| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 惯性/视觉组合导航研究现状 | 第11-15页 |
| 1.2.1 惯性导航技术 | 第11-12页 |
| 1.2.2 视觉导航技术 | 第12-14页 |
| 1.2.3 惯性/视觉组合导航技术 | 第14-15页 |
| 1.3 论文的结构安排 | 第15-17页 |
| 第2章 捷联惯性导航系统 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 惯导系统的基础知识 | 第17-21页 |
| 2.2.1 常用坐标系 | 第17-18页 |
| 2.2.2 姿态表示法及坐标变换 | 第18-21页 |
| 2.3 捷联惯性导航系统的机械编排方程 | 第21-23页 |
| 2.3.1 速度解算方程 | 第21-22页 |
| 2.3.2 位置解算方程 | 第22页 |
| 2.3.3 姿态解算方程 | 第22-23页 |
| 2.4 捷联惯性导航系统的误差方程 | 第23-25页 |
| 2.4.1 姿态误差方程 | 第23-24页 |
| 2.4.2 速度误差方程 | 第24-25页 |
| 2.4.3 姿态误差方程 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于特征点提取的单目视觉导航 | 第26-44页 |
| 3.1 引言 | 第26页 |
| 3.2 摄像机成像原理 | 第26-29页 |
| 3.2.1 视觉系统中坐标系 | 第26-27页 |
| 3.2.2 摄像机成像模型 | 第27-29页 |
| 3.3 基于SIFT特征点提取技术及其改进 | 第29-33页 |
| 3.3.1 基于SIFT特征点提取算法 | 第30-32页 |
| 3.3.2 算法优化 | 第32-33页 |
| 3.4 基于SIFT特征点匹配技术及其改进 | 第33-35页 |
| 3.4.1 相似性度量 | 第33-34页 |
| 3.4.2 基于SIFT特征的图像匹配算法 | 第34-35页 |
| 3.4.3 算法优化 | 第35页 |
| 3.5 运动估计 | 第35-38页 |
| 3.5.1 对极几何 | 第35-36页 |
| 3.5.2 基础矩阵与本质矩阵 | 第36-37页 |
| 3.5.3 基于RANSAC的八点法基础矩阵求解 | 第37-38页 |
| 3.6 实验结果与分析 | 第38-43页 |
| 3.6.1 运行时间对比与分析 | 第38-40页 |
| 3.6.2 正确匹配对比与分析 | 第40-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 惯性/视觉组合导航系统数据融合 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 惯性/视觉组合系统总体概述 | 第44-45页 |
| 4.3 惯性/视觉组合系统模型的建立 | 第45-48页 |
| 4.3.1 基于SINS误差方程的状态模型 | 第45-46页 |
| 4.3.2 基于相对运动参数差的量测模型 | 第46-48页 |
| 4.4 Kalman滤波 | 第48-49页 |
| 4.5 数学仿真 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 基于多模型鲁棒滤波的惯性/视觉组合导航系统 | 第52-68页 |
| 5.1 引言 | 第52页 |
| 5.2 多模型估计理论 | 第52-57页 |
| 5.2.1 多模型基本原理 | 第52-53页 |
| 5.2.2 交互式多模型算法 | 第53-57页 |
| 5.3 基于Huber鲁棒滤波的多模型算法 | 第57-60页 |
| 5.3.1 Huber滤波基本原理 | 第57-58页 |
| 5.3.2 IMM-Huber滤波算法 | 第58-60页 |
| 5.4 实验结果与分析 | 第60-67页 |
| 5.4.1 数学仿真 | 第60-65页 |
| 5.4.2 车载试验 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |