| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 机器人导航的发展和现状 | 第12-14页 |
| 1.2.1 惯性导航 | 第12页 |
| 1.2.2 GPS导航 | 第12页 |
| 1.2.3 激光导航 | 第12-13页 |
| 1.2.4 磁导航 | 第13页 |
| 1.2.5 视觉导航 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文结构 | 第15-17页 |
| 2 基于视觉导航特征提取理论基础 | 第17-26页 |
| 2.1 图像特征点提取方法 | 第17页 |
| 2.2 Harris角点检测方法 | 第17-18页 |
| 2.3 SIFT特征点提取算法 | 第18-21页 |
| 2.4 SURF特征点提取算法 | 第21-23页 |
| 2.5 实验及分析 | 第23-26页 |
| 3 特征图形集离线数据生成方法及软件 | 第26-36页 |
| 3.1 软件平台的介绍 | 第26页 |
| 3.2 基于SURF算法特征图形集数据预处理软件的设计与实现 | 第26-31页 |
| 3.3 离线特征图形集路径的软件制作及数据生成原理 | 第31-34页 |
| 3.3.1 软件制作 | 第31-32页 |
| 3.3.2 离线路径数据的生成原理 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 一种基于特征图形的匹配策略 | 第36-55页 |
| 4.1 三角网络的生成 | 第36-37页 |
| 4.2 匹配策略 | 第37-42页 |
| 4.3 实验结果与分析 | 第42-54页 |
| 4.3.1 测试初始点集最优点的数量实验 | 第43-45页 |
| 4.3.2 模拟数据实验 | 第45-49页 |
| 4.3.3 真实场景图片实验 | 第49-54页 |
| 4.4 结论 | 第54-55页 |
| 5 视觉导航模型的建立与求解 | 第55-71页 |
| 5.1 导航模型中运动载体的位姿解算 | 第55-58页 |
| 5.1.1 基础矩阵的简介 | 第55-56页 |
| 5.1.2 基础矩阵的计算 | 第56-57页 |
| 5.1.3 旋转矩阵的计算 | 第57-58页 |
| 5.1.4 旋转角度及位移计算 | 第58页 |
| 5.2 获取图像的局部区域 | 第58-61页 |
| 5.3 离线路径检索策略 | 第61-63页 |
| 5.4 实验结果分析 | 第63-70页 |
| 5.5 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71页 |
| 6.2 论文有待解决的问题 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间学术成果 | 第78页 |