| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究背景与意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.3 论文工作内容 | 第20-21页 |
| 1.4 论文组织形式 | 第21-23页 |
| 第二章 相关技术概述 | 第23-33页 |
| 2.1 惯性导航系统概述 | 第23页 |
| 2.2 光流法 | 第23-26页 |
| 2.2.1 Lucas-Kanade光流法 | 第24-26页 |
| 2.2.2 金字塔光流法 | 第26页 |
| 2.3 卡尔曼滤波 | 第26-28页 |
| 2.3.1 离散线性卡尔曼滤波 | 第27-28页 |
| 2.3.2 扩展卡尔曼滤波 | 第28页 |
| 2.4 移动端GPU加速技术 | 第28-32页 |
| 2.4.1 OpenGL ES简介 | 第29-30页 |
| 2.4.2 OpenGL ES 2.0 着色器语言 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 计算机视觉协助定位算法实现 | 第33-51页 |
| 3.1 特征点提取算法 | 第34-35页 |
| 3.2 基于OPENGL ES并行加速的金字塔LUCAS-KANADE光流法 | 第35-43页 |
| 3.2.1 OpenGL ES 2.0 纹理与帧缓存 | 第35-38页 |
| 3.2.2 构建金字塔 | 第38-39页 |
| 3.2.3 迭代跟踪运算 | 第39-43页 |
| 3.3 基于光流跟踪的特征点匹配算法求解SFM问题 | 第43-49页 |
| 3.3.1 摄像机内参数模型 | 第44页 |
| 3.3.2 极线几何约束 | 第44-46页 |
| 3.3.3 二视图的SFM问题求解 | 第46-47页 |
| 3.3.4 三角测量 | 第47-49页 |
| 3.4 PNP问题求解 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 计算机视觉协助的智能手机惯性导航算法实现 | 第51-59页 |
| 4.1 智能手机传感器介绍 | 第51-52页 |
| 4.2 传感器数据获取以及CORE MOTION框架介绍 | 第52-53页 |
| 4.3 积分求解及零速检测算法 | 第53-55页 |
| 4.4 基于卡尔曼滤波融合算法 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 实验与分析 | 第59-69页 |
| 5.1 金字塔LUCAS-KANADE光流法对比实验结果及分析 | 第59-60页 |
| 5.2 室内导航实验 | 第60-67页 |
| 5.3 室内导航实验分析 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
