致谢 | 第5-7页 |
摘要 | 第7-8页 |
Abstract | 第8页 |
第一章 绪论 | 第13-22页 |
1.1 课题研究背景与意义 | 第13-16页 |
1.1.1 多传感器融合导航算法的研究背景 | 第13-15页 |
1.1.2 课题的研究目的及意义 | 第15-16页 |
1.2 导航定位算法的研究现状 | 第16-18页 |
1.2.1 GPS/INS组合导航算法的研究现状 | 第16-17页 |
1.2.2 视觉(Visual) SLAM技术的研究现状 | 第17-18页 |
1.3 本文研究内容及章节安排 | 第18-22页 |
1.3.1 论文研究主要内容 | 第18-20页 |
1.3.2 本文章节安排 | 第20-22页 |
第二章 视觉导航定位系统 | 第22-36页 |
2.1 视觉基础知识 | 第22-28页 |
2.1.1 导航系统参考坐标系定义 | 第22-24页 |
2.1.2 相机线性模型 | 第24页 |
2.1.3 李群与李代数 | 第24-27页 |
2.1.4 图像金字塔 | 第27-28页 |
2.2 特征匹配与姿态跟踪 | 第28-33页 |
2.2.1 特征点的检测 | 第28-31页 |
2.2.2 姿态解算 | 第31-33页 |
2.3 立体几何与点云图(Map Point) | 第33-34页 |
2.3.1 点云图的意义 | 第33页 |
2.3.2 极线约束与立体几何原理 | 第33-34页 |
2.3.3 三角化与点云图建立 | 第34页 |
2.4 本章小结 | 第34-36页 |
第三章 Visual/INS融合导航算法 | 第36-53页 |
3.1 运动学模型基础理论 | 第36-38页 |
3.1.1 状态变量定义与多传感器异步处理 | 第36-37页 |
3.1.2 四元数与旋转矩阵 | 第37-38页 |
3.2 IMU运动学传播方程模型 | 第38-42页 |
3.2.1 运动学基本方程的建立 | 第38-40页 |
3.2.2 两幅图像帧间运动学传播方程及其线性化 | 第40-42页 |
3.3 Visual/INS融合导航系统优化算法 | 第42-52页 |
3.3.1 视觉SLAM系统的最小二乘估计问题 | 第42-46页 |
3.3.2 Visual/NS融合导航算法优化目标泛函 | 第46-47页 |
3.3.3 运动学残差方程及其Jacobian矩阵 | 第47-51页 |
3.3.4 视觉残差方程及其雅克比矩阵 | 第51-52页 |
3.4 本章小结 | 第52-53页 |
第四章 GPS异常状态下GPS/Visual/INS融合导航算法 | 第53-67页 |
4.1 GPS精度因子数学模型 | 第53-55页 |
4.1.1 GPS定位原理 | 第53页 |
4.1.2 GPS定位误差 | 第53页 |
4.1.3 GPS定位精度建模 | 第53-55页 |
4.2 GPS异常状态检测 | 第55-57页 |
4.2.1 连续长时间状态异常 | 第55-56页 |
4.2.2 频繁跳变频数 | 第56-57页 |
4.2.3 GPS失锁检测 | 第57页 |
4.3 GPS异常状态下的多传感器融合算法 | 第57-65页 |
4.3.1 多传感器导航定位的基本原理及框图 | 第57-58页 |
4.3.2 GPS/Visual/INS多传感器融合导航算法 | 第58-62页 |
4.3.3 多传感器融合的图优化过程 | 第62-65页 |
4.4 本章小结 | 第65-67页 |
第五章 GPS/Visual/INS融合导航算法的实验验证 | 第67-84页 |
5.1 实验平台搭建及传感器标定 | 第67-71页 |
5.1.1 实验平台搭建及坐标轴定义 | 第67页 |
5.1.2 传感器型号及参数 | 第67-69页 |
5.1.3 传感器参数标定 | 第69-71页 |
5.2 GPS/Visual/INS融合导航算法实验验证 | 第71-80页 |
5.2.1 与Visual/INS组合导航系统的实验对比 | 第71-73页 |
5.2.2 与GPS/NS组合导航的实验对比 | 第73-78页 |
5.2.3 与磁罗盘偏航角的实验对比结果 | 第78-80页 |
5.3 复杂环境下GPS/Visual/INS融合算法的实验验证 | 第80-83页 |
5.3.1 实验方案设计 | 第80-81页 |
5.3.2 街道复杂环境下GPS/Visual/INS实验效果 | 第81-83页 |
5.4 本章小结 | 第83-84页 |
第六章 总结与展望 | 第84-86页 |
6.1 全文总结 | 第84-85页 |
6.2 课题展望 | 第85-86页 |
参考文献 | 第86-91页 |