导读:本文包含了视图导航论文开题报告文献综述及选题提纲参考文献，主要关键词:惯性导航,视觉导航,多视图几何,视觉里程计
视图导航论文文献综述
孔祥龙[1]（2017）在《基于多视图几何的惯性/立体视觉组合导航方法研究》一文中研究指出高精度自主导航技术是发展无人系统平台亟待解决的关键技术之一。惯性导航系统(INS)因其能够提供丰富、自主的导航信息成为自主导航系统的核心设备。但是,惯性导航系统存在导航误差随时间积累的固有弱点,单独使用难以满足长时间自主导航任务需求。视觉图像由于信息丰富,并与惯导信息具有良好的互补性,成为理想的惯导误差修正源。惯性/视觉组合导航技术是当前导航领域研究的热点和重要发展方向。针对无卫星条件下地面无人平台自主导航问题,本文重点开展了基于多视图几何的立体视觉辅助惯性导航方法研究,主要工作和创新点如下:(1)针对当前惯性/视觉组合导航系统主要依赖点特征以及计算量大的问题,提出了一种基于多视图几何约束的点、线特征辅助惯性/立体视觉组合导航方法。利用叁焦张量建立统一的点、线特征观测方程,以更充分地利用图像信息。在系统运行过程中该方法保持系统状态维度不变,避免了类似SLAM、多状态约束Kalman滤波(MSCKF)等方法计算复杂度大的问题。室外和室内实验表明:a.在点特征比较丰富而且分布比较均匀的条件下,增加的线特征信息对整体系统精度提高不大;b.在室内等点特征不够丰富而线特征较多的环境中,增加线特征观测能够很大程度上提高组合导航精度。(2)针对室内结构化环境特点,提出了一种基于消影点辅助的惯性/立体视觉组合导航算法。同时,提出了一种基于惯导信息辅助的曼哈顿世界消影点检测算法,该方法能够提高现有消影点检测算法的效率,并降低误检测率。室内实验结果表明,消影点辅助能够有效地抑制航向误差的积累,提高组合导航精度。(3)提出了一种基于偏振光罗盘辅助的惯性/立体视觉里程计组合导航算法。推导了偏振光罗盘及立体视觉里程计的测量模型以及相应的线性化测量模型;设计并实现了随机克隆扩展卡尔曼滤波器(SC-EKF)。室外车载实验结果表明:引入偏振光罗盘信息能够大幅度地限制长时间和长距离的误差累积。(4)针对目前惯性/视觉组合系统标定方法依赖标定板、操作复杂等问题,提出了一种不依赖标定板且操作简易的惯性/立体视觉组合系统标定方法。该方法基于立体视觉同时定位与地图构建(SLAM)技术及多视图批优化技术,能够在不依赖标定参考的条件下给出较高精度的标定结果。利用公开的数据集验证了算法的有效性。(本文来源于《国防科学技术大学》期刊2017-04-01）
文坤[2]（2016）在《多状态多视图约束视觉/惯性组合导航算法研究》一文中研究指出自动驾驶、机器人等领域的发展,对自主导航技术的需求越来越迫切。作为自主导航的两种典型技术手段,视觉导航和惯性导航在性能上存在一定的互补性。惯性导航具有更新率高和动态性能好的特点,可以克服视觉导航在载体角运动线运动较剧烈的环境下鲁棒性差的缺点。但纯惯性导航具有误差随时间积累的特性,当采用低成本的惯性测量单元时,问题更加严重。视觉导航信息基于对外界环境的观测,在相对环境的定位导航场景中,可以一定程度上减小惯性导航的误差积累。同时,惯性测量单元的辅助使得单目视觉的尺度因子变得可观,克服视觉导航中由于图像缺乏深度信息带来的问题。视觉/惯性组合导航算法的研究已成为当前自主导航的一个热点方向。在视觉/惯性组合算法中,很大一类是基于卡尔曼滤波算法,需要综合平衡算法复杂度、实时性和场景扩展适应性等多方面技术要求。本文主要针对典型的多状态约束卡尔曼滤波(MSCKF)算法和多视图几何约束卡尔曼滤波算法进行比较研究。以下明确本文的创新性工作:⑴针对不同精度的惯性测量单元(IMU)给出了相应的系统模型,对MSCKF算法的观测模型进行了详细的推导,对多视图几何约束算法的观测模型细节部分作了详细的说明。通过基于实际IMU和场景的系统模型分析,为进一步发现算法存在的实际问题和算法的改进提供了依据。⑵对两种算法进行详细的对比分析,通过对比得到两种算法的适用特性。MSCKF适用于高精度低实时性的场景,而多视图几何约束算法在资源受限的平台上更有优势,得益于其完全遵循了视觉里程计的理念——只估计自身运动而不与环境交互,减小了算法复杂度。在对比中,还发现了多视图几何约束算法在低速状态下发散的缺陷,并通过较高精度的开源数据集和低精度的android平台传感器数据进行了实验验证,结果和理论分析完全吻合。并针对多视图约束模型不适用于低速场景的问题,对多视图约束模型进行修改,通过实验验证新的约束模型在低速时具有一定的效果。⑶对不同精度的IMU对视觉/惯性组合导航算法的影响进行了分析研究。分析的结果,可以作为在不同导航需求和不同精度的传感器平台上使用该算法的参考。比如在手机等低成本移动平台上就需要增加相应的针对器件噪声处理的算法。(本文来源于《国防科学技术大学》期刊2016-11-01）
刘会平[3]（2015）在《基于全局视图的车辆辅助导航》一文中研究指出智能车辆辅助导航技术是智能车辆研究中的关键技术之一,而由视觉图像构成的实时地图又是智能车辆辅助导航的关键之所在,它对于保障城市道路交通安全及智能车辆技术的发展有重要的推动作用。为了能够实时获取类似的地图的全局视图图像,我们需要叁个关键技术。本文首先采用摄像机标定技术,求解智能车辆上多个摄像机的内参数和外参数,进而实现像素坐标和现实世界坐标之间的转换;利用转换后的世界坐标求得相邻图像之间重合的像素坐标,进而将多幅图像拼接成一幅全局视图;然后利用图像逆变换技术,将拼接后的图像变换成一正下视图,这样就构成了以实时地图,达到辅助导航的目的。(本文来源于《科技视界》期刊2015年04期）
苏融,李胜乐,厉彦玲[4]（2014）在《基于叁维全景视图的虚拟校园漫游导航系统》一文中研究指出叁维全景图技术是一种基于图像绘制的虚拟现实技术,使用真实的照片展现场景达到沉浸式虚拟漫游的效果,提供给用户良好的交互性。本文将采用叁维全景图技术实现对山东农业大学虚拟校园漫游系统的原型设计,将校园地理信息和其他校园信息相结合,实现校园漫游导航及信息的浏览查询,并可上载到计算机网络,提供远程用户访问。(本文来源于《山东农业大学学报(自然科学版)》期刊2014年01期）
方强[5]（2013）在《基于多视图几何的视觉辅助惯导组合导航关键技术研究》一文中研究指出本文以环境未知条件下的视觉辅助惯导组合导航为基本背景,针对目前视觉辅助惯导组合导航中实时性和环路导航(导航轨迹中有环形回路)的问题,结合视觉辅助惯导组合导航的特点以及多视图几何理论来研究基于多视图几何的图像辅助惯导组合导航的滤波方法,目的是提高组合导航系统的速度以及导航的性能(特别是环路导航)。本文主要工作和创新如下:(1)从空间几何的角度推导了适用于图像与惯导的组合导航的多视图几何的约束方程,并且理论证明了它与从对极几何角度得到的多视图几何约束方程之间的关系。在研究基于多视图几何的图像与惯导的组合导航系统观测方程的基础上,从空间几何的角度推导了一组适用于组合导航滤波的观测方程,即多视图几何的约束方程。首先分析并推导了基于双视图几何的约束方程,并且理论证明了它与由对极几何推导得到双视图几何约束方程是等价的;然后分析并推导了基于叁视图几何的约束方程,并且理论证明了它与由对极几何推导得到叁视图几何约束方程之间是必要不充分的关系,揭示了它们之间的内在关系。(2)提出了一种基于双视图几何的图像辅助惯导的IEKF滤波方法。由于惯导系统的导航误差随着时间的增加逐渐累积,因此它无法单独进行长时间的导航,而摄像机的低成本和高自主性,使得基于视觉辅助惯导的组合导航系统正逐渐成为一种极具潜力的导航模式。基于扩展卡尔曼滤波(EKF)成熟的理论基础以及在工程实际中的广泛应用,EKF滤波方法目前是绝大多数组合导航系统中首选的滤波方法,因此文中利用两幅具有重迭区域图像,推导了一种基于双视图几何的图像辅助惯导的IEKF滤波方法,并且通过仿真,分析了其滤波性能,仿真结果表明,相比纯惯性导航,该方法可以对载体某些状态进行很好的估计(如天向相对位置,天向速度等状态),同时还能抑制沿着载体运动方向的状态的发散(如东向和北向相对位置等状态)。(3)提出了一种基于多视图几何的图像辅助惯导的IEKF滤波策略。针对导航过程中具有重迭区域的图像既可能有两幅,也可能有叁幅的情况(特别是对于导航轨迹中有环形回路的导航),因此文中首先详细推导了基于叁视图几何的图像辅助惯导的IEKF滤波方法中协方差矩阵通用的计算方法,仿真结果表明,该方法可以很好的估计载体的相对位置和速度等状态,而且特别适合解决环路导航的问题;然后结合实际的图像和惯导信息,提出了一种基于多视图几何的图像与惯导的IEKF滤波策略,实验结果表明,相比纯惯性导航,该滤波策略可以更好的估计运载体的相对位置,为实际系统的设计提供了一定的理论依据。(4)提出了一种基于叁视图几何的图像辅助惯导的UKF滤波方法。由于对于某些高精度的导航系统,IEKF滤波方法可能不再适用,因此文中在分析UKF优点的前提下,基于叁幅具有重迭区域图像,推导了一种基于叁视图几何的图像辅助惯导的UKF滤波方法,相比IEKF方法中协方差矩阵计算的难点,该方法无需计算相应的协方差矩阵,而且仿真结果表明,该方法虽然在运算量比IEKF滤波方法要大,但其滤波性能比IEKF要好。(5)提出了一种基于多视图几何的图像辅助惯导的UKF滤波策略。针对实际的图像和惯导信息,文中提出了一种基于多视图几何的图像与惯导的UKF滤波策略,实验结果表明,虽然UKF计算量比IEKF要大,但UKF滤波策略可以更好的估计运载体的相对位置,因此,对于以导航精度为第一指标的导航系统而言,UKF滤波策略是一种可供选择的方法,从而为实际系统的设计提供理论依据。(本文来源于《国防科学技术大学》期刊2013-09-01）
蓝晓民,王盛智[6]（2011）在《基于AutoCAD的叁视图自动导航绘图》一文中研究指出分析了CAD软件中常用的绘制叁视图方法,研究在AutoCAD环境下开发叁视图自动导航绘图的实现方法,利用AutoCAD内嵌的AutoLISP语言编写了叁视图导航绘图命令。使用该方法与AutoCAD下常用的绘制叁视图方法相比较,可以提高在AutoCAD下绘制叁视图的效率。(本文来源于《辽宁石油化工大学学报》期刊2011年02期）
张晶,郭延斌,万刚[7]（2005）在《CVE中多种视点视图导航效果研究》一文中研究指出协同虚拟环境是网络技术与虚拟现实技术相结合的产物,将单用户虚拟环境扩展为多用户的网络化虚拟环境,实现群组协同工作。目前,协同虚拟环境系统已经在科学可视化、协同设计、战争模拟等很多领域得到了广泛应用。在单用户虚拟环境中导航与多用户的协同虚拟环境中导航是完全不同的,文中论述了协同虚拟环境导航的特点以及导航与视点的关系,探讨了常用的协同虚拟环境叁种视点视图界面的导航及其效果,并进行了相关实验测试。(本文来源于《测绘学院学报》期刊2005年04期）
张俊,董继先[8]（2000）在《基于AutoCAD上叁视图自动导航功能的实现》一文中研究指出利用 Auto CAD内嵌的 Autolisp函数开发了叁视图的自动导航功能 ,并描述了实现该功能的方法 .它符合机械制图的习惯 ,可以提高绘图的效率 .(本文来源于《西北轻工业学院学报》期刊2000年03期）
视图导航论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
自动驾驶、机器人等领域的发展,对自主导航技术的需求越来越迫切。作为自主导航的两种典型技术手段,视觉导航和惯性导航在性能上存在一定的互补性。惯性导航具有更新率高和动态性能好的特点,可以克服视觉导航在载体角运动线运动较剧烈的环境下鲁棒性差的缺点。但纯惯性导航具有误差随时间积累的特性,当采用低成本的惯性测量单元时,问题更加严重。视觉导航信息基于对外界环境的观测,在相对环境的定位导航场景中,可以一定程度上减小惯性导航的误差积累。同时,惯性测量单元的辅助使得单目视觉的尺度因子变得可观,克服视觉导航中由于图像缺乏深度信息带来的问题。视觉/惯性组合导航算法的研究已成为当前自主导航的一个热点方向。在视觉/惯性组合算法中,很大一类是基于卡尔曼滤波算法,需要综合平衡算法复杂度、实时性和场景扩展适应性等多方面技术要求。本文主要针对典型的多状态约束卡尔曼滤波(MSCKF)算法和多视图几何约束卡尔曼滤波算法进行比较研究。以下明确本文的创新性工作:⑴针对不同精度的惯性测量单元(IMU)给出了相应的系统模型,对MSCKF算法的观测模型进行了详细的推导,对多视图几何约束算法的观测模型细节部分作了详细的说明。通过基于实际IMU和场景的系统模型分析,为进一步发现算法存在的实际问题和算法的改进提供了依据。⑵对两种算法进行详细的对比分析,通过对比得到两种算法的适用特性。MSCKF适用于高精度低实时性的场景,而多视图几何约束算法在资源受限的平台上更有优势,得益于其完全遵循了视觉里程计的理念——只估计自身运动而不与环境交互,减小了算法复杂度。在对比中,还发现了多视图几何约束算法在低速状态下发散的缺陷,并通过较高精度的开源数据集和低精度的android平台传感器数据进行了实验验证,结果和理论分析完全吻合。并针对多视图约束模型不适用于低速场景的问题,对多视图约束模型进行修改,通过实验验证新的约束模型在低速时具有一定的效果。⑶对不同精度的IMU对视觉/惯性组合导航算法的影响进行了分析研究。分析的结果,可以作为在不同导航需求和不同精度的传感器平台上使用该算法的参考。比如在手机等低成本移动平台上就需要增加相应的针对器件噪声处理的算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视图导航论文参考文献
[1].孔祥龙.基于多视图几何的惯性/立体视觉组合导航方法研究[D].国防科学技术大学.2017
[2].文坤.多状态多视图约束视觉/惯性组合导航算法研究[D].国防科学技术大学.2016
[3].刘会平.基于全局视图的车辆辅助导航[J].科技视界.2015
[4].苏融,李胜乐,厉彦玲.基于叁维全景视图的虚拟校园漫游导航系统[J].山东农业大学学报(自然科学版).2014
[5].方强.基于多视图几何的视觉辅助惯导组合导航关键技术研究[D].国防科学技术大学.2013
[6].蓝晓民,王盛智.基于AutoCAD的叁视图自动导航绘图[J].辽宁石油化工大学学报.2011
[7].张晶,郭延斌,万刚.CVE中多种视点视图导航效果研究[J].测绘学院学报.2005
[8].张俊,董继先.基于AutoCAD上叁视图自动导航功能的实现[J].西北轻工业学院学报.2000