基于惯导的视觉定位匹配算法的改进
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容和设计指标 | 第11-12页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 设计指标 | 第11-12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 计算机视觉被动定位基本原理 | 第15-27页 |
| 2.1 计算机视觉被动定位的基本流程 | 第15-16页 |
| 2.2 摄像机和WiFi融合定位 | 第16-20页 |
| 2.2.1 WiFi定位基本原理 | 第16-19页 |
| 2.2.2 轨迹预测 | 第19-20页 |
| 2.2.3 融合定位 | 第20页 |
| 2.3 摄像机和惯导融合定位 | 第20-26页 |
| 2.3.1 运动速度匹配算法 | 第21-25页 |
| 2.3.2 运动方向匹配算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于运动特征筛选的匹配算法 | 第27-37页 |
| 3.1 基于运动特征匹配算法流程 | 第27-28页 |
| 3.2 现有的匹配算法分析 | 第28-32页 |
| 3.2.1 Teixeira算法 | 第28-29页 |
| 3.2.2 行人密集场景分析 | 第29-32页 |
| 3.3 本文匹配算法 | 第32-35页 |
| 3.3.1 图像定位坐标处理 | 第33页 |
| 3.3.2 跟踪筛选 | 第33-34页 |
| 3.3.3 排除干扰点 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于惯导运动特征的筛选方法 | 第37-55页 |
| 4.1 运动特征的提取 | 第37-48页 |
| 4.1.1 传感器的选择 | 第37-38页 |
| 4.1.2 匹配特征的选择 | 第38-39页 |
| 4.1.3 方向信息提取 | 第39-48页 |
| 4.2 基于运动特征的筛选 | 第48-54页 |
| 4.2.1 搜索区域张开角 | 第49-50页 |
| 4.2.2 搜索区域半径 | 第50-51页 |
| 4.2.3 图像定位误差对于筛选的影响 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 验证结果及分析 | 第55-65页 |
| 5.1 仿真测试 | 第55-60页 |
| 5.1.1 仿真环境搭建 | 第55-56页 |
| 5.1.2 测试指标 | 第56页 |
| 5.1.3 筛选算法测试 | 第56页 |
| 5.1.4 删除节点测试 | 第56-57页 |
| 5.1.5 路径跟踪段数与匹配率 | 第57-58页 |
| 5.1.6 路径混淆解决效果 | 第58-59页 |
| 5.1.7 与Teixeira算法对比 | 第59-60页 |
| 5.2 实测 | 第60-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表论文 | 第73页 |
