基于GPS惯导视觉的测姿研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究概况 | 第15-18页 |
| 1.2.1 GPS测姿技术现状研究 | 第15页 |
| 1.2.2 惯导系统测姿技术现状研究 | 第15-16页 |
| 1.2.3 视觉测姿技术现状研究 | 第16-17页 |
| 1.2.4 CUDA技术现状与发展 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 第二章 测姿系统原理 | 第20-38页 |
| 2.1 GPS系统 | 第20-29页 |
| 2.1.1 GPS概述 | 第20-23页 |
| 2.1.2 坐标系关系及姿态角 | 第23-24页 |
| 2.1.3 GPS测姿基本原理 | 第24-27页 |
| 2.1.4 GPS单天线测姿误差分析 | 第27-29页 |
| 2.2 惯性导航系统 | 第29-34页 |
| 2.2.1 惯性导航系统简介 | 第29-31页 |
| 2.2.2 姿态角速度计算 | 第31页 |
| 2.2.3 四元数与姿态矩阵 | 第31-33页 |
| 2.2.4 速度与位置计算 | 第33-34页 |
| 2.3 视觉系统 | 第34-36页 |
| 2.3.1 特征点检测 | 第34-35页 |
| 2.3.2 特征点匹配 | 第35页 |
| 2.3.3 旋转矩阵与姿态角的转换 | 第35-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 特征点提取与匹配 | 第38-58页 |
| 3.1 常用特征点提取算法 | 第38-43页 |
| 3.1.1 SURF算法 | 第38-41页 |
| 3.1.2 ORB算法 | 第41-43页 |
| 3.2 特征点匹配 | 第43-45页 |
| 3.2.1 基于汉明距离的暴力匹配 | 第43-44页 |
| 3.2.2 基于RANSAC的优化匹配 | 第44-45页 |
| 3.3 基于CUDA加速的ORB与暴力匹配 | 第45-47页 |
| 3.4 实验对比 | 第47-57页 |
| 3.4.1 实验设备及环境 | 第48-50页 |
| 3.4.2 特征点提取与匹配 | 第50-54页 |
| 3.4.3 误匹配剔除 | 第54-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 视觉测姿系统 | 第58-75页 |
| 4.1 2 D图像对极约束测姿 | 第58-62页 |
| 4.1.1 对极约束 | 第58-60页 |
| 4.1.2 本质矩阵的SVD分解 | 第60-62页 |
| 4.2 3 D图像ICP测姿 | 第62-66页 |
| 4.2.1 ICP匹配关系的建立 | 第62页 |
| 4.2.2 ICP线性优化求解 | 第62-64页 |
| 4.2.3 基于g2o的图优化 | 第64-66页 |
| 4.3 视觉系统实验 | 第66-74页 |
| 4.3.1 实验设备及环境 | 第66-68页 |
| 4.3.3 视觉测姿可行性实验 | 第68-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第五章 多系统组合测姿模型 | 第75-94页 |
| 5.1 卡尔曼滤波 | 第75-78页 |
| 5.2 GPS单天线/惯导的组合测姿算法 | 第78-85页 |
| 5.3 GPS单天线/视觉的组合测姿算法 | 第85-86页 |
| 5.4 跑车测姿实验 | 第86-92页 |
| 5.4.1 实验设备及环境 | 第86-87页 |
| 5.4.2 单天线实验 | 第87-89页 |
| 5.4.3 组合测姿实验 | 第89-92页 |
| 5.5 本章小结 | 第92-94页 |
| 第六章 总结与展望 | 第94-96页 |
| 6.1 工作总结 | 第94-95页 |
| 6.2 研究展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100-101页 |
| 攻读硕士学位期间的科研工作 | 第101页 |
