| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 视觉导航方法 | 第11页 |
| 1.2.2 视觉导航的发展 | 第11-13页 |
| 1.2.3 多传感器导航 | 第13-14页 |
| 1.2.4 研究内容与创新点 | 第14-15页 |
| 1.3 主要内容和章节安排 | 第15-16页 |
| 第二章 计算机视觉基础理论 | 第16-32页 |
| 2.1 相机标定算法 | 第16-21页 |
| 2.1.1 坐标系关系介绍 | 第16-19页 |
| 2.1.2 三大坐标系 | 第19-21页 |
| 2.2 特征匹配算法 | 第21-25页 |
| 2.2.1 SURF特征匹配算法 | 第22-23页 |
| 2.2.2 ORB特征匹配算法 | 第23-25页 |
| 2.3 相机外参估计算法 | 第25-32页 |
| 2.3.1 图像深度计算 | 第25-27页 |
| 2.3.2 相机外参求解算法 | 第27-32页 |
| 第三章 基于landmark检测的导航算法 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 DBSCAN算法介绍 | 第32-33页 |
| 3.2.1 算法涉及基本定义 | 第32-33页 |
| 3.2.2 DBSCAN算法 | 第33页 |
| 3.3 基于特征密集区域提取的导航算法 | 第33-37页 |
| 3.3.1 SIFTGPU | 第34-35页 |
| 3.3.2 特征点删减（features reduction） | 第35页 |
| 3.3.3 改进的DBSCAN算法简介 | 第35-36页 |
| 3.3.4 Landmark选取 | 第36-37页 |
| 3.4 选址避障算法 | 第37-40页 |
| 3.5 基于sailency区域提取的导航算法 | 第40-48页 |
| 3.5.1 Sailency Map构建 | 第41-42页 |
| 3.5.2 Features构建 | 第42-43页 |
| 3.5.3 SVM分类器 | 第43页 |
| 3.5.4 SVM算法简介 | 第43-45页 |
| 3.5.5 训练及分类结果 | 第45-48页 |
| 第四章 融合IMU的ORB-SLAM导航算法 | 第48-61页 |
| 4.1 引言 | 第48页 |
| 4.2 ORB-SLAM导航算法介绍 | 第48-51页 |
| 4.2.1 ORB-SLAM初始化 | 第48-50页 |
| 4.2.2 图优化 | 第50-51页 |
| 4.3 IMU标定 | 第51-53页 |
| 4.3.1 加速度计 | 第51-52页 |
| 4.3.2 陀螺仪 | 第52-53页 |
| 4.4 结合IMU的ORB-SLAM的导航算法 | 第53-61页 |
| 4.4.1 IMU融合 | 第53-57页 |
| 4.4.2 实验数据与结果 | 第57-61页 |
| 第五章 总结与期望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间参加的科研项目和成果 | 第67页 |