路网约束下的视觉定位优化方法
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-23页 |
| 1.1 课题研究背景和意义 | 第13-17页 |
| 1.2 机器人与定位技术的发展及研究现状 | 第17-21页 |
| 1.2.1 机器人与无人车的发展及现状 | 第17-19页 |
| 1.2.2 视觉定位技术 | 第19-21页 |
| 1.3 本文组织结构及主要工作 | 第21-23页 |
| 2 视觉里程计及优化 | 第23-37页 |
| 2.1 视觉里程计简介 | 第23-29页 |
| 2.1.1 双目立体视觉成像原理 | 第24-25页 |
| 2.1.2 特征点提取 | 第25-27页 |
| 2.1.3 特征点的匹配 | 第27-28页 |
| 2.1.4 运动参数估计 | 第28-29页 |
| 2.2 视觉里程计的关键问题 | 第29-30页 |
| 2.3 视觉里程计的优化 | 第30-36页 |
| 2.3.1 基于局部的优化 | 第30-32页 |
| 2.3.2 基于全局的优化 | 第32-33页 |
| 2.3.3 基于多传感器融合的优化方法 | 第33-35页 |
| 2.3.4 基于路网地图的约束方法 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 基于分段轨迹与路网地图匹配的定位修正 | 第37-47页 |
| 3.1 一种基于锚点的轨迹表示方法 | 第37-40页 |
| 3.1.1 锚点的定义 | 第37-38页 |
| 3.1.2 锚点实时提取算法 | 第38-40页 |
| 3.2 路网地图 | 第40-43页 |
| 3.2.1 电子地图简介 | 第40-41页 |
| 3.2.2 路网地图构建 | 第41-43页 |
| 3.3 基于轨迹间相似度的地图匹配 | 第43-46页 |
| 3.3.1 轨迹相似度模型 | 第43-45页 |
| 3.3.2 基于相似度模型的定位修正 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于多位置联合粒子滤波的视觉定位优化算法 | 第47-67页 |
| 4.1 基于粒子滤波的定位方法 | 第47-51页 |
| 4.1.1 粒子滤波理论概述 | 第47-50页 |
| 4.1.2 基于粒子滤波框架的视觉定位传统方法 | 第50-51页 |
| 4.2 基于多位置联合粒子滤波的定位方法 | 第51-58页 |
| 4.2.1 多位置联合粒子滤波算法原理概述 | 第52-54页 |
| 4.2.2 算法流程示例 | 第54-58页 |
| 4.3 实验与评估 | 第58-66页 |
| 4.3.1 参数选择 | 第59-60页 |
| 4.3.2 与视觉里程计的对比实验 | 第60-63页 |
| 4.3.3 与传统方法的比较结果 | 第63-64页 |
| 4.3.4 长距离定位优化实验验证 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 本文工作总结 | 第67-68页 |
| 5.2 未来工作展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间主要的研究成果 | 第74页 |
