1. 研究目的与意义（文献综述）
(1)总述：
汽车工业已经展示出未来的发展方向，即智能化、网联化。按照这样的总体发展方向，无人驾驶汽车也将成为未来汽车工业的主角，这也是近几年无人驾驶汽车持续热度的原因之一。从广义上讲，无人驾驶汽车是在网络环境下利用计算机技术、信息技术和智能控制技术武装起来的汽车，是有着汽车外壳的移动机器人。无人驾驶汽车主要涉及：体系结构，环境感知，定位导航，路径规划，运动控制等方面内容[1]。国内外知名传统汽车企业以及互联网巨头等也已经展开了一场激烈的关于无人驾驶汽车的竞赛，相继推出了各自研发的无人驾驶相关产品和实车。无人驾驶汽车己不仅仅是高校、科研机构的实验室产品，据不完全统计，仅2015年以来包括宝马、奔驰、沃尔沃、上汽集团、长安汽车、长城汽车、北汽、百度、特斯拉、uber、乐视汽车、蔚来汽车等企业相继推出了各自的无人驾驶汽车，有些将在10～15年内实现量产；同时力帆、江淮、东风、比亚迪等企业也都推出了无人驾驶汽车的发展规划。由此可以看出，传统汽车企业以及互联网巨头相继涉足无人驾驶汽车领域，积极抢占无人驾驶市场份额。与此同时，各国政府对无人驾驶汽车也不仅仅局限于政策研究等方面的支持，美、欧、中、日等国及地区斥资建设了无人驾驶汽车试验示范区(美国 底特律mcity，中国上海nice city等)，加速推进无人驾驶汽车的发展。
作为广义的移动机器人，自主导航是无人驾驶汽车的一个关键问题[2]。实现无人驾驶汽车自主导航需要解决leonard、durrant．whyte等人提出的三个问 题：“where am i?”，“where do 1 want to go?”，“how do i get there?”[3]-[4]。对于无人驾驶汽车而言，前两个问题称为定位问题，需要通过内外部传感器感知周围环境和确定自身状态，同时确定自身在环境中的精确位置。无人驾驶汽车实现自身的精确定位依赖于精确的环境地图，而精确的定位又增强了环境地图的准确性。第三个问题称为路径规划与决策问题[2]。需要无人驾驶汽车在当前位置到目标位置之间按照某种性能指标规划一条合理的最优路径[1]。由此可以看出，定位与环境地图创建是实现无人驾驶汽车自主导航的关键。
2. 研究的基本内容与方案
（1）研究基本内容：
视觉slam流程包括以下五个步骤：一是传感器信息读取。在视觉slam中主要为相机图像信息的读取和预处理。如果使用多传感器融合算法，则还包括其他传感器数据的读取及预处理；二是视觉里程计（visual odometry，vo）。视觉里程计的任务是估算相邻图像间相机的运动，以及局部地图的模样。vo又称为前端（front end）；三是后端优化（optimization）。后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的轨迹和地图。由于接在vo之后，又称为后端（back end）。四是回环检测（loop closing）。回环检测判断机器人是否到达过先前的位置。如果检测到回环，它会把信息提供给后端进行处理；五是建图（mapping），及根据估计的轨迹，建立与任务要求对应的地图。
通过实现每一环节而进一步实现整个视觉slam，完成所需功能。目前具有代表性的视觉slam算法是vins-fusion、orb-slam2、okivis等、本设计将学习并使用其中的一或几个算法，完成相应的功能并进行优化分析。
3. 研究计划与安排
第1-2周：查阅相关文献资料，明确研究内容，提出设计思路和内容，确定方案，完成开题报告和外文翻译。
第3-5周：分析现有的视觉slam算法分类，总结各算法的优缺点。
第6-10周：基于现有硬件设备选择具有代表性的视觉slam算法进行算法的调试；
4. 参考文献（12篇以上）
[1]陈慧岩，熊光明，龚建伟．无人驾驶汽车概论[m]．北京理工大学出版社，2014．
[2]郭剑辉．移动机器人同时定位与地图创建方法研究[d]．南京理工大学，2008．
[3] leonard j j, durrant-whyte h f.mobile robot localization by tracking geometric beacons[j]. ieee transactionson robotics and automation, 1991, 7(3):376-382.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
