目录

第 1 章 智能车自主定位概述

1.4.1 研究目标

1.4.2 研究内容与组织架构

1.3.1 视觉 SLAM 的发展与研究现状

1.3.2 视觉惯性 SLAM 的发展与研究现状

1.1 智能车自动驾驶技术发展

1.2 智能车定位技术发展

1.3 视觉 / 惯性定位技术发展

1.4 研究目标、内容和组织架构

参考文献

第 2 章 视觉 / 惯性定位理论基础

2.6.1 姿态角的计算

2.6.2 姿态速度的计算

2.6.3 姿态矩阵的更新

2.4.1 相机与 IMU 联合时间标定

2.4.2 相机与 IMU 硬件同步

2.2.1 特征点的提取

2.2.2 图像特征的匹配与跟踪

2.1 视觉传感器类型及应用

2.2 特征点的提取与跟踪

2.3 视觉惯性导航系统

2.4 视觉惯性联合标定

2.5 转换与扰动模型

2.6 捷联式惯性导航系统

2.7 本章小结

参考文献

第 3 章 基于车辆运动估计的立体视觉定位

3.5.1 车辆运动估计算法

3.5.2 基于随机抽样一致的非线性最小二乘优化

3.2.1 对极几何约束

3.2.2 本质矩阵

3.1 双目相机模型

3.2 多视角几何知识

3.3 立体视觉定位框架

3.4 车辆运动模型

3.5 基于车辆运动估计的立体视觉定位算法

3.6 实验与分析

3.7 本章小结

参考文献

第 4 章 基于像素 / 亚像素融合的特征检测方法

4.4.1 算法性能分析

4.4.2 定位精度分析

4.1 亚像素级特征检测算法

4.2 点线特征匹配

4.3 像素 / 亚像素特征融合检测算法流程

4.4 实验与分析

4.5 本章小结

参考文献

第 5 章 基于点线特征结合的前端处理算法

5.5.1 算法流程框架

5.5.2 实验与分析

5.4.1 算法流程框架

5.4.2 实验与分析

5.3.1 点特征重投影误差模型

5.3.2 线特征重投影误差模型

5.2.1 LSD 线特征提取算法

5.2.2 LBD 线特征提取算法

5.2.3 EDLines 线特征提取算法

5.1 点线融合 VSLAM 的发展与研究现状

5.2 特征线的提取

5.3 点线特征误差模型构建

5.4 亚像素级点线特征融合的定位算法

5.5 亚像素级点线特征融合优化的定位算法

5.6 本章小结

参考文献

第 6 章 基于点线特征合并的后端优化

6.4.1 定位精度实验分析

6.4.2 真实场景实验分析

6.3.1 滑动窗口算法

6.3.2 SPML-VIO 算法流程

6.2.1 关键帧的选择

6.2.2 融合视觉惯性信息的后端优化

6.2.3 基于图像信息熵的点线融合模式

6.2.4 边缘化策略

6.1 惯性测量误差模型与预积分

6.2 基于滑动窗口的后端优化

6.3 亚像素级点线特征合并优化的定位算法

6.4 实验与分析

6.5 本章小结

参考文献

第 7 章 总结与展望

附录

附 1.1.1 相机几何模型

附 1.1.2 视觉相关坐标系

附 1.1.3 坐标系间的转换

附 1.1 坐标系及转换

附 1.2 IMU 预积分

附 1.3 李群与李代数