| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 视觉里程计的发展现状及趋势 | 第15-18页 |
| 1.3 视觉里程计关键算法研究现状 | 第18-21页 |
| 1.3.1 特征模块算法研究现状 | 第18-19页 |
| 1.3.2 位姿估计模块算法研究现状 | 第19-21页 |
| 1.4 本文的内容安排 | 第21-22页 |
| 第二章 视觉里程计系统模型 | 第22-38页 |
| 2.1 视觉里程计系统结构组成与工作原理 | 第22-24页 |
| 2.1.1 视觉里程计系统结构组成 | 第22-23页 |
| 2.1.2 视觉里程计工作原理 | 第23-24页 |
| 2.2 摄像机模型 | 第24-28页 |
| 2.2.1 坐标系 | 第24-26页 |
| 2.2.2 线性模型 | 第26-27页 |
| 2.2.3 非线性模型 | 第27-28页 |
| 2.3 摄像机标定 | 第28-35页 |
| 2.3.1 标定方法概述 | 第28-29页 |
| 2.3.2 张氏平面标定法基本原理 | 第29-31页 |
| 2.3.3 基于二维视觉测量的摄像机标定算法 | 第31-33页 |
| 2.3.4 基于二维平面迭代优化的摄像机标定算法 | 第33-35页 |
| 2.4 摄像机标定实验 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 视觉里程计特征模块算法研究 | 第38-54页 |
| 3.1 传统的特征模块算法 | 第38-43页 |
| 3.1.1 SIFT算法基本原理 | 第38-41页 |
| 3.1.2 Harris角点提取算法基本原理 | 第41-43页 |
| 3.2 基于Harris和SIFT深度融合的特征算法 | 第43-46页 |
| 3.2.1 算法研究背景 | 第43页 |
| 3.2.2 算法基本原理 | 第43-46页 |
| 3.3 获取特征匹配集合 | 第46-48页 |
| 3.3.1 基于跟踪的方法 | 第47页 |
| 3.3.2 基于匹配的方法 | 第47-48页 |
| 3.4 算法仿真及性能分析 | 第48-53页 |
| 3.4.1 计算复杂度分析 | 第48-50页 |
| 3.4.2 仿真结果分析 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 视觉里程计位姿估计模块算法 | 第54-76页 |
| 4.1 位姿估计问题 | 第54-55页 |
| 4.2 对极几何约束和基础矩阵 | 第55-57页 |
| 4.2.1 对极几何约束 | 第55-56页 |
| 4.2.2 基础矩阵 | 第56-57页 |
| 4.3 RANSAC算法 | 第57-59页 |
| 4.4 传统位姿估计算法 | 第59-64页 |
| 4.4.1 5点位姿估计算法 | 第59-61页 |
| 4.4.2 基于车辆运动模型的位姿估计算法 | 第61-64页 |
| 4.5 一种快速位姿估计算法 | 第64-67页 |
| 4.6 实验结果 | 第67-74页 |
| 4.6.1 仿真实验 | 第67-69页 |
| 4.6.2 实车离线实验 | 第69-74页 |
| 4.7 本章小结 | 第74-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 本文工作总结 | 第76-77页 |
| 5.2 研究工作不足及展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 在学期间的研究成果及发表的学术论文 | 第84页 |