本書在介紹視覺導航基本概念和基本原理的基礎(chǔ)上,對視覺導航中圖像匹配、目標檢測、目標跟蹤等相關(guān)算法的基本特點進行闡述,同時介紹視覺導航位置、速度和姿態(tài)的獲取方式并分析導航感知、多信息融合的理論和算法,特別分析視覺導航及其組合導航系統(tǒng)的應(yīng)用發(fā)展前沿和趨勢。
更多科學出版社服務(wù),請掃碼獲取。
(1) 2000-09 至 2006-02, 南京航空航天大學, 導航、制導與控制, 博士
(2) 1996-09 至 2000-06, 南京航空航天大學, 測試技術(shù)與儀器, 學士(1) 2019-06 至 今, 南京航空航天大學, 自動化學院, 教授
(2) 2008-05 至 2019-05, 南京航空航天大學, 自動化學院自動控制系, 副教授
(3) 2014-12 至 2015-11, 美國TAMUCC大學, GIS Geographic Info, 副教授
(4) 2007-01 至 2008-01, 英國利茲大學
(5) 2006-02 至 2008-05, 南京航空航天大學, 自動化學院自動控制系, 講師航空宇航科學與技術(shù)在《Chinese Journal of Aeronautics》、《Journal of Navigation》、《IEEE SENSORS JOURNAL》、《航空學報》、《中國慣性技術(shù)學報》等學術(shù)期刊發(fā)表SCI、EI等各種論文170余篇。
近3年代表作:
(1) Qinghua ZENG; Wenqi QIU; Jianye LIU; Rui XU; Jinheng SHI; Yongrong SUN ; A high dynamics algorithm based on steepest ascent method for GNSS receiver, Chinese Journal of Aeronautics,2021, 34(12): 177-186 (Q1)Chinese Journal of Aeronautics編委、《航空學報》編委、《全球定位系統(tǒng)》編委、《導航與控制》編委;擔任《International Journal of Distributed Sensor Networks》的導航特刊《Advanced Multi-sensor Fusion for Autonomous and Resilient Navigation》的客座編委。中國航空學會、中國慣性技術(shù)學會、南京慣性技術(shù)學會、中國宇航學會、IEEE會員;擔任《The Journal of Navigation》、《Acta Astronautica》、《International Journal of Control, Automation and Systems》、《航空學報》等國內(nèi)外期刊審稿專家;南京青年科技工作者協(xié)會理事(第四屆),擔任國家自然基金委、江蘇省經(jīng)濟和信息化處等機構(gòu)的項目評審專家。
目錄
第1章視覺導航概論001
1.1視覺導航簡介001
1.2視覺導航關(guān)鍵技術(shù)003
1.2.1視覺傳感器技術(shù)003
1.2.2特征提取技術(shù)004
1.2.3基于視覺的載體定位技術(shù)004
1.2.4基于視覺的載體速度獲取技術(shù)005
1.2.5基于視覺的載體姿態(tài)確定技術(shù)005
1.3視覺導航中的SLAM發(fā)展情況006
習題009
第2章視覺導航基礎(chǔ)知識010
2.1相機成像模型說明010
2.1.1理想光學成像模型010
2.1.2普通相機坐標系定義及模型011
2.1.3魚眼相機模型及成像畸變原理015
2.2相機內(nèi)參標定方法017
2.2.1針孔相機標定方法說明017
2.2.2魚眼相機標定工具示例020
2.3多視圖幾何研究方法020
2.3.1對極幾何關(guān)系說明021
2.3.2基礎(chǔ)矩陣及極線說明022
2.3.3本質(zhì)矩陣與運動分析說明024
2.4運動估計及其模型介紹024
2.4.1運動估計概念及基本思路025
2.4.2基于透視法的運動估計方法027
2.4.3迭代最近點運動估計方法028
習題028
第3章視覺圖像匹配方法029
3.1特征圖像匹配原理解析029
3.1.1點特征提取與描述原理029
3.1.2線特征和面特征提取與描述原理031
3.1.3邊緣特征提取原理034
3.2同源圖像匹配算法037
3.2.1同源圖像匹配算法相關(guān)研究情況037
3.2.2具有全局仿射不變性的圖像匹配算法原理038
3.2.3快速PORB圖像匹配算法043
3.3異源圖像匹配算法044
3.3.1異源圖像匹配算法相關(guān)研究情況045
3.3.2同源圖像匹配算法在異源圖像中的性能分析046
3.3.3基于自適應(yīng)Canny邊緣特征的改進異源圖像匹配算法047
3.4基于深度學習的圖像匹配算法051
3.4.1基于深度學習的異源圖像特征融合網(wǎng)絡(luò)051
3.4.2基于深度學習的異源圖像匹配算法055
習題056
第4章視覺目標檢測跟蹤方法057
4.1目標檢測技術(shù)研究情況057
4.1.1目標檢測技術(shù)的應(yīng)用057
4.1.2目標檢測算法的評價指標061
4.1.3目標檢測中的挑戰(zhàn)061
4.2各類視覺目標檢測算法062
4.2.1傳統(tǒng)目標檢測算法062
4.2.2基于級聯(lián)分類的目標候選區(qū)域生成算法063
4.2.3基于HOG+SVM的目標檢測算法067
4.2.4卷積神經(jīng)網(wǎng)絡(luò)及目標檢測方法073
4.3目標跟蹤算法076
4.3.1目標跟蹤算法的研究077
4.3.2目標跟蹤算法的公開數(shù)據(jù)集079
4.3.3目標跟蹤面臨的挑戰(zhàn)082
4.4基于特征點擬合的尺度自適應(yīng)跟蹤算法083
4.4.1目標跟蹤算法結(jié)構(gòu)083
4.4.2目標特征點提取方法示例084
4.4.3基于核相關(guān)與特征點檢測的目標跟蹤算法091
習題097
第5章視覺導航感知方法098
5.1基于單目視覺的位姿信息098
5.1.1單目視覺運動信息的獲取099
5.1.2姿態(tài)解算及誤差分析103
5.1.3基于視覺光流的載體速度獲取方法111
5.1.4視覺圖像匹配的載體絕對位置確定112
5.2基于雙目視覺的三維感知信息113
5.2.1雙目三維感知基本原理114
5.2.2自適應(yīng)窗口的立體匹配算法117
5.2.3基于雙目立體視覺的三維環(huán)境感知方法122
5.3基于深度學習的運動解算方法124
5.3.1基于深度學習的圖像特征提取方法125
5.3.2基于端到端導航全參數(shù)網(wǎng)絡(luò)的運動解算方法130
習題135
第6章基于視覺的多信息融合導航方法136
6.1常用導航系統(tǒng)136
6.1.1慣性導航系統(tǒng)136
6.1.2衛(wèi)星導航系統(tǒng)142
6.1.3輪式里程計導航系統(tǒng)144
6.2卡爾曼濾波及組合導航方法146
6.2.1卡爾曼濾波理論及其應(yīng)用147
6.2.2擴展卡爾曼濾波理論及其應(yīng)用151
6.3因子圖及組合導航方法153
6.3.1因子圖算法簡介153
6.3.2用于多源融合導航的因子圖推理方法157
6.3.3基于因子圖的多源信息融合算法實例161
6.4其他融合方法177
習題178
第7章視覺導航的應(yīng)用179
7.1視覺導航在行人導航中的應(yīng)用179
7.2視覺導航在自動駕駛車輛中的應(yīng)用182
7.3視覺導航在航空飛行器中的應(yīng)用184
7.4視覺導航在航天載體中的應(yīng)用186
習題188
參考文獻189