文摘
英文文摘
声明
第1章绪论
1.1课题研究的背景及意义
1.1.1移动机器人定位的研究背景及意义
1.1.2基于全景视觉的移动机器人定位
1.2国内外研究现状
1.2.1 移动机器人定位国内外研究现状
1.2.2 图像特征提取国内外现状
1.2.3粒子滤波定位的国内外现状
1.3本论文的关键技术及主要工作
第2章 基于全景视觉的移动机器人粒子滤波定位系统设计
2.1基于全景视觉的移动机器人粒子滤波定位系统功能与组成
2.2.1全景视觉图像采集系统功能与组成
2.1.2全景图像处理级功能与组成
2.1.3数据分析级功能与组成
2.1.4输出控制级功能与组成
2.2基于全景视觉的移动机器人粒子滤波定位系统体系结构
2.2.1智能层
2.2.2协调层
2.2.3运动控制层
2.3全景视觉成像原理及全景视觉传感器设计
2.3.1摄像机成像几何模型
2.3.2折反射全景成像原理
2.3.3双曲面折反射全景成像系统设计
2.4.本章小结
第3章全景图像特征提取及匹配
3.1尺度不变特征变换(SIFT)
3.1.1尺度空间的生成
3.1.2空间极值点检测
3.1.3关键点方向分配
3.1.4特征点描述子生成
3.1.5利用KD树进行特征匹配
3.2利用SIFT算法进行全景图像特征提取及匹配
3.2.1算法流程
3.2.2实验结果
3.3基于不同特征描述符的改进SIFT
3.3.1基于圆形特征描述符的改进SIFT[66]
3.3.2基于圆形特征描述符的改进SIFT的简化算法
3.4基于采样邻域的改进SIFT
3.5基于采样邻域的改进SIFT算法特征提取及匹配
3.5.1重要参数的确定
3.5.2改进SIFT所提取特征的分布
3.5.3改进SIFT算法的图像匹配
3.6本章小结
第4章移动机器人粒子滤波定位理论基础
4.1粒子滤波原理基础
4.1.1贝叶斯滤波原理
4.1.2蒙特卡洛方法
4.2粒子滤波器基本算法
4.2.1贝叶斯重要性采样
4.2.2序列重要性采样(SIS)
4.2.3重要性密度分布
4.2.4重采样方法(SIR)
4.2.4粒子滤波基本流程
4.3粒子滤波器常用改进算法
4.3.1辅助粒子滤波
4.3.2正则粒子滤波
4.3.3高斯粒子滤波
4.4本章小结
第5章基于全景视觉的移动机器人粒子滤波定位
5.1移动机器人粒子滤波定位基本要素
5.1.1运动模型
5.1.2感知模型
5.1.3环境地图的获取
5.2关键因素的影响分析
5.2.1粒子数目
5.2.2重采样方法
5.3基于全景视觉的移动机器人粒子滤波定位实验
5.4本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢