基于人工特征的惯性/视觉无人机位姿估计研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.2 国内外在该方向的研究现状及分析 | 第11-16页 |
| 1.2.1 国外研究现状 | 第11-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 计算机视觉基础与特征检测 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 刚体位置姿态的表示理论 | 第18-24页 |
| 2.2.1 刚体姿态的表示 | 第18-23页 |
| 2.2.2 刚体三维空间运动的表示 | 第23-24页 |
| 2.3 摄像机成像（观测）模型及内参标定 | 第24-26页 |
| 2.3.1 坐标系的定义 | 第24页 |
| 2.3.2 线性摄像机模型（针孔模型） | 第24-26页 |
| 2.4 人工特征的检测 | 第26-31页 |
| 2.4.1 二维码的检测 | 第26-28页 |
| 2.4.2 二维码的解码 | 第28-29页 |
| 2.4.3 二维码的编码 | 第29-30页 |
| 2.4.4 二维码的检测结果 | 第30-31页 |
| 2.5 透视N点问题 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于扩展卡尔曼滤波的惯性/视觉位姿估计 | 第33-53页 |
| 3.1 引言 | 第33页 |
| 3.2 坐标系定义 | 第33-34页 |
| 3.3 状态的初始化 | 第34-35页 |
| 3.3.1 IMU状态的初始化 | 第34-35页 |
| 3.3.2 二维码状态的初始化 | 第35页 |
| 3.4 卡尔曼滤波器的设计 | 第35-43页 |
| 3.4.1 预测更新 | 第35-39页 |
| 3.4.2 量测更新 | 第39-43页 |
| 3.5 系统能观性分析 | 第43-45页 |
| 3.5.1 非线性系统可观性判定依据 | 第43-44页 |
| 3.5.2 位姿估计可观性分析 | 第44-45页 |
| 3.6 基于ROS以及gazebo的仿真测试 | 第45-47页 |
| 3.6.1 ROS与Gazebo简介 | 第45-46页 |
| 3.6.2 仿真环境的搭建 | 第46页 |
| 3.6.3 实验结果 | 第46-47页 |
| 3.7 基于数据集的测试 | 第47-52页 |
| 3.8 本章小结 | 第52-53页 |
| 第4章 基于最小二乘的惯性/视觉位姿估计 | 第53-72页 |
| 4.1 引言 | 第53页 |
| 4.2 最小二乘优化思路 | 第53-56页 |
| 4.3 IMU的预积分 | 第56-65页 |
| 4.3.1 IMU预计分的观测量 | 第56-57页 |
| 4.3.2 IMU观测量的协方差矩阵 | 第57-60页 |
| 4.3.3 IMU量测量的残差函数 | 第60页 |
| 4.3.4 零偏的修正 | 第60-62页 |
| 4.3.5 残差函数关于状态量的雅各比矩阵 | 第62-65页 |
| 4.4 二维码误差模型 | 第65-66页 |
| 4.5 仿真实验 | 第66页 |
| 4.6 数据集实验 | 第66-71页 |
| 4.7 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 附录 | 第79-82页 |
| A.1 能观性矩阵的推导 | 第79页 |
| A.2 能观性矩阵列满秩证明 | 第79-82页 |
| 致谢 | 第82页 |
