面向特征地图的无人机自主定位技术
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 无人机视觉定位研究现状 | 第9-14页 |
| 1.2.1 国内图像导航定位研究综述 | 第9-11页 |
| 1.2.2 国外图像导航定位研究综述 | 第11-14页 |
| 1.3 无人机图像导航定位关键问题 | 第14页 |
| 1.4 本文主要研究内容以及章节安排 | 第14-17页 |
| 2 自然场景的特征提取和环境建模 | 第17-29页 |
| 2.1 自然场景的环境表示 | 第17-21页 |
| 2.1.1 栅格尺度地图表示方法 | 第17-18页 |
| 2.1.2 OctoMap三维空间地图表示方法 | 第18-19页 |
| 2.1.3 拓扑地图表示方法 | 第19页 |
| 2.1.4 城市特征地图的构建 | 第19-21页 |
| 2.2 图像特征描述方法 | 第21-24页 |
| 2.2.1 实值特征 | 第21-23页 |
| 2.2.2 二值特征 | 第23-24页 |
| 2.3 基于视觉的自主定位方法 | 第24-28页 |
| 2.3.1 隐马尔科夫模型 | 第24-26页 |
| 2.3.2 Bag-of-Features模型 | 第26-27页 |
| 2.3.3 视觉里程计模型 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 二进制FA-ORB特征匹配方法 | 第29-45页 |
| 3.1 ORB特征提取算法 | 第29-31页 |
| 3.1.1 ORB特征提取 | 第29-30页 |
| 3.1.2 ORB特征描述 | 第30-31页 |
| 3.2 仿射摄像机模型 | 第31-32页 |
| 3.3 基于搜索的虚拟视角生成 | 第32-34页 |
| 3.4 Fast Affine-ORB算法 | 第34-38页 |
| 3.4.1 图像预处理与特征匹配 | 第36-37页 |
| 3.4.2 消除错误匹配 | 第37-38页 |
| 3.4.3 生成中间图像 | 第38页 |
| 3.5 实验结果与分析 | 第38-44页 |
| 3.5.1 实验结果分析 | 第38-42页 |
| 3.5.2 对比实验分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 基于词汇树的图像快速匹配模型 | 第45-57页 |
| 4.1 视觉词汇树模型 | 第45-49页 |
| 4.1.1 词汇树的构建 | 第46-48页 |
| 4.1.2 词频向量 | 第48-49页 |
| 4.1.3 图像相似性度量 | 第49页 |
| 4.2 基于倒序搜索的大规模图像检索 | 第49-51页 |
| 4.3 基于图像特征的仿射图像快速匹配算法 | 第51-53页 |
| 4.4 实验 | 第53-56页 |
| 4.4.1 不同特征描述子下的准确率测试 | 第53-55页 |
| 4.4.2 不同规模数据集下性能对比 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 基于特征地图的无人机定位 | 第57-67页 |
| 5.1 图像信息的稀疏化表示 | 第57页 |
| 5.2 基于特征地图环境建模 | 第57-59页 |
| 5.3 支持向量机模型 | 第59-61页 |
| 5.4 基于词汇树和支持向量机的定位算法 | 第61-62页 |
| 5.5 实验与分析 | 第62-65页 |
| 5.5.1 实验设置 | 第62-63页 |
| 5.5.2 不同参数设置对算法影响 | 第63-64页 |
| 5.5.3 不同局部视觉特征对算法影响 | 第64-65页 |
| 5.5.4 不同核函数对算法影响 | 第65页 |
| 5.6 本章小结 | 第65-67页 |
| 6 总结展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75页 |
