| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 图目录 | 第16-19页 |
| 表目录 | 第19-20页 |
| 1 绪论 | 第20-49页 |
| 1.1 研究背景和意义 | 第20-26页 |
| 1.2 传统定位与视觉定位 | 第26-32页 |
| 1.2.1 传统定位方法 | 第26-28页 |
| 1.2.2 基于视觉的定位方法 | 第28-31页 |
| 1.2.3 视觉定位算法性能比较 | 第31-32页 |
| 1.3 视觉里程计算法的发展 | 第32-36页 |
| 1.4 基于特征点匹配的双目视觉里程计基本原理 | 第36-46页 |
| 1.4.1 特征点的检测与描述 | 第38-40页 |
| 1.4.2 特征匹配 | 第40-42页 |
| 1.4.3 特征点三维重建 | 第42-43页 |
| 1.4.4 运动估计 | 第43-45页 |
| 1.4.5 双目VO的关键问题 | 第45-46页 |
| 1.5 论文内容和结构 | 第46-49页 |
| 2 视觉里程计的高精度优化 | 第49-78页 |
| 2.1 引言 | 第49-50页 |
| 2.2 相关工作 | 第50-52页 |
| 2.2.1 维特征点的不确定度 | 第50-51页 |
| 2.2.2 三维点的不确定度计算 | 第51页 |
| 2.2.3 最大似然估计 | 第51-52页 |
| 2.3 两阶段局部双目光束法平差 | 第52-59页 |
| 2.3.1 BA与LBA | 第52-55页 |
| 2.3.2 TLBBA | 第55-59页 |
| 2.4 实验结果与分析 | 第59-77页 |
| 2.4.1 实验设备与测试环境 | 第59-61页 |
| 2.4.2 性能指标 | 第61页 |
| 2.4.3 校园环境实验结果与分析 | 第61-68页 |
| 2.4.4 KITTI数据集实验结果 | 第68-77页 |
| 2.5 本章小结 | 第77-78页 |
| 3 实时双目视觉里程计的实现 | 第78-99页 |
| 3.1 引言 | 第78-79页 |
| 3.2 GPGPU概述 | 第79-82页 |
| 3.2.1 GPU与CPU性能比较 | 第79-81页 |
| 3.2.2 基于GLSL的GPGPU编程 | 第81-82页 |
| 3.3 基于GPGPU的SIFT特征提取 | 第82-87页 |
| 3.3.1 尺度空间极值检测 | 第82-84页 |
| 3.3.2 关键点定位 | 第84页 |
| 3.3.3 关键点主方向计算 | 第84-85页 |
| 3.3.4 关键点特征描述 | 第85-86页 |
| 3.3.5 基于GPGPU加速的SIFT算法 | 第86-87页 |
| 3.4 基于GPGPU加速的运动估计 | 第87-91页 |
| 3.4.1 基于三对三维点的HORN运动估计方法 | 第87-89页 |
| 3.4.2 基于RanSaC的外点滤除 | 第89-90页 |
| 3.4.3 基于GPGPU加速的运动估计算法 | 第90-91页 |
| 3.5 基于网格筛选的特征控制 | 第91-93页 |
| 3.6 基于多线程的并行处理 | 第93-94页 |
| 3.7 实验结果与分析 | 第94-98页 |
| 3.7.1 基于GPGPU的SIFT特征提取实验结果 | 第94-96页 |
| 3.7.2 基于GPGPU的运动估计实验结果 | 第96页 |
| 3.7.3 实时双目VO系统实验结果 | 第96-98页 |
| 3.8 本章小结 | 第98-99页 |
| 4 基于自适应多特征图像片压缩跟踪的局部航向角计算 | 第99-120页 |
| 4.1 引言 | 第99-101页 |
| 4.2 基于压缩感知的自适应多特征图像片表观模型 | 第101-107页 |
| 4.2.1 压缩亮度特征 | 第101-102页 |
| 4.2.2 压缩SURF特征 | 第102-104页 |
| 4.2.3 基于特征区分度的自适应统计模型 | 第104-107页 |
| 4.3 基于图像片压缩跟踪的局部航向角计算 | 第107-111页 |
| 4.4 实验结果分析 | 第111-119页 |
| 4.4.1 自适应多特征表观模型的性能分析 | 第111-114页 |
| 4.4.2 基于图像片压缩跟踪的航向角计算精度测试 | 第114-117页 |
| 4.4.3 基于图像片跟踪的航向角计算对定位结果的改善 | 第117-119页 |
| 4.5 本章小结 | 第119-120页 |
| 5 基于在线全景图像路标的全局位姿校正 | 第120-143页 |
| 5.1 引言 | 第120-123页 |
| 5.2 基于自适应压缩特征的全景图像描述 | 第123-125页 |
| 5.3 在线建立全景路标 | 第125-128页 |
| 5.3.1 路标检测 | 第125-127页 |
| 5.3.2 路标描述 | 第127-128页 |
| 5.4 全局位姿校正 | 第128-133页 |
| 5.4.1 基于多级特征的任意方向路标匹配 | 第128-131页 |
| 5.4.2 位姿校正 | 第131-133页 |
| 5.5 实验结果与分析 | 第133-142页 |
| 5.5.1 全景图像中自适应压缩特征的匹配特性 | 第133-138页 |
| 5.5.2 全局位姿校正算法的性能分析 | 第138-139页 |
| 5.5.3 “增强型”视觉定位系统 | 第139-142页 |
| 5.6 本章小结 | 第142-143页 |
| 6 总结与展望 | 第143-146页 |
| 6.1 本文工作总结 | 第143-145页 |
| 6.2 研究工作展望 | 第145-146页 |
| 参考文献 | 第146-153页 |
| 攻读博士期间学术成果 | 第153页 |
