| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第17-33页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.2 国内外研究现状及存在的问题 | 第19-30页 |
| 1.2.1 非结构场景下视觉导航技术研究进展 | 第20-25页 |
| 1.2.2 非结构场景下视觉/惯性组合导航技术研究进展 | 第25-27页 |
| 1.2.3 移动机器人路径规划技术研究进展 | 第27-30页 |
| 1.3 论文的研究内容与组织结构 | 第30-33页 |
| 第二章 相机成像与相对运动估计方法研究 | 第33-55页 |
| 2.1 相机成像模型 | 第33-35页 |
| 2.1.1 针孔相机成像模型 | 第33-35页 |
| 2.1.2 相机镜头畸变模型 | 第35页 |
| 2.2 影像畸变校正 | 第35-42页 |
| 2.2.1 基本矩阵约束的相机畸变校正 | 第36-40页 |
| 2.2.2 实验与分析 | 第40-42页 |
| 2.3 相对运动估计模型 | 第42-43页 |
| 2.4 特征点法和直接法运动估计对比分析 | 第43-52页 |
| 2.4.1 特征点法位姿估计模型 | 第43-44页 |
| 2.4.2 直接法位姿估计模型 | 第44-45页 |
| 2.4.3 位姿估计模型求解 | 第45-48页 |
| 2.4.4 实验与分析 | 第48-52页 |
| 2.5 本章小结 | 第52-55页 |
| 第三章 高精度实时视觉里程计方法研究 | 第55-73页 |
| 3.1 基于先验信息的单目视觉里程计 | 第56-63页 |
| 3.1.1 基于两视图几何的位姿估计 | 第56-59页 |
| 3.1.2 基于先验信息的单目尺度恢复 | 第59-60页 |
| 3.1.3 算法实现流程 | 第60-61页 |
| 3.1.4 实验与分析 | 第61-63页 |
| 3.2 结合光流跟踪和三焦点张量约束的双目视觉里程计方法 | 第63-71页 |
| 3.2.1 相机投影模型 | 第63-64页 |
| 3.2.2 三视图几何关系 | 第64页 |
| 3.2.3 光流跟踪 | 第64-65页 |
| 3.2.4 算法数学模型 | 第65-68页 |
| 3.2.5 算法实现流程 | 第68页 |
| 3.2.6 实验与分析 | 第68-71页 |
| 3.3 本章小结 | 第71-73页 |
| 第四章 顾及动态路标点的稳健图优化视觉导航模型构建与实现 | 第73-93页 |
| 4.1 传统图优化视觉导航模型 | 第74-75页 |
| 4.1.1 视觉导航的最大后验概率问题建模 | 第74-75页 |
| 4.1.2 视觉导航的非线性优化问题建模 | 第75页 |
| 4.2 顾及动态路标点的稳健图优化视觉导航算法 | 第75-79页 |
| 4.2.1 模型建立 | 第75-76页 |
| 4.2.2 模型求解 | 第76-79页 |
| 4.3 算法实现框架 | 第79-80页 |
| 4.3.1 跟踪线程 | 第79-80页 |
| 4.3.2 局部优化线程 | 第80页 |
| 4.4 实验与分析 | 第80-92页 |
| 4.4.1 仿真数据集实验 | 第80-83页 |
| 4.4.2 真实数据集实验 | 第83-88页 |
| 4.4.3 实测数据实验 | 第88-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第五章 基于非线性优化的单目视觉/惯性组合导航算法 | 第93-111页 |
| 5.1 三维旋转的李群表示与坐标系约定 | 第94-95页 |
| 5.1.1 三维旋转的李群表示 | 第94-95页 |
| 5.1.2 单目视觉/惯性系统坐标系约定 | 第95页 |
| 5.2 测量数据预处理 | 第95-97页 |
| 5.2.1 视觉前端图像预处理 | 第95-96页 |
| 5.2.2 IMU测量数据处理 | 第96-97页 |
| 5.3 单目视觉/惯性组合系统快速高精度初始化方法 | 第97-101页 |
| 5.3.1 局部窗口内的视觉SFM | 第98-99页 |
| 5.3.2 视觉/IMU分步初始化方法 | 第99-101页 |
| 5.4 视觉/惯性紧耦合非线性优化 | 第101-105页 |
| 5.4.1 基于非线性优化的视觉/惯性紧耦合模型 | 第101-104页 |
| 5.4.2 结合地图三维点的滑动窗口优化 | 第104页 |
| 5.4.3 利用IMU更新获取高速率导航信息输出 | 第104-105页 |
| 5.5 算法实现系统框图 | 第105-106页 |
| 5.6 实验与分析 | 第106-110页 |
| 5.6.1 数据说明 | 第106-107页 |
| 5.6.2 视觉/IMU初始化性能实验 | 第107-108页 |
| 5.6.3 算法导航性能实验 | 第108-110页 |
| 5.7 本章小结 | 第110-111页 |
| 第六章 移动机器人全局动态路径规划方法研究 | 第111-131页 |
| 6.1 经典路径规划算法研究与分析 | 第111-119页 |
| 6.1.1 基于节点的方法：A*算法 | 第111-113页 |
| 6.1.2 基于模型的方法：人工势场法 | 第113-114页 |
| 6.1.3 基于采样的方法：PRM算法 | 第114-116页 |
| 6.1.4 基于生物启发式的方法：蚁群算法 | 第116-118页 |
| 6.1.5 对比与分析 | 第118-119页 |
| 6.2 改进的A*算法 | 第119-121页 |
| 6.2.1 优化启发函数 | 第119-120页 |
| 6.2.2 关键点选取策略 | 第120-121页 |
| 6.3 融合A*算法和动态窗口法的全局动态路径规划方法 | 第121-125页 |
| 6.3.1 动态窗口法 | 第121-123页 |
| 6.3.2 构造顾及全局最优路径的评价函数 | 第123-124页 |
| 6.3.3 算法流程 | 第124-125页 |
| 6.4 实验与分析 | 第125-128页 |
| 6.4.1 全局路径规划实验 | 第125-127页 |
| 6.4.2 动态避障实验 | 第127-128页 |
| 6.5 本章小结 | 第128-131页 |
| 第七章 总结与展望 | 第131-135页 |
| 7.1 论文的主要工作与创新点 | 第131-133页 |
| 7.2 进一步研究展望 | 第133-135页 |
| 致谢 | 第135-136页 |
| 参考文献 | 第136-150页 |
| 附录 | 第150-157页 |
| A.1 多元微分 | 第150页 |
| A.2 泰勒级数 | 第150-151页 |
| A.3 非线性优化理论 | 第151-153页 |
| A.4 李群及相关知识 | 第153-157页 |
| 作者简历 | 第157-158页 |
