基于单目视觉的多传感器组合导航算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTARACT | 第9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 视觉SLAM研究现状 | 第17-18页 |
| 1.2.2 Visual/INS研究现状 | 第18-19页 |
| 1.2.3 GPS/INS组合导航算法研究现状 | 第19页 |
| 1.3 研究内容与章节安排 | 第19-21页 |
| 第二章 SLAM相关技术概述 | 第21-37页 |
| 2.1 视觉SLAM基本理论 | 第21-33页 |
| 2.1.1 相机模型 | 第21-22页 |
| 2.1.2 视觉SLAM基本框架 | 第22-33页 |
| 2.2 惯导系统基本理论 | 第33-36页 |
| 2.2.1 姿态解算 | 第34-35页 |
| 2.2.2 速度解算 | 第35-36页 |
| 2.2.3 位置解算 | 第36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 Visual/INS组合导航算法 | 第37-53页 |
| 3.1 单目视觉ORB SLAM2关键技术研究 | 第37-41页 |
| 3.1.1 基于模型选择的自动初始化 | 第38-39页 |
| 3.1.2 关键帧选择策略 | 第39-41页 |
| 3.2 IMU预积分 | 第41-42页 |
| 3.3 VINS初始化 | 第42-44页 |
| 3.3.1 陀螺仪零偏估计 | 第42-43页 |
| 3.3.2 尺度估计 | 第43页 |
| 3.3.3 加速度零偏估计 | 第43-44页 |
| 3.4 基于非线性优化的视觉惯导融合 | 第44-47页 |
| 3.5 实验结果与分析 | 第47-52页 |
| 3.5.1 Euroc数据集测试 | 第47-50页 |
| 3.5.2 室内实际场景测试 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 Visual/GPS/INS组合导航算法 | 第53-65页 |
| 4.1 卡尔曼滤波器设计 | 第53-55页 |
| 4.2 GPS/INS辅助单目视觉尺度估计 | 第55-56页 |
| 4.3 GPS/INS辅助VINS位姿估计 | 第56-58页 |
| 4.4 组合导航算法试验验证 | 第58-64页 |
| 4.4.1 平台搭建 | 第58-60页 |
| 4.4.2 实际跑车测试 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第72-73页 |
