基于多传感器信息融合的车辆自主定位方法

目录

声明

1 绪论

1.1 研究背景与意义

1.2 研究现状与发展形势

1.2.1 智能车辆定位技术研究现状

1.2.2 智能车辆定位技术发展形式与关键问题

1.3 多传感器信息融合理论概述

1.4 本文主要研究内容

2 智能车辆定位系统模型构建

2.1智能车辆运动学模型

2.2 智能车辆里程计模型

2.2.1 基于里程计定位原理

2.2.2基于里程计定位的数学模型

2.3 智能车辆视觉里程计模型

2.3.1 相机模型的建立（1）针孔相机模型

2.4 本章小结

3 基于ROS的轮式里程计自主定位方法

3.1试验平台介绍

3.1.1机器人操作系统(ROS)简介

3.1.2试验平台简介

3.2系统设计框架及开发算法

3.2.1轮式里程计定位算法

3.2.2惯性导航单元（IMU）定位算法

3.3 本章小结

4 基于单目视觉的自主定位方法

4.1 硬件平台及开发环境

4.1.1 硬件平台

4.1.2 开发环境

4.2 基于特征点的视觉里程计

4.2.1 算法框架

4.2.2 图像预处理与特征点匹配

4.2.3 相机位姿解算

4.3 本章小结

5 基于视觉-惯性里程计多信息融合的自主定位

5.1 IMU测量原理及误差模型

5.1.1 IMU传感器测量原理

5.1.2 IMU误差模型

5.2 IMU误差标定

5.2.1 确定性误差标定试验

5.2.2 随机性误差标定试验

5.3 IMU数据的预积分

5.4 VIO估计器参数初始化

5.5 基于滑动窗口理论的视觉惯性里程计（VIO）算法

5.6 本章小结

6 定位试验与定位效能评价

6.1 定位效能评价标准介绍

6.2 定位效能评价试验

6.2.1 基于ROS的轮式里程计定位试验及结果分析

6.2.2 基于视觉里程计定位试验及结果分析（1）位姿求解精度分析试验

6.2.3 基于多信息融合的视觉-惯性里程计定位试验及结果分析

6.3 本章小结

结论

研究成果

研究工作的不足与展望

参考文献

致谢