| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 课题的研究现状 | 第11-13页 |
| 1.2.1 双目视觉定位技术发展现状 | 第11页 |
| 1.2.2 水下目标定位发展现状 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 水下双目立体视觉模型 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 水下双目视觉系统环境 | 第16-17页 |
| 2.2.1 双目视觉系统的硬件平台 | 第16-17页 |
| 2.2.2 双目视觉系统的软件平台 | 第17页 |
| 2.3 建立双目视觉模型 | 第17-23页 |
| 2.3.1 相关坐标系 | 第17-21页 |
| 2.3.2 摄像机线性模型 | 第21-22页 |
| 2.3.3 摄像机非线性模型 | 第22-23页 |
| 2.4 双目摄像头标定 | 第23-25页 |
| 2.4.1 张氏标定法 | 第23-24页 |
| 2.4.2 摄像头模型立体矫正 | 第24-25页 |
| 2.5 实验结果与分析 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 水下图像特征匹配与定位 | 第28-46页 |
| 3.1 引言 | 第28页 |
| 3.2 水下图像预处理 | 第28-31页 |
| 3.2.1 常用滤波方法 | 第28-29页 |
| 3.2.2 水下图像滤波实验 | 第29-31页 |
| 3.3 图像分割 | 第31-36页 |
| 3.3.1 最大类间方差法 | 第31-32页 |
| 3.3.2 FCM聚类 | 第32-33页 |
| 3.3.3 基于G-MRF纹理信息的FMC图像分割算法 | 第33-35页 |
| 3.3.4 实验结果与分析 | 第35-36页 |
| 3.4 ORB特征点提取及匹配 | 第36-39页 |
| 3.4.1 FAST特征提取 | 第36-37页 |
| 3.4.2 rBRIEF特征描述 | 第37-38页 |
| 3.4.3 特征匹配 | 第38-39页 |
| 3.5 立体匹配 | 第39-41页 |
| 3.5.1 极线约束 | 第39页 |
| 3.5.2 匹配子 | 第39-40页 |
| 3.5.3 误匹配点消除 | 第40-41页 |
| 3.6 三维坐标计算 | 第41-44页 |
| 3.6.1 估计目标位置 | 第41-42页 |
| 3.6.2 目标与摄像头的位置关系 | 第42-43页 |
| 3.6.3 水中三维坐标的估算 | 第43-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 基于双目视觉的SLAM研究 | 第46-54页 |
| 4.1 引言 | 第46页 |
| 4.2 移动机器人SLAM系统介绍 | 第46-48页 |
| 4.3 水下运动模型的SLAM算法研究 | 第48-51页 |
| 4.4 基于双目视觉的ORB-SLAM2算法研究 | 第51-53页 |
| 4.4.1 ORB-SLAM概述 | 第51-52页 |
| 4.4.2 ORB-SLAM实现步骤 | 第52-53页 |
| 4.4.3 使用双目光束优化法 | 第53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 实验结果及分析 | 第54-62页 |
| 5.1 基于立体视觉的目标定位 | 第54-57页 |
| 5.2 基于ORB-SLAM2的自身定位 | 第57-60页 |
| 5.2.1 ORB-SLAM2地面实验 | 第57-59页 |
| 5.2.2 ORB-SLAM2水下实验 | 第59-60页 |
| 5.3 本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-72页 |
| 致谢 | 第72页 |