| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 室外移动机器人的发展历史及现状 | 第11-13页 |
| 1.2.1 国外室外机器人的研究现状 | 第12页 |
| 1.2.2 国内室外机器人的研究现状 | 第12-13页 |
| 1.3 移动机器人定位算法研究 | 第13-14页 |
| 1.4 课题来源及章节安排 | 第14-16页 |
| 第2章 基于视觉的移动机器人建模 | 第16-22页 |
| 2.1 移动机器人系统组成 | 第16页 |
| 2.2 视觉系统基本理论 | 第16-20页 |
| 2.2.1 摄像机的内外参数模型 | 第17-18页 |
| 2.2.2 传感器分类 | 第18页 |
| 2.2.3 摄像机成像模型 | 第18-20页 |
| 2.3 摄像机的标定方法 | 第20页 |
| 2.4 关键点的检测算法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 室外图像特征提取与匹配 | 第22-35页 |
| 3.1 引言 | 第22页 |
| 3.2 改进基于HU不变矩 | 第22-24页 |
| 3.2.1 HU不变矩 | 第22页 |
| 3.2.2 基于HU不变矩的特征提取 | 第22-24页 |
| 3.3 SIFT特征算法 | 第24-29页 |
| 3.3.1 SIFT尺度空间构建 | 第24-26页 |
| 3.3.2 检测SIFT极值点 | 第26-27页 |
| 3.3.3 分配关键点的主方向 | 第27-28页 |
| 3.3.4 生成特征点描述符 | 第28-29页 |
| 3.3.5 关键点匹配 | 第29页 |
| 3.4 改进SIFT算法 | 第29-31页 |
| 3.4.1 改进的SIFT算法特征点检测 | 第29-30页 |
| 3.4.2 基于一阶中心矩的关键点主方向的分配 | 第30-31页 |
| 3.5 仿真实验分析 | 第31-34页 |
| 3.5.1 主观视觉特征匹配结果 | 第31-33页 |
| 3.5.2 多种算法特征点匹配率对比 | 第33-34页 |
| 3.5.3 特征匹配的综合性能比较 | 第34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于稀疏特征及视差约束算法研究 | 第35-43页 |
| 4.1 引言 | 第35页 |
| 4.2 基于稀疏特征的关键点特征向量提取 | 第35-37页 |
| 4.2.1 压缩感知简介 | 第35-36页 |
| 4.2.2 改进算法提取关键点特征向量 | 第36-37页 |
| 4.3 基于视差约束算法剔除误匹配点 | 第37-38页 |
| 4.4 仿真实验结果分析 | 第38-42页 |
| 4.4.1 特征向量稀疏且剔除误匹配点前后的结果 | 第38-40页 |
| 4.4.2 算法改进前后的匹配率对比 | 第40-42页 |
| 4.4.3 算法的性能对比 | 第42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于融合的粒子滤波的移动机器人定位研究 | 第43-57页 |
| 5.1 引言 | 第43-44页 |
| 5.2 基于概率的机器人室外定位算法 | 第44-49页 |
| 5.2.1 状态空间模型 | 第44页 |
| 5.2.2 贝叶斯滤波原理 | 第44-47页 |
| 5.2.3 基于贝叶斯滤波的机器人定位算法 | 第47-49页 |
| 5.3 基于融合EKF和UKF的粒子滤波机器人定位 | 第49-55页 |
| 5.3.1 粒子滤波算法 | 第50-51页 |
| 5.3.2 融合粒子滤波算法 | 第51-55页 |
| 5.4 仿真实验分析 | 第55-56页 |
| 5.4.1 图像数据库建立 | 第55页 |
| 5.4.2 特征相似度计算及分析 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第64-65页 |
| 致谢 | 第65页 |