1. 研究目的与意义

无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。

集自动控制、导航、人工智能、视觉计算等众多技术于一体，具有广阔的应用前景。

以往的智能汽车自定位，是利用传统的车辆里程计来完成里程测量任务的，即基于对车轮旋转次数或角速度信息的测定来估计运行距离。

2. 国内外研究现状分析

国外研究状况： 首个实时大范围单目视觉里程计是由nistr等人提出的。

他们采用了5点最小求解器来计算ransac中的运动假设并在此之后变成单目视觉里程计研究中的黄金标准算法。

scaramuzza等人首次将车辆的运动学约束引入到视觉里程计的计算模型中，致力于用单目相机来恢复自主车辆的平面运动。

3. 研究的基本内容与计划

1）特征选择与关联。

获取图像后，视觉里程计需要从图像中提取一定数量的特征点，以此作为帧间位姿估计的输入，用于位姿估计的特征应当具有良好的光度不变性和几何不变性。

特征检测后，对特征进行关联来生成可以用于位姿估计的特征关联集合。

4. 研究创新点

1）基于sift特征和harris角点特征相结合的特征检测与匹配方法。

sift特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果，但是其实时性不高，有时特征点较少，并且对边缘光滑的目标无法提取特征点。

角点是图像的重要特征，相对于sift特征点而言，特征点较多，而且能够检测到图像的大部分关键特征，但不好匹配。