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
大连理工大学;