基于视觉与惯导融合的定位算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 移动机器人定位问题发展与现状 | 第12-17页 |
| 1.2.1 增量式运动估计 | 第12-13页 |
| 1.2.2 同步定位与建图 | 第13-16页 |
| 1.2.3 多传感器融合 | 第16页 |
| 1.2.4 视觉惯导融合状态估计 | 第16-17页 |
| 1.3 本文的主要内容及安排 | 第17-19页 |
| 第2章 基于ESKF模型的IMU姿态估计 | 第19-33页 |
| 2.1 惯性导航系统 | 第19-20页 |
| 2.1.1 惯性导航基本原理 | 第19-20页 |
| 2.1.2 传感器测量模型 | 第20页 |
| 2.2 姿态误差状态卡尔曼滤波 | 第20-29页 |
| 2.2.1 误差状态卡尔曼滤波 | 第20-22页 |
| 2.2.2 姿态预测模型 | 第22-26页 |
| 2.2.3 姿态观测模型 | 第26-28页 |
| 2.2.4 姿态预测更新与观测更新 | 第28-29页 |
| 2.3 实验结果 | 第29-33页 |
| 第3章 视觉路标估计 | 第33-51页 |
| 3.1 相机模型与标定 | 第33-37页 |
| 3.1.1 针孔相机模型 | 第33-35页 |
| 3.1.2 相机标定 | 第35-37页 |
| 3.2 特征点检测 | 第37-42页 |
| 3.2.1 FAST特征检测 | 第38-40页 |
| 3.2.2 特征点旋转方向 | 第40页 |
| 3.2.3 BRIEF特征描述 | 第40-42页 |
| 3.3 特征点跟踪 | 第42-46页 |
| 3.4 多视角特征点位置估计 | 第46-51页 |
| 3.4.1 三角法计算特征初值 | 第47页 |
| 3.4.2 高斯牛顿优化特征位置 | 第47-51页 |
| 第4章 视觉惯导融合 | 第51-67页 |
| 4.1 多状态约束卡尔曼滤波算法概述 | 第52-54页 |
| 4.2 IMU状态预测 | 第54-58页 |
| 4.2.1 状态向量和协方差定义 | 第54-55页 |
| 4.2.2 系统运动学方程 | 第55-56页 |
| 4.2.3 位置预测模型 | 第56-58页 |
| 4.3 相机状态增广 | 第58-59页 |
| 4.4 视觉路标重投影观测模型 | 第59-64页 |
| 4.5 滤波器更新 | 第64-67页 |
| 第5章 闭环检测与优化 | 第67-71页 |
| 5.1 词袋模型 | 第67-69页 |
| 5.2 位姿捆级调整 | 第69-71页 |
| 5.2.1 重投影误差构造优化模型 | 第69-70页 |
| 5.2.2 优化求解 | 第70-71页 |
| 第6章 视觉惯导融合实验 | 第71-77页 |
| 6.1 实验平台介绍 | 第71-72页 |
| 6.2 实验结果 | 第72-77页 |
| 6.2.1 基于KITTI数据集实验 | 第72-74页 |
| 6.2.2 实际平台测试实验 | 第74-77页 |
| 第7章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 攻读硕士研究生期间主要成果 | 第87页 |
