1、無人車是一個集合了環(huán)境感知、車體動態(tài)決策與規(guī)劃、車體行為控制與執(zhí)行等多種功能于一體的具有高度智能行為的自動化系統(tǒng)。無人車的主要應用領域有無人作戰(zhàn)、智能交通、輔助駕駛。
　　要實現(xiàn)無人車的自主導航要解決三個問題，即：(1)我(無人車)現(xiàn)在在哪兒?(2)我將要去哪兒?(3)我怎樣到那兒?即無人車的定位問題、運動目標問題、路徑規(guī)劃問題。其中，第一個問題，即確定無人車的位置是在機器人的各種應用中首先需要解決的最基本問題之一。
　　本

2、文主要研究了基于雙目立體視覺里程計的無人車定位問題，包括雙目立體視覺里程計所涉及到的理論和算法。雙目立體視覺里程計是即時定位與制圖(simultaneous localization and mapping，SLAM)的重要組成部分，可以作為全球定位系統(tǒng)和航位推算定位等定位方法的有效補充。
　　首先，本文對本課題的研究背景，包括無人車和視覺里程計的國內外研究現(xiàn)狀進行了介紹，對比分析了各種無人車定位方法，指出了采用立體視覺里程計的優(yōu)

3、勢所在及其所面臨的問題。
　　其次，對雙目立體視覺系統(tǒng)的基本原理進行了分析，包括立體視覺系統(tǒng)的研究內容、攝像機的成像模型及立體視覺系統(tǒng)中所用到的各個坐標系間的關系、雙目立體視覺的視差與三維測量的原理、極線幾何約束關系及與攝像機內部參數和外部參數有關的基礎矩陣和本質矩陣。雙目立體視覺系統(tǒng)的基本原理是之后進行雙目立體視覺里程計研究的基礎。
　　再次，介紹了雙目立體視覺里程計的系統(tǒng)框架，基于此框架，對其涉及的各項關鍵技術進行了深入

4、的研究。在特征點提取方面，分析了前人較多采用的Harris角點提取和SIFT特征點提取方法，在此基礎上引出本文所采用的SURF特征點提取方法，并通過實驗對比了Harris角點提取、SIFT特征點提取和SIYRF特征點提取方法的效果，指出了SURF算法相較于Harris角點提取、SIFT、特征點提取方法的優(yōu)點所在，即可以提取到比Harris算法更穩(wěn)定的特征點，在實時性方面又優(yōu)于SIFT特征點提取算法；在特征點匹配方面采用最近鄰向量匹配法，