第1章 绪论 1
1.1视觉／惯性组合导航概述 1
1.2研究现状 2
1.2.1基于视觉的运动分析 2
1.2.2视觉导航 3
1.2.3视觉／惯性组合导航 4
1.3研究方法 7
1.3.1数学工具 7
1.3.2视觉／惯性组合导航的可观性分析 8
第2章 数学基础知识 11
2.1对偶四元数代数 11
2.1.1四元数 11
2.1.2对偶数 12
2.1.3对偶四元数 13
2.2摄像机成像模型 14
2.2.1摄像机坐标系、图像坐标系与世界坐标系 14
2.2.2小孔透视投影成像模型 16
2.2.3摄像机参数标定 18
2.3四元数更新矩阵的推导 18
2.4垂点公式的推导 20
第3章 单目视觉相对运动估计算法 22
3.1概述 22
3.2基于点特征的单目视觉运动估计算法 22
3.3基于线特征的单目视觉运动估计算法 25
3.3.1滤波模型 25
3.3.2实验验证 31
3.4小结 37
第4章 视觉／高精度IMU组合在点特征观测下的可观性与EKF滤波 38
4.1概述 38
4.2单目视觉／惯性组合三维运动估计 39
4.3平面运动约束下的摄像机速度估计 40
4.3.1摄像机运动估计算法 40
4.3.2计算过程 41
4.4滤波模型 43
4.4.1系统方程 43
4.4.2观测方程 45
4.5可观性分析 46
4.6实验验证 49
4.6.1仿真验证 49
4.6.2实验验证 50
4.7小结 54
第5章 视觉／高精度IMU组合在线特征观测下的可观性与EKF滤波 56
5.1概述 56
5.2基于对偶四元数的摄像机位置增量估计 57
5.2.1测距原理 57
5.2.2计算过程 58
5.3滤波模型 63
5.3.1系统方程 63
5.3.2观测方程 64
5.4可观性分析 65
5.5实验验证 65
5.5.1仿真验证 65
5.5.2实验验证 67
5.6小结 68
第6章 视觉／低精度】MU组合在点特征观测下的可观性与矩阵滤波 69
6.1概述 69
6.2矩阵滤波 69
6.3滤波模型 71
6.3.1传感器建模 71
6.3.2滤波方程 73
6.4可观性分析 77
6.5实验验证 87
6.6小结 88
第7章 视觉／低精度IMU组合在线特征观测下的可观性与矩阵滤波 90
7.1概述 90
7.2滤波模型 91
7.2.1传感器建模 91
7.2.2滤波方程 92
7.3可观性分析 95
7.4实验验证 101
7.5可观性条件比较 103
7.6小结 104
参考文献 105