声明
致谢
摘要
图目录
表目录
1 绪论
1.1 研究背景和意义
1.2 传统定位与视觉定位
1.2.1 传统定位方法
1.2.2 基于视觉的定位方法
1.2.3 视觉定位算法性能比较
1.3 视觉里程计算法的发展
1.4 基于特征点匹配的双目视觉里程计基本原理
1.4.1 特征点的检测与描述
1.4.2 特征匹配
1.4.3 特征点三维重建
1.4.4 运动估计
1.4.5 双目VO的关键问题
1.5 论文内容和结构
2 视觉里程计的高精度优化
2.1 引言
2.2 相关工作
2.2.1 二维特征点的不确定度
2.2.2 三维点的不确定度计算
2.2.3 最大似然估计
2.3 两阶段局部双目光束法平差
2.3.1 BA与LBA
2.3.2 TLBBA
2.4 实验结果与分析
2.4.1 实验设备与测试环境
2.4.2 性能指标
2.4.3 校园环境实验结果与分析
2.4.4 KITTI数据集实验结果
2.5 本章小结
3 实时双目视觉里程计的实现
3.1 引言
3.2 GPGPU概述
3.2.1 GPU与CPU性能比较
3.2.2 基于GLSL的GPGPU编程
3.3 基于GPGPU的SIFT特征提取
3.3.1 尺度空间极值检测
3.3.2 关键点定位
3.3.3 关键点主方向计算
3.3.4 关键点特征描述
3.3.5 基于GPGPU加速的SIFT算法
3.4 基于GPGPU加速的运动估计
3.4.1 基于三对三维点的HORN运动估计方法
3.4.2 基于RanSaC的外点滤除
3.4.3 基于GPGPU加速的运动估计算法
3.5 基于网格筛选的特征控制
3.6 基于多线程的并行处理
3.7 实验结果与分析
3.7.1 基于GPGPU的SIFT特征提取实验结果
3.7.2 基于GPGPU的运动估计实验结果
3.7.3 实时双目VO系统实验结果
3.8 本章小结
4 基于自适应多特征图像片压缩跟踪的局部航向角计算
4.1 引言
4.2 基于压缩感知的自适应多特征图像片表观模型
4.2.1 压缩亮度特征
4.2.2 压缩SURF特征
4.2.3 基于特征区分度的自适应统计模型
4.3 基于图像片压缩跟踪的局部航向角计算
4.4 实验结果分析
4.4.1 自适应多特征表观模型的性能分析
4.4.2 基于图像片压缩跟踪的航向角计算精度测试
4.4.3 基于图像片跟踪的航向角计算对定位结果的改善
4.5 本章小结
5 基于在线全景图像路标的全局位姿校正
5.1 引言
5.2 基于自适应压缩特征的全景图像描述
5.3 在线建立全景路标
5.3.1 路标检测
5.3.2 路标描述
5.4 全局位姿校正
5.4.1 基于多级特征的任意方向路标匹配
5.4.2 位姿校正
5.5 实验结果与分析
5.5.1 全景图像中自适应压缩特征的匹配特性
5.5.2 全局位姿校正算法的性能分析
5.5.3 “增强型”视觉定位系统
5.6 本章小结
6 总结与展望
6.1 本文工作总结
6.2 研究工作展望
参考文献
攻读博士期间学术成果