發(fā)布時(shí)間：2021-05-20 02:03

　　精確、實(shí)時(shí)的導(dǎo)航技術(shù)是智能車輛的核心技術(shù)之一,是車輛進(jìn)行自主運(yùn)動(dòng)的前提。衛(wèi)星信號的捕獲是實(shí)現(xiàn)衛(wèi)星信號跟蹤、定位解算的前提;捕獲時(shí)間是GNSS接收機(jī)的一個(gè)重要參數(shù)。由于障礙物遮擋等原因,單一的衛(wèi)星導(dǎo)航不能滿足車輛穩(wěn)定定位的要求。攝像頭因具有價(jià)格便宜,能夠提供高分辨率的定位信息,操作要求較低,易與目標(biāo)跟蹤、地圖構(gòu)建、避障等功能進(jìn)行融合的優(yōu)點(diǎn),本文對單目VO與GNSS組合導(dǎo)航系統(tǒng)進(jìn)行研究。首先,針對傳統(tǒng)平行頻域捕獲算法計(jì)算量大的特點(diǎn),提出了基于相干降采樣的北斗軟件接收機(jī)并行頻率捕獲算法。在傳統(tǒng)PFA的基礎(chǔ)上增加了復(fù)數(shù)下變頻模塊和相干降采樣模塊。相對傳統(tǒng)PFA算法,改進(jìn)PFA算法雖然使得信噪比損失了0.5dB,但卻使得捕獲衛(wèi)星所需的時(shí)間至少減小了80%。然后,根據(jù)FAST和SIFT算法在圖像特征識別中各自的優(yōu)點(diǎn),提出了一種改進(jìn)的FAST算法。該算法是在FAST算法的基礎(chǔ)上添加32維描述子。根據(jù)車輛里程計(jì)的特點(diǎn),該算法提出了兩步誤匹配特征剔除方法;第一步可以剔除一些肉眼可見的誤匹配對,第二步剔除相對汽車運(yùn)動(dòng)物體上的特征。實(shí)驗(yàn)表明,對比SIFT算法,該算法特征檢測時(shí)間縮短了76.46%;去除誤匹配... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 GNSS/VO組合導(dǎo)航系統(tǒng)國內(nèi)外研究現(xiàn)狀
        1.2.1 GNSS/VO松組合系統(tǒng)
        1.2.2 GNSS/VO緊組合系統(tǒng)
    1.3 本文研究內(nèi)容
第二章 基于相干降采樣的北斗軟件接收機(jī)并行頻率捕獲算法
    2.1 B1信號結(jié)構(gòu)
    2.2 基于相干降采樣的PFA算法原理
    2.3 基于相干降采樣PFA算法的計(jì)算復(fù)雜度分析
    2.4 基于相干降采樣PFA算法對信號功率以及信噪比的影響
        2.4.1 C_(B1I)碼對信號功率的影響
        2.4.2 相干降采樣過程對信號功率以及信噪比的影響
        2.4.3 FFT過程對信號功率以及信噪比的影響
        2.4.4 基于相干降采樣PFA算法對信號功率以及信噪比的影響
    2.5 ROC曲線
    2.6 實(shí)驗(yàn)
    2.7 本章小結(jié)
第三章 具有32 維描述子的FAST算法研究與實(shí)現(xiàn)
    3.1 特征提取
        3.1.1 FAST特征檢測
        3.1.2 SIFT特征檢測
        3.1.3 改進(jìn)FAST特征檢測
    3.2 特征匹配
        3.2.1 粗匹配
        3.2.2 去除誤匹配
    3.3 算法仿真及性能分析
        3.3.1 實(shí)驗(yàn)圖片采集
        3.3.2 改進(jìn)FAST算法與SIFT算法性能對比
        3.3.3 改進(jìn)FAST算法高斯標(biāo)準(zhǔn)差σ和門檻值系數(shù)r對 VO實(shí)際行駛途中特征檢測性能的影響
    3.4 本章小結(jié)
第四章 VO與 GNSS組合系統(tǒng)研究
    4.1 雙傳感器采樣時(shí)鐘同步模塊設(shè)計(jì)
    4.2 基于平面約束的視覺里程計(jì)研究
        4.2.1 通用8 點(diǎn)位姿解算
        4.2.2 基于平面約束的視覺里程計(jì)設(shè)計(jì)
        4.2.3 基于平面約束的視覺里程計(jì)性能分析
    4.3 基于自適應(yīng)卡爾曼濾波的VO與 GNSS接收機(jī)組合系統(tǒng)研究
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 研究工作不足及展望
參考文獻(xiàn)
致謝
研究生階段參與項(xiàng)目及主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]車輛質(zhì)心側(cè)偏角估計(jì)綜述[J]. 陳慧,高博麟,徐帆.  機(jī)械工程學(xué)報(bào). 2013(24)
[2]全球?qū)Ш叫l(wèi)星系統(tǒng)發(fā)展綜述[J]. 寧津生,姚宜斌,張小紅.  導(dǎo)航定位學(xué)報(bào). 2013(01)
[3]基于期望橫擺角速度的視覺導(dǎo)航智能車輛橫向控制[J]. 王家恩,陳無畏,王檀彬,汪明磊,肖靈芝.  機(jī)械工程學(xué)報(bào). 2012(04)
[4]智能車輛視覺里程計(jì)算法研究進(jìn)展[J]. 江燕華,熊光明,姜巖,龔建偉,陳慧巖.  兵工學(xué)報(bào). 2012(02)
[5]一種基于比特量化的GPS并行碼捕獲算法[J]. 曹耀傳,王澄非,潘樹國.  測控技術(shù). 2009(11)
[6]質(zhì)心側(cè)偏角和橫擺角速度對車輛穩(wěn)定性的影響研究[J]. 周紅妮,陶健民.  湖北汽車工業(yè)學(xué)院學(xué)報(bào). 2008(02)

博士論文
[1]MSINS/GPS組合導(dǎo)航系統(tǒng)及其數(shù)據(jù)融合技術(shù)研究[D]. 馬云峰.東南大學(xué) 2006

碩士論文
[1]基于GNSS與視覺的道路檢測與避障技術(shù)[D]. 周莉.電子科技大學(xué) 2015
[2]矢量型GNSS信號跟蹤算法研究[D]. 楊玉龍.哈爾濱工業(yè)大學(xué) 2012



本文編號：3196862