| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 论文的目的和意义 | 第11-13页 |
| 1.2 视觉里程计辅助的INS/GPS组合导航的发展及现状 | 第13-22页 |
| 1.2.1 组合导航系统的发展及现状 | 第13-18页 |
| 1.2.2 视觉里程计辅助的组合导航技术的发展及现状 | 第18-20页 |
| 1.2.3 组合导航技术中滤波技术的发展 | 第20-22页 |
| 1.3 论文主要研究内容 | 第22-24页 |
| 第2章 双目立体视觉系统 | 第24-33页 |
| 2.1 视觉系统中的坐标系 | 第24-26页 |
| 2.1.1 图像坐标系 | 第24-25页 |
| 2.1.2 像平面坐标系 | 第25页 |
| 2.1.3 摄像机坐标系 | 第25页 |
| 2.1.4 世界坐标系 | 第25-26页 |
| 2.2 摄像机的标定 | 第26-28页 |
| 2.3 双目视觉的成像 | 第28-30页 |
| 2.4 双目视觉里程计 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 视觉特征提取算法研究 | 第33-55页 |
| 3.1 三种常用的特征提取算法 | 第33-38页 |
| 3.1.1 SIFT特征提取算法 | 第33-34页 |
| 3.1.2 SURF特征提取算法 | 第34-36页 |
| 3.1.3 FAST特征提取算法 | 第36-38页 |
| 3.2 三种特征提取算法的对比分析 | 第38-48页 |
| 3.2.1 特征提取算法的评价准则 | 第38-39页 |
| 3.2.2 实验数据 | 第39-41页 |
| 3.2.3 实验结果与分析 | 第41-48页 |
| 3.3 改进的FAST特征提取算法 | 第48-50页 |
| 3.4 实验分析 | 第50-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第4章 基于改进FAST方法的视觉里程计 | 第55-76页 |
| 4.1 双目视觉里程计 | 第55页 |
| 4.2 基于改进FAST的双目视觉里程计 | 第55-58页 |
| 4.3 实验分析 | 第58-75页 |
| 4.3.1 实验数据 | 第58-63页 |
| 4.3.2 实验结果与分析 | 第63-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第5章 基于VCE的CKF非线性滤波算法 | 第76-92页 |
| 5.1 基于VCE的自适应滤波算法 | 第76-81页 |
| 5.2 CKF非线性滤波算法 | 第81-82页 |
| 5.3 基于VCE的自适应CKF滤波算法 | 第82-85页 |
| 5.4 仿真分析 | 第85-91页 |
| 5.4.1 二维方位跟踪模型 | 第85-87页 |
| 5.4.2 五维目标跟踪模型 | 第87-91页 |
| 5.5 本章小结 | 第91-92页 |
| 第6章 VCE自适应CKF滤波算法在视觉里程计辅助的组合导航中的应用研究 | 第92-109页 |
| 6.1 组合导航系统的非线性误差模型 | 第92-94页 |
| 6.1.1 状态模型 | 第92-94页 |
| 6.1.2 观测模型 | 第94页 |
| 6.2 组合导航系统的非线性滤波算法 | 第94-96页 |
| 6.3 实验分析 | 第96-108页 |
| 6.3.1 实验数据 | 第96-99页 |
| 6.3.2 实验结果与分析 | 第99-108页 |
| 6.4 本章小结 | 第108-109页 |
| 结论 | 第109-111页 |
| 参考文献 | 第111-124页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第124-126页 |
| 致谢 | 第126页 |
