智能车辆视觉里程计图像特征点匹配算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及研究的目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 课题研究内容 | 第13-14页 |
| 1.4 论文结构和安排 | 第14-16页 |
| 第2章 图像特征点匹配相关技术研究 | 第16-23页 |
| 2.1 图像预处理 | 第16-17页 |
| 2.2 图像匹配的理论知识 | 第17-19页 |
| 2.2.1 空间几何变换模型 | 第17-18页 |
| 2.2.2 匹配的数学定义 | 第18页 |
| 2.2.3 匹配的过程构成要素 | 第18-19页 |
| 2.3 图像匹配算法的分类 | 第19-21页 |
| 2.3.1 基于灰度信息的图像匹配算法 | 第19-20页 |
| 2.3.2 基于特征的图像匹配算法 | 第20-21页 |
| 2.4 图像匹配性能评价 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 图像特征点提取 | 第23-31页 |
| 3.1 尺度空间 | 第23-24页 |
| 3.2 特征点检测 | 第24-26页 |
| 3.2.1 Harris角点检测 | 第24-25页 |
| 3.2.2 LOG斑点检测 | 第25-26页 |
| 3.3 基于尺度空间的特征点提取算法 | 第26-29页 |
| 3.3.1 构建多尺度空间 | 第26-27页 |
| 3.3.2 空间极值点检测 | 第27-28页 |
| 3.3.3 消除边缘响应 | 第28页 |
| 3.3.4 子像素插值 | 第28-29页 |
| 3.4 实验结果与分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 图像特征点匹配 | 第31-44页 |
| 4.1 特征点描述 | 第31-34页 |
| 4.1.1 基于梯度直方图的局部特征描述符 | 第31-32页 |
| 4.1.2 基于二进制位串的图局部特征描述符 | 第32-34页 |
| 4.2 RANSAC特征点提纯算法 | 第34-37页 |
| 4.2.1 对极几何和基础矩阵求解 | 第34-36页 |
| 4.2.2 RANSAC算法 | 第36-37页 |
| 4.3 基于双向预筛选的图像匹配方法 | 第37-39页 |
| 4.3.1 哈希表与哈希查找 | 第37-38页 |
| 4.3.2 Hamming距离 | 第38页 |
| 4.3.3 基于双向预筛选的图像匹配方法描述 | 第38-39页 |
| 4.4 实验及结果分析 | 第39-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于双向预筛选图像匹配的视觉里程计 | 第44-56页 |
| 5.1 视觉里程计的系统框架 | 第44-45页 |
| 5.2 图像信息的获取 | 第45-47页 |
| 5.2.1 景物成像模型 | 第45-46页 |
| 5.2.2 特征点三维重建 | 第46-47页 |
| 5.3 图像特征点提取和跟踪匹配 | 第47-49页 |
| 5.4 视觉里程计的运动估计 | 第49-51页 |
| 5.4.1 运动估计数学模型 | 第49-50页 |
| 5.4.2 运动估计的求解 | 第50-51页 |
| 5.4.3 运动估计的优化 | 第51页 |
| 5.5 实验结果与分析 | 第51-55页 |
| 5.5.1 实验设备和测试平台 | 第51-52页 |
| 5.5.2 性能指标 | 第52页 |
| 5.5.3 KITTI数据集测试结果 | 第52-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |
