| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 视觉定位研究现状 | 第9-11页 |
| 1.2.2 城市街景发展现状 | 第11-13页 |
| 1.3 研究内容及技术路线 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第2章 城市街景影像数据获取与预处理 | 第16-26页 |
| 2.1 研究数据概述 | 第16页 |
| 2.2 街景影像数据获取 | 第16-21页 |
| 2.2.1 原理概述 | 第16-17页 |
| 2.2.2 参数设置 | 第17-18页 |
| 2.2.3 程序设计 | 第18-20页 |
| 2.2.4 实现效果 | 第20-21页 |
| 2.3 街景影像数据入库 | 第21-24页 |
| 2.3.1 文件命名规则 | 第22页 |
| 2.3.2 数据库设计 | 第22-24页 |
| 2.4 街景影像灰度化 | 第24-25页 |
| 2.4.1 原理概述 | 第24页 |
| 2.4.2 灰度化处理 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 城市街景影像特征的最近邻查询 | 第26-46页 |
| 3.1 街景影像特征描述方法选型 | 第26-27页 |
| 3.1.1 街景影像特点分析 | 第26页 |
| 3.1.2 街景影像特征选择标准 | 第26-27页 |
| 3.2 基于SIFT的街景影像特征表达 | 第27-32页 |
| 3.2.1 尺度空间极值点检测 | 第28-30页 |
| 3.2.2 关键点位置的确定 | 第30-31页 |
| 3.2.3 关键点方向指定 | 第31页 |
| 3.2.4 特征描述子生成 | 第31-32页 |
| 3.3 基于K-d树的最近邻查询 | 第32-34页 |
| 3.3.1 最近邻查询问题概述 | 第32-33页 |
| 3.3.2 K-d树的最近邻查询算法 | 第33-34页 |
| 3.3.3 K-d树算法缺点分析 | 第34页 |
| 3.4 基于层次K-means树的最近邻查询 | 第34-39页 |
| 3.4.1 K-means聚类 | 第34-36页 |
| 3.4.2 层次聚类 | 第36-37页 |
| 3.4.3 基于层次K-means树的索引构建 | 第37-39页 |
| 3.4.4 最近邻查询实现 | 第39页 |
| 3.5 最近邻查询实验分析 | 第39-44页 |
| 3.5.1 实验目的 | 第39-40页 |
| 3.5.2 实验设置 | 第40-42页 |
| 3.5.3 结果与分析 | 第42-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 基于城市街景影像的视觉定位 | 第46-62页 |
| 4.1 视觉定位方法概述 | 第46-47页 |
| 4.2 考虑地理位置的特征匹配优化 | 第47-51页 |
| 4.2.1 问题分析 | 第47-49页 |
| 4.2.2 优化模型设计 | 第49-50页 |
| 4.2.3 优化算法实现 | 第50-51页 |
| 4.3 基于MATLAB语言的城市街景视觉定位实现 | 第51-56页 |
| 4.3.1 开发环境 | 第51页 |
| 4.3.2 实验数据 | 第51-52页 |
| 4.3.3 程序实现 | 第52-55页 |
| 4.3.4 运行效果 | 第55-56页 |
| 4.4 城市街景视觉定位实验分析 | 第56-61页 |
| 4.4.1 定位精度评价 | 第59-60页 |
| 4.4.2 系统性能分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 结论与展望 | 第62-64页 |
| 5.1 研究结论 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士期间发表论文及科研情况 | 第69-70页 |
| 致谢 | 第70-71页 |