基于街景与航拍图像配准的视觉定位技术
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 章节安排 | 第15-17页 |
| 第二章 视觉定位技术概述 | 第17-27页 |
| 2.1 视觉SLAM | 第17-19页 |
| 2.1.1 基于滤波的方法 | 第18-19页 |
| 2.1.2 基于图优化的方法 | 第19页 |
| 2.2 基于图像表现的视觉定位技术 | 第19-22页 |
| 2.2.1 基于单视角的方法 | 第20-21页 |
| 2.2.2 基于多视角的方法 | 第21-22页 |
| 2.3 基于模型的视觉定位技术 | 第22-25页 |
| 2.3.1 基于三维模型的方法 | 第22-24页 |
| 2.3.2 基于二维模型的方法 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 街景图像特征提取 | 第27-48页 |
| 3.1 问题背景 | 第27-29页 |
| 3.1.1 拟曼哈顿世界假设 | 第27-28页 |
| 3.1.2 直线段检测 | 第28-29页 |
| 3.2 LSD直线段检测器 | 第29-31页 |
| 3.3 多尺度直线段检测 | 第31-38页 |
| 3.3.1 算法思想 | 第31-32页 |
| 3.3.2 图像余弦相似度 | 第32-33页 |
| 3.3.3 最优尺度选择策略 | 第33-36页 |
| 3.3.4 角边补足 | 第36-37页 |
| 3.3.5 算法流程 | 第37-38页 |
| 3.4 实验与分析 | 第38-46页 |
| 3.4.1 稳定性测评模型 | 第39-40页 |
| 3.4.2 客观测评 | 第40-45页 |
| 3.4.3 主观测评 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 航拍图像特征提取 | 第48-66页 |
| 4.1 问题背景 | 第48-51页 |
| 4.1.1 角点检测 | 第48-50页 |
| 4.1.2 基于全卷积神经网络的语义分割技术 | 第50-51页 |
| 4.2 DeepLab模型 | 第51-54页 |
| 4.3 基于全卷积神经网络的建筑物角点检测 | 第54-62页 |
| 4.3.1 算法思想 | 第54-55页 |
| 4.3.2 建筑物区域分割 | 第55-60页 |
| 4.3.3 轮廓曲线提取 | 第60-61页 |
| 4.3.4 算法流程 | 第61-62页 |
| 4.4 实验结果与分析 | 第62-65页 |
| 4.4.1 评估指标 | 第62-63页 |
| 4.4.2 角点检测算法测评 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 视觉定位 | 第66-85页 |
| 5.1 问题背景 | 第66-67页 |
| 5.2 航拍图像特征编码 | 第67-68页 |
| 5.3 街景图像特征编码 | 第68-72页 |
| 5.3.1 相机阵列 | 第69-71页 |
| 5.3.2 特征编码 | 第71-72页 |
| 5.4 特征配准 | 第72-77页 |
| 5.4.1 编码相似度 | 第72页 |
| 5.4.2 稳定性分析 | 第72-76页 |
| 5.4.3 配准与定位 | 第76-77页 |
| 5.5 实验结果与分析 | 第77-83页 |
| 5.5.1 微场景环境 | 第77-80页 |
| 5.5.2 城市环境 | 第80-83页 |
| 5.6 本章小结 | 第83-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 总结 | 第85-86页 |
| 6.2 展望 | 第86-87页 |
| 参考文献 | 第87-94页 |
| 附录 | 第94-96页 |
| 参与项目 | 第94页 |
| 专利申请 | 第94页 |
| 论文发表情况 | 第94-95页 |
| 中英文名词对照 | 第95-96页 |
| 致谢 | 第96-97页 |
