| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 激光雷达技术 | 第11页 |
| 1.2.2 图像立体视觉技术 | 第11-12页 |
| 1.2.3 多传感器数据融合技术 | 第12页 |
| 1.2.4 三维建模技术 | 第12页 |
| 1.3 研究内容 | 第12-15页 |
| 第二章 相关关键技术 | 第15-20页 |
| 2.1 激光雷达的标定技术 | 第15-16页 |
| 2.2 相机标定技术 | 第16-17页 |
| 2.3 多传感器数据融合技术 | 第17-18页 |
| 2.4 并行计算 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 多传感器数据融合 | 第20-52页 |
| 3.1 相机模型 | 第20-23页 |
| 3.1.1 线性相机成像模型 | 第20-23页 |
| 3.1.2 非线性相机成像模型 | 第23页 |
| 3.2 相机的标定 | 第23-27页 |
| 3.2.1 彩色相机的成像模型 | 第24-25页 |
| 3.2.2 彩色相机的标定 | 第25-27页 |
| 3.3 激光雷达模型 | 第27-32页 |
| 3.3.1 点云解算 | 第27-28页 |
| 3.3.2 距离误差模型 | 第28-29页 |
| 3.3.3 雷达的内参标定 | 第29页 |
| 3.3.4 雷达的外参标定 | 第29-32页 |
| 3.4 多传感器数据融合 | 第32-33页 |
| 3.5 室内定位系统 | 第33-41页 |
| 3.5.1 高度直方图方法进行点云提取 | 第34页 |
| 3.5.2 基于霍夫变换原理实现墙面检测的原理 | 第34-36页 |
| 3.5.3 基于CCL算法检测峰值的原理 | 第36-38页 |
| 3.5.4 雷达定位算法 | 第38-41页 |
| 3.6 实验结果及应用 | 第41-51页 |
| 3.6.1 平面标定物二维角点检测结果 | 第42-43页 |
| 3.6.2 相机标定结果 | 第43页 |
| 3.6.3 雷达内参标定结果 | 第43-45页 |
| 3.6.4 雷达外参标定结果 | 第45-46页 |
| 3.6.5 基于棋盘格和墙面的联合标定结果 | 第46-47页 |
| 3.6.6 室内定位系统结果 | 第47-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 基于多传感器融合的室内三维重建系统 | 第52-62页 |
| 4.1 系统结构 | 第52-53页 |
| 4.2 全局坐标转换 | 第53-57页 |
| 4.2.1 全局定位模型 | 第54页 |
| 4.2.2 数据匹配 | 第54-55页 |
| 4.2.3 迭代扩展卡尔曼滤波算法 | 第55-57页 |
| 4.3 基于CUDA的GPU编程实现实时图像处理技术 | 第57-58页 |
| 4.4 实验结果及分析 | 第58-61页 |
| 4.4.1 陀螺仪与雷达信息融合结果图 | 第58页 |
| 4.4.2 全局定位算法分析 | 第58-60页 |
| 4.4.3 系统实验结果 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 在学期间的研究成果 | 第69-70页 |
| 致谢 | 第70页 |