在現(xiàn)代導(dǎo)航應(yīng)用中,慣性導(dǎo)航系統(tǒng)與GNSS組合方式因具有非常多的優(yōu)點而被廣泛采用。典型的GNSS/INS組合導(dǎo)航系統(tǒng),不僅可在很多惡劣的GNSS觀測環(huán)境下用慣性傳感器自主導(dǎo)航,還可通過GNSS的輔助有效地抑制慣性器件的漂移和零偏誤差。然而,其導(dǎo)航的精度很大程度上取決于慣性器件性能。隨著無縫導(dǎo)航需求的日益增長,視覺里程計(VO)引起了研究者們廣泛關(guān)注。它可以在GNSS信號缺失的情況下連續(xù)地校正慣性導(dǎo)航系統(tǒng)誤差,實現(xiàn)準(zhǔn)確一致的自運動估計。因此,視覺傳感器很自然的成為了一種用于提高導(dǎo)航系統(tǒng)整體性能的外部輔助選擇。本文重點研究了GNSS與視覺傳感器輔助IMU的行人導(dǎo)航問題,主要內(nèi)容如下:1、研究了基于行為分類識別的慣性距離測量方法,它包含兩個關(guān)鍵部分,計步和步長估計。該方法首先對行為的模式區(qū)分進行了研究,在行為分類的基礎(chǔ)上給出了綜合時頻域的計步方法。為了適應(yīng)不同的行為模式,構(gòu)造了兩段步長函數(shù)模型用于步長估計。2、設(shè)計了一個綜合點特征和結(jié)構(gòu)化線特征的視覺慣性里程計,通過優(yōu)化IMU預(yù)積分測量誤差、點線重投影殘差、先驗殘差來估計相機的位姿。3、研究了視覺傳感器輔助GNSS/INS組合導(dǎo)航問題,并設(shè)計了...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１?針孔相機模型??

恢復(fù)出點的３Ｄ坐標(biāo)６??２．２．１相機模型與投影變換??以針孔相機模型為例，如圖２－１所示，我們首先定義３個坐標(biāo)系：??１、

圖２－２三角測量??

恢復(fù)出點的３Ｄ坐標(biāo)６??２．２．１相機模型與投影變換??以針孔相機模型為例，如圖２－１所示，我們首先定義３個坐標(biāo)系：??１、

圖２－３像素坐標(biāo)系和等效球面坐標(biāo)系示意圖（在焦點為球心的單位球面的基礎(chǔ)上構(gòu)建等效球??面坐標(biāo)系，其中，Ｘ，Ｙ軸與像素坐標(biāo)系的ｘｙ軸平行，Ｚ軸從相機的焦點指向＿像的主袁；延??長等效球面坐標(biāo)系上的單位矢＿與像素坐標(biāo)系相交．，．．建立極坐標(biāo)網(wǎng)格）??

采用ＪＬｉｎｋａｇｅ聚類［５６］的方法檢測消失點。［５７］提出了一種簡單有效的搜索策略??來估計校準(zhǔn)圖像上的消失點，為了加快搜索的過程，［５７］首先在像素坐標(biāo)系的基礎(chǔ)??上構(gòu)造等效球面坐標(biāo)系，并進一步構(gòu)造極坐標(biāo)網(wǎng)格，如圖２－３所示。??１３??

圖３－２數(shù)據(jù)集中提取的３個特征??

Ｉ：Ｊ＾Ｉ??＾＝＾Ｔ－?（３－４）??其中，Ｅ代表能量特征，ｆ表示直流分量移除以后的頻率，圖３－２為不同運動??行為下的３個特征。下面，我們將討論如何基于這些特征信息進行模式區(qū)分。各種??各樣的訓(xùn)練方法已用于行為識別，比如支持向量機、神經(jīng)網(wǎng)絡(luò)、Ｋ－ｍｅａｎｓ聚類和決??策樹等等....

本文編號：3927590