 ANALYSIS OF GE COLOUR DOPPLER ULTRASOUND MARKETING STRATEGY IN CHINA 郑义清 指导教师姓名: 谢 导 副 教 授 专 业 名 称 : 工商管理(MBA) 论文提交日期: 2 0 1 2 年 4 月 论文答辩时间: 2 0 1 2 年 学位授予日期: 2 0 1 2 年 月 月 答辩委员会主席: 评 阅 人: 2012 年 月 厦门大学学位论文原创性声明 本人呈交的学位论文是本人在导师指导下,独立完成的研究成 果。本人在论文写作中参考其他个人或集体已经发表的研究成果,均 在文中以适当方式明确标明,并符合法律规范和《厦门大学研究生学 术活动规范(试行)。 》 另外, 该学位论文为 ( 的研究成果,获得( 资助,在( ) (组) 课题 )课题(组)经费或实验室的 )实验室完成。 (请在以上括号内填写课 题或课题组负责人或实验室名称,未有此项声明内容的,可以不作特 别声明。 ) 声明人(签名) : 年 月 日 厦门大学学位论文著作权使用声明 本人同意厦门大学根据《中华人民共和国学位条例暂行实施办 法》等规定保留和使用此学位论文,并向主管部门或其指定机构送交 学位论文(包括纸质版和电子版) ,允许学位论文进入厦门大学图书 馆及其数据库被查阅、借阅。本人同意厦门大学将学位论文加入全国 博士、硕士学位论文共建单位数据库进行检索,将学位论文的标题和 摘要汇编出版,采用影印、缩印或者其它方式合理复制学位论文。 本学位论文属于: ( 于 ( 年 )1.经厦门大学保密委员会审查核定的保密学位论文, 月 日解密,解密后适用上述授权。 )2.不保密,适用上述授权。 (请在以上相应括号内打“√”或填上相应内容。保密学位论文 应是已经厦门大学保密委员会审定过的学位论文, 未经厦门大学保密 委员会审定的学位论文均为公开学位论文。此声明栏不填写的,默认 为公开学位论文,均适用上述授权。 ) 声明人(签名) : 年 月 日 摘 要 中国的医疗器械市场吸引了几乎所有国际品牌参与竞争,竞争日趋白热 化。本文作者有着多年的彩超销售和管理经验,试图从市场营学的理论出发来考 察 GE 彩超在中国市场的营销战略:客户导向的市场营销战略。重点分析 GE 彩超 如何践行这一战略,以及在践行这一战略过程中的得与失,并力求从营销学的角 度给出建议。希望本文的论述对从事医疗器械营销工作的同行能有所帮助。 本文共分五章:第一章是绪论介绍本文的研究背景、研究目的和思路;第 二章主要是介绍中国彩超市场的发展概况;第三章介绍 GE 公司、GE 彩超业务、 GE 彩超业务在中国的状况;第四章是本文的重心,着重分析 GE 彩超在中国市场 的营销战略;第五章是研究的结论和建议。 商场如战场,市场上的很多因素都处在不断的变化过程中,市场营销战略 必须适应市场变化的需要。将曾经正确的战略,放到一个变化了的营销环境中也 可能变得不合时宜。只有牢牢把握市场需求的变化,坚持以客户需求为导向,才 能在市场竞争中立于不败之地。 关键词: 医疗器械;客户导向;营销战略 I Abstract Medical equipment market of China attracts almost all the international brands, and the......

Words: 1245 - Pages: 5

Free Essay

Giadjojwfaphfi

...1选题背景与研究意义 1.1.1选题背景 信托即受人之托,代人理财。是指委托人基于对受托人的信任,将其财产权委托给受托人,由受托人按照委托人的意愿以自己的名义,为受益人的利益或其它特定目的进行管理或处分的行为。’信托是一种特殊的财产管理制度和法律行为,它与银行、保险、证券一起构成了我国现代金融体系的四大支柱。 信托业在我国,最早可以追溯到20世纪初。当代信托行业最早伴随改革开放萌生,主要是为了弥补我国传统单一的银行信用的不足,利用社会闲散资金,引进外资,拓展投融资渠道,为我国经济的快速发展发挥了积极作用。中国信托业诞生于混沌当中、在监管当局不断清理整顿中发展起来的。在中国,信托业务因为其具有很大的灵活性而极富弹性和普遍性,在我国金融业分业经营和监管的环境下,信托公司是唯一能够综合利用资本市场、货币市 场和实业领域的机构,从基础设施、房地产建设投融资到企业的兼并重组、上市公司证券承销、改制顾问到租赁、担保,信托公司能够供一站式的全程金融服务。 随着国民财富的规模迅速增长,投资者理财需求的扩大,国家政策和社会各界对信托行业认可度逐渐提升,信托行业步入了快速发展的轨道。信托作为金融体系中重要的组成部分,自2007年新“一法两规”和《信托公司净资本管理办法》出台后,进入了高速良性的发展轨道。根据中国信托业协会公布的最新数据显示,截止到2011年12月31日,我国信托公司管理资产规模己经达到48114.38亿元,相比于2010年3.04万亿元的信托规模,增加了 58.25%。而这一数据在2007年仅为9400亿元,四年的时间实现了5倍的增长。目前信托业的信托资产总规模已远超公募基金,在我国经济发展尤其是支持产业经济方面起到了不可忽视的作用。较之于银行、保险、证券,信托具有独特的制度优势。随着理财市场的发展,信托的综合优势正在得以充分发挥,信托新政框架下监管机构的监管科学化、规范化,为信托公司对其功能和市场清晰定位,为信托业的发展创造了良好的制度环境。 但是另一方面,相对于银行、保险、证券,社会对信托业的了解程度还不够高,信托知识还不够普及,合格投资者尚需培育,私募基金成本显著高于金融同业,信托公司自身投资管理、风险管理能力外界认同度有待提升;信托产品缺乏公开交易市场,整体流动性低;信托计划开立证券账户受到限制,信托公司所谓‘、金融百货公司”的制度优势在我国目前基于法人实体的分业监管模式下遭遇尴尬。信托业务转型要求重新建立可持续发展的盈利模式,但相关配套法规政策仍不完善。在金融业全面开放、混业经营的背景下,理财市场竞争激烈、监管规则不统一,信托公司受到更严格的限制,信托公司的制度优势被削弱,面临其他类型金融机构的严峻挑战。 ......

Words: 1728 - Pages: 7

Free Essay

Solid

... 创业计划 大连海事大学[pic] 团队 企业名称:佰得(bidual)化工技术有限公司 队长:交管学院07经济学 李琳 联系方式:13842605826 团队成员:徐隆嘉 王莹莹 许长平 刘玲玲 目录 1.执行总结 4 1.1.公司 4 1.2.市场 4 1.3.投资与财务 5 1.4.组织与人力资源 5 2.行业背景 5 3.产品介绍 7 3.1.缓蚀剂(anti-corrosive) 7 3.2.机理说明 7 3.3.产品主要功能 8 3.4.本品的效能: 8 3.5.产品竞争优势动 10 3.6.适用范围及应用 11 3.7.性能指标 11 3.8.产品使用说明 11 3.9.产品包装与储存 11 4.市场机会 12 4.1.市场特征 12 4.2.目标市场 14 4.3.销售渠道分析 14 4.4.竞争战略 15 5.公司战略 21 5.1.公司目标及定位 21 5.2.公司商业模式 21 5.3.公司发展战略 21 5.4.研发方向与产品扩张 22 6.市场营销 22 6.1.产品策略 22 6.2.服务 23 6.3.价格策略 23 6.4.渠道策略 24 6.5.推广策略 24 6.6.广告策略 25 6.7.公关 25 6.9.营销网络建设 27 7.经营管理 29 7.1.产品机理说明 29 7.2.生产模式 29 7.3.供应商的选择 30 7.4.项目进度 30 7.5.质量控制 31 8.公司管理 31 8.1 公司 31 8.2 公司文化 32 8.3 人员与组织结构 32 8.4 团队优势 34 8.5 管理创新 35 9.财务分析 35 9.1.投资分析 35 9.2.财务分析 37 9.3.风险投资 39 10.风险预测与规避 40 10.1.风险预测 40 10.2.风险解决方案 41 附录 41 附录1 无锡市钱桥带材有限公司使用百得多用途高效酸洗缓蚀剂情况报告 41 附录2 天津宝来利钢管有限公司使用百得多用途高效酸洗缓蚀剂情况报告 43 附录3团队成员简介 44 附录4 利润表 45 附录5现金流量表 46 附录6资产负债表 50 1.执行总结 1.1.公司 佰得(Bidual)化工技术有限公司是一家以生产酸洗缓蚀剂系列产品为主的企业(提议中),公司拥有国内领先的缓蚀剂制备技术和高素质的管理队伍,提倡科技为本的绿色生活新理念,将酸洗推向更环保更节省更完美的状态。公司提倡“优势产品,完善服务,用技术打造精品未来”的发展理念,为了改善钢材生产环境、减少钢材生产消耗而不懈努力。公司拥有先进的技术和优秀的科研人员,有能力不断改...

Words: 4602 - Pages: 19

Free Essay

The Ppt of Introduction of Yunxiang

...2016年1月 云像数字 基于消费者资产的数字全服务领导者 解读云像数字 目 录 标准产品及相关案例分享 云像(中国)数字服务有限公司 基于消费者资产的数字全服务领导者 云像数字- 基于消费者资产的数字全服务领导者 云像数字是一家典型的提供互联网+服务的公司。为企业提供集“数字营销+电子商务+数据服务”为一体的整合数字服 务解决方案。以消费者资产为核心,帮助传统企业实现渠道互联网化,营销互联网化,数据互联网化,最终重塑价值链,为 客户构建新的生态体系。 发展方向:基于消费者资产的数字全服务领导者 北京云像数字 企 业 大连研发中心 发 展 阶 段 企业互联网化解决方 案与消费者全景管理 解决方案 垂直发展期 快消和时尚行业服务 2012 上海云像数字 全面扩张期 横向整合期 2013 2014 面向消费者资产的数字全服务 数据收集 2015 2016 2017 2014福布斯中国非上市潜力企业100强 No. 18 http://www.forbeschina.com/review/list/002136.shtml 《中国企业家》评选“2014未来之星”百强榜 http://news.163.com/14/0707/16/A0IJ1UDM00014AEE.html 云像(中国)数字服务有限公司 基于消费者资产的数字全服务领导者 云像数字-荣誉奖项 2013-2015年,在创新、创意、大数据应用、数字营销,O2O层面取得的优秀成绩 云像数字 CEO安士辉个人荣誉 2014中国商业十强创新服务商 美国《财富》杂志评选中国40位40 中国创新传播大奖-消费者洞察类优秀产品 岁以下的商界精英 中国创新传播大奖-O2O营销类金奖 2014品牌中国(互联网)年度人物 中国创新传播大奖-年度机构奖 2014年度黄浦区业界表现突出企业 移动营销案例入围2013中国实效营销大奖金麦奖 家 -最佳无线营销奖 2015金鼠标数字营销年度新锐人物 “玩购黄浦”斩获金鼠标移动营销案例奖 2015金远奖营销传播领军人物 第六届金鼠标大奖-最具成长价值数字营销代理公 司 第六届金鼠标大奖-瑞雪消费者关系管理云荣获年 云像数字通过以下四点优势在所有的竞争对手中脱颖而出: • 丰富的服务全球500强及国内一线品牌客户的经验 • 实效营销的不断创新能力 • 基于大数据应用的消费者洞察能力 • CRM、数字营销、社会化媒体应用、线上线下打通的全方位整合解决方案 度最佳数字营销系统 第七届中国广告主金远奖-最具营销创新力企业 第七届中国广告主金远奖-瑞雪消费者关系管理云 荣获最具市场价值品牌管理模型 第六届虎啸奖《商业服务(含电商类)案例》铜 奖 云像(中国)数字服务有限公司 基于消费者资产的数字全服务领导者 云像数字 - 服务国际国内一流客户 时尚类 母婴类 快消/保健类 美妆类 家电/其它类 云像(中国)数字服务有限公司 基于消费者资产的数字全服务领导者 云像数字-业务板块 1.大数据应用:打造完整消费者数据资产、数据挖 掘、商业分析,具体包括DMP、CRM、BI、微站 等产品及商业应用。 2.数字营销服务:品牌、创意、策划、用户体验、 社会化营销、媒介管理。 3.全渠道零售管理:......

Words: 2197 - Pages: 9

Free Essay

Social Issues

...(共25题,参考时限15分钟) 根据题目要求,在四个选项中选出一个最恰当的答案。 请开始答题: 1. 社会建设与人民幸福安康息息相关,党的十七大报告提出,要加快推进以改善民生为重点的社会建设,下列各项不属于社会建设范畴的是: A.在学校建立贫困生资助体系 B.为低收入家庭提供住房保障 C.扩大各项社会保险的覆盖范围 D.强化政府服务职能,建设服务型政府 2.随着综合国力的提升,我国在国际社会中的作用与影响越来越突出,下列说法正确的是: A.我国的出口贸易额在“金砖四国”中位居第二 B.我国目前是二十国集团中唯一的亚洲发展中国家 C.我国在哥本哈根气候峰会上提出了单位GDP碳减排的量化目标 D.我国已与周边所有邻国建立正式的外交关系 3.我国的能源条件可以概括为: A.缺煤、富油、少气 B.富煤、缺油、少气 C.缺煤、缺油、多气 D.富煤、富油、多气 4.关于我国第六次人口普查,下列表述正确的是: A.其标准时点是2010年1月1日至2010年12月31日 B.所取得的数据不得作为对普查对象实施处罚的依据 C.所需经费由中央政府完全负担,列入相应年度的财政预算 D.采用按户口所在地登记的原则 5.2010年7月,党中央、国务院召开了西部大开发工作会议,总结西部大开发10年取得的巨大成就和丰富经验,全面分析国内外形势和西部大开发面临的新机遇、新挑战,关于西部大开发战略,下列表述不正确的是: A.西部大开发在我国区域协调发展总体战略中居于优先地位 B.西部大开发战略实施的最主要目的是解决沿海同内地的贫富差距 C.西部大开发覆盖地域指陕、甘、宁、青、新等西北五省(区)及西藏自治区 D.实施西部大开发的核心工作时保障和改善民生 6.在西柏坡时期,党中央:①领导了解放区的土改运动;②召开了党的七届二中全会;③组织指挥了辽沈、淮海、平津三大战役。 上述历史事件出现的先后顺序是: A. ①③② B. ②①③ C. ②③① D. ③①② 7.下列说法不符合法律规定的是: A.甲村村委会在村民会议上提交了修建学校的经费筹集方案 B.乙村村委会与村民李某签订山林承包合同,承包期为10年,到期后,村委会又将山林承包给该村村民赵某 C.两村有一座石灰矿,丙村村委会组织该村村民成立丙村经济合作社,以经济合作社的名义申请石灰矿的采矿许可证 D.丁村享有选举权的村民有500人,其中300人参与了村委会主任选举,候选人王某、张某和黄某分别获得选票120票、100票和80票,因而王某当选 8.根据我国国防动员法的有关规定,在国家的主权、统一、领土完整和安全遭受威胁时,决定全国总动员或局部动员和发布动员令的分别是: A.全国人民代表大会、国务院总理 B.国家主席、国务院总理 C.全国人民代表大会常务委员会、国家主席 D.全国人民代表大会常务委员长、国家主席 9.下列关于我国人大代表选举的表述,不正确的是: A.1953年通过的选举法规定,全国人大代表的选举,各省按每80万人选代表1人,直辖市和人口在50万以上的直辖市按每10万人选代表1人 ......

Words: 4734 - Pages: 19

Free Essay

Simulation

...第3章 Arena 概貌 在第二章的 2.4 部分,我们实际上利用 Arena 完成了“手工”仿真过程,而且在 2.6 部 分对该模型和修改后的模型(即到达率加倍)进行了多次重复仿真运行。这一章本书将带你 领略应用 Arena 建模仿真的整个过程,首先教你启动 Arena,浏览为上一章手工仿真建立的 现成模型,并运行该仿真模型,然后学习如何从头开始建立模型。本章也会探讨用户界面问 题,以及如何使用帮助文件系统,并讨论运行仿真的不同方法,同时讲解绘图和图形工具的 用法。 3.1 节介绍如何启动 Arena;3.2 节带你浏览一个现成的模型;在 3.3 节你可以更加详细 地查看这一模型,浏览对话框和动画,运行模型和查看结果;3.4 节帮助你从头开始一步步 建造该模型;3.5 节简要介绍 Arena 的一些主要建模功能,包括菜单和工具条中的可用选项 以及绘图打印功能等;3.6 节介绍 Arena 强大的帮助文件系统以及所有详细的技术文件;3.7 节讨论有关运行和控制仿真的各种选项。 看完本章后,你将会了解 Arena 是如何工作的,并知道用 Arena 可以做些什么,而且你 可以有效地运用 Arena 建立一些简单的模型,甚至可能借助帮助系统,通过自己摸索有关菜 单和对话框完成一些更为复杂的工作。仅通过阅读本章,你也许就能了解不少有用的东西, 但如果能同时在电脑上加以实际操作, 效果会更好。 有关如何建立模型的更多内容将会在第 四章及以后章节讨论。 3.1 启动系统 Arena 是一种真正的微软“视窗”操作系统(Windows)的应用软件,因此用户对它的 外观和风格会比较熟悉, 并且其一般的特征和操作也与 Windows 操作系统一致。 另外, Arena 与其它 Windows 软件全面兼容,例如文字处理软件、电子表格软件和 CAD 软件等,所以用 户可以很容易地在不同软件系统与 Arena 之间来回移动对象(第 10 章将详细介绍 Arena 与 其它软件地交互和通信)。 顺便补充一句,本书假设读者对 Windows 的基本概念和操作都已经熟悉了,例如:  磁盘,文件,文件夹和路径。  鼠标和键盘的使用,包括单击、双击和右击鼠标。  操作窗口,如移动、调整大小、最大化、最小化和关闭。  对菜单的操作。书中使用如下符号“M > C> S > T”,表示打开菜单M,从中选择C, 然后从子菜单中选择S(如果有的话),最后选择带有标签T的页面(如果有的话)。  Control、Alt和Shift键的使用。“Ctrl+任意键”意味着同时按下Ctrl键和任意键(这一 点同样适用于“Alt+任意键”和“Shift+任意键”)。如果“任意键”是键盘键,则不区分 大小写。“任意键”也可以是鼠标点击,例如“Ctrl+单击”可以拓展某个选择使其包括增 列项目。  对文本和其它项目的剪切 Cut(或者菜单命令 Edit>Cut,或者组合快捷键 Ctrl+X), 复制 Copy(或 Edit>Copy,或 Ctrl+C)和粘贴 Paste(或 Edit>Paste,或 Ctrl+V)。  填写对话框,包括输入和编辑文本条目、按下按钮、选定和清除(即取消选定)选 项框、 从一列选择按钮 (单选按钮) 中单击选中其中一个按钮、 以及从下拉菜单中选择项目。 如果读者对以上提到的操作不熟悉,在阅读下面的内容前最好先要复习一下Windows 操作指南。 下面来到电脑旁,电脑中已按随书附带的说明书安装了 Arena 系统(可以参阅附录 E......

Words: 42251 - Pages: 170

Free Essay

Chinese Note

...:语文学科的性质与教学目标 1. 语文学科性质 2. 语文的性质 层面 | 语言文字的说明 | 本质上 | 信息的符号 | 横向上 | 社会的共同工具 | 纵向上 | 前人、今人、后人延续的使用 | 3. 语文学科的特征 4. 语文学科的工具性 5. 语文学科的人文性 6. 语文学科的工具性和人文性的融合 7. 制定和确定语文教学的目标 8. 语文教学目标的作用 * 有利于贯彻中小学大纲制定的要求,为语文教学确立指针和方向 * 有利于语文教学内容和课堂教学策略的选择,以及教学过程的组织 * 有助于教学效果的评价 9. 语文教学目标的特性 * 语言性 * 交际性 * 综合性 10. 制定语文教学目标的依据 * 社会发展 * 素质教育 * 语文学科的性质 * 学生身心发展 11. 语文教学目标的构造 * 运用布卢姆的教育目标分类学理论确立的语文教学目标体系 * 根据语文学科的任务及知能体系编制的语文教学目标体系 * 依据素质教育理论构建的语文教学目标体系 12. 布卢姆的教育目标分类 13. 布卢姆的认知领域教育目标分类 识记 | 主要包括认知或记忆:具体事实:有关事务的名称或术语:处理事实的方法:抽象观念 | 理解 | 主要内容:转换,即用不同的词来表达同一概念或知识,或者把一种符号转译成另一种符号:解释,即解释各种知识之间的联系和关系:推断,即从旧知经过推理而获得新知。 | 应用 | 在各种特殊的、具体的情景中使用抽象的概念、原则和理论。 | 分析 | 包括:分析事物的要素;要素之间的关系;要素之间的组织原则。 | 综合 | 包括:表达个人见解:拟定操作计划:概括抽象关系。 | 评介 | 对事实、概括、操作、方法等进行价值判断,包括:根据个人内部标准进行判断:根据对象外部标准进行判断 | 14. 根据语文学科的任务及知能体系编制的语文教学目标体系 语文知识 | 即知识因素,包括:语文知识、非语言的语言知识(即与语言相关的社会文化、生活知识)等 | 语文技能 | 即技能、操作因素,包括:理解和应用汉语的能力,主要是指阅读、写作、口语交际的能力等 | 语文智力 | 即智力因素,包括:三种思维(形象思维、抽象思维、灵感思维)五种能力(观察力、记忆力、想象力、分析力、综合力) | 语文人格 | 即情意因素,包括:四观:世界观、价值观、审美观、人生观七因素:动机、兴趣、情感、意志、习惯、个性、行为等 | 15. 依据素质教育理论构建的语文教学目标体系 思想情操 | 语文学科中进行思想道德教育及审美教育 | 智力发展 | 学生的思维或智力的发展 | 语文能力 | 语文学科知识和专业技能,包括:阅读能力、写作能力、听话能力、说话能力 | 16. 语文教学目标的达成: * 制定计划,明确要求 * 分类分级,科学安排 * 求质定量,具体落实 * 要具体、准确的设定语文教学目标 * 对一些语文教学目标应加以量化 * 对目标实施控制及检测 17. 完整的外显行为教学目标: * 可以观察的学习行为 * 以学生行为为主体 * 行为发生的条件 ...

Words: 1000 - Pages: 4