基于立体相机的室外移动机器人视觉里程计方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 室外移动机器人定位的研究现状 | 第11-12页 |
| 1.2.2 视觉里程计的研究现状 | 第12-14页 |
| 1.2.3 现有方法存在的问题 | 第14-15页 |
| 1.3 论文主要内容与目标 | 第15-16页 |
| 1.4 论文章节安排 | 第16-19页 |
| 第二章 多目立体视觉系统的标定方法 | 第19-35页 |
| 2.1 立体视觉原理 | 第19-24页 |
| 2.1.1 常用坐标系定义 | 第19-21页 |
| 2.1.2 立体成像模型 | 第21-24页 |
| 2.2 立体相机标定 | 第24-29页 |
| 2.2.1 张正友单目标定方法 | 第24-27页 |
| 2.2.2 双目标定方法 | 第27-28页 |
| 2.2.3 三目标定方法 | 第28-29页 |
| 2.3 实验结果 | 第29-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 视觉里程计中的特征匹配和跟踪算法 | 第35-51页 |
| 3.1 立体视觉中的SIFT特征点 | 第35-40页 |
| 3.1.1 建立尺度空间 | 第36-37页 |
| 3.1.2 建立检测尺度空间极值点 | 第37-38页 |
| 3.1.3 为每个特征点指定方向参数 | 第38-39页 |
| 3.1.4 特征点描述子的生成 | 第39-40页 |
| 3.2 SIFT特征点匹配 | 第40-44页 |
| 3.2.1 极线约束 | 第40-41页 |
| 3.2.2 极线校正 | 第41页 |
| 3.2.3 基于BBF树的特征点匹配 | 第41-43页 |
| 3.2.4 匹配的约束条件 | 第43-44页 |
| 3.3 SIFT特征点跟踪 | 第44-45页 |
| 3.4 实验结果 | 第45-50页 |
| 3.4.1 特征点提取实验 | 第45-46页 |
| 3.4.2 特征点匹配实验 | 第46-48页 |
| 3.4.3 特征点跟踪实验 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 视觉里程计中的运动估计算法 | 第51-71页 |
| 4.1 运动估计 | 第51-58页 |
| 4.1.1 运动估计的数学模型 | 第51-52页 |
| 4.1.2 最小二乘法和RANSAC | 第52-57页 |
| 4.1.3 光束平差 | 第57-58页 |
| 4.2 机器人位姿推算与运动模型建立 | 第58-60页 |
| 4.3 卡尔曼滤波估计 | 第60-62页 |
| 4.4 惯导信息融合 | 第62-63页 |
| 4.5 实验结果 | 第63-69页 |
| 4.5.1 实验平台介绍 | 第63-64页 |
| 4.5.2 短距离定位实验 | 第64-67页 |
| 4.5.3 长距离定位实验 | 第67-69页 |
| 4.6 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 作者在攻读硕士期间发表的论文 | 第81页 |
