| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 无人机运动跟踪的国内外研究现状 | 第11-14页 |
| 1.2.1 无人机运动跟踪研究现状 | 第11-13页 |
| 1.2.2 基于单传感器的位姿估计方法研究现状 | 第13页 |
| 1.2.3 融合多传感器数据的相对位姿估计方法研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容和结构安排 | 第14-17页 |
| 1.3.1 本文的主要研究内容 | 第14-15页 |
| 1.3.2 结构安排 | 第15-17页 |
| 第2章 相关理论与技术 | 第17-33页 |
| 2.1 姿态描述 | 第17-23页 |
| 2.1.1 坐标系定义与转换 | 第17-18页 |
| 2.1.2 欧拉角与旋转矩阵 | 第18-20页 |
| 2.1.3 四元数 | 第20-23页 |
| 2.1.4 四元数与旋转矩阵 | 第23页 |
| 2.2 惯性测量单元误差分析 | 第23-25页 |
| 2.2.1 IMU量程与带宽 | 第24页 |
| 2.2.2 IMU偏差 | 第24页 |
| 2.2.3 IMU随机游走噪声 | 第24-25页 |
| 2.3 ROS操作系统 | 第25-27页 |
| 2.3.1 ROS操作系统介绍 | 第25-26页 |
| 2.3.2 ROS消息机制 | 第26-27页 |
| 2.4 数据融合方案 | 第27-32页 |
| 2.4.1 卡尔曼滤波 | 第28页 |
| 2.4.2 扩展卡尔曼滤波 | 第28-29页 |
| 2.4.3 无迹卡尔曼滤波 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 融合手机和无人机的多传感数据模型构建 | 第33-49页 |
| 3.1 多传感器数据融合模型 | 第33页 |
| 3.2 ANDROID惯性测量单元模型分析 | 第33-38页 |
| 3.2.1 Android传感器架构 | 第33-35页 |
| 3.2.2 Android传感器数据获取 | 第35-37页 |
| 3.2.3 Android传感器数据采集结果 | 第37-38页 |
| 3.3 无人机传感器数据模型分析 | 第38-47页 |
| 3.3.1 相机成像模型 | 第39-42页 |
| 3.3.2 相机参数标定 | 第42-47页 |
| 3.3.3 相机IMU模块标定 | 第47页 |
| 3.4 多速率卡尔曼滤波 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于多速率扩展卡尔曼滤波的相对位姿求解 | 第49-62页 |
| 4.1 基于视觉和IMU的相对位姿求解方案 | 第49页 |
| 4.2 基于惯性测量单元的状态模型 | 第49-53页 |
| 4.2.1 IMU测量模型 | 第50页 |
| 4.2.2 IMU状态选取 | 第50-51页 |
| 4.2.3 IMU状态估计 | 第51-52页 |
| 4.2.4 IMU误差状态 | 第52-53页 |
| 4.2.5 无人机跟踪系统全状态方程 | 第53页 |
| 4.3 基于相机的测量模型 | 第53-60页 |
| 4.3.1 基于ORB特征点的目标检测 | 第54-58页 |
| 4.3.2 基于RANSAC方法的特征匹配 | 第58-59页 |
| 4.3.3 视觉测量更新 | 第59-60页 |
| 4.4 状态更新 | 第60-61页 |
| 4.4.1 相对位姿更新 | 第60-61页 |
| 4.4.2 无人机跟踪策略 | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 无人机运动目标跟踪实验分析 | 第62-70页 |
| 5.1 无人机运动目标跟踪实验平台搭建 | 第62-63页 |
| 5.2 POSIT算法 | 第63-66页 |
| 5.2.1 POSIT算法描述 | 第63-66页 |
| 5.2.2 POSIT算法步骤 | 第66页 |
| 5.3 相对位姿实验结果与分析 | 第66-69页 |
| 5.3.1 无人机运动目标跟踪实测数据集 | 第66-67页 |
| 5.3.2 无人机运动目标跟踪模拟 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 结论与展望 | 第70-72页 |
| 6.1 研究工作总结 | 第70页 |
| 6.2 未来工作的展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间参加的科研项目和成果 | 第77页 |