基于结构光视觉的植保无人机障碍物图像加速处理技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 课题的研究现状 | 第12-13页 |
| 1.2.1 植保无人机障碍物检测技术 | 第12页 |
| 1.2.2 图像加速处理技术 | 第12-13页 |
| 1.3 论文主要工作及组织结构 | 第13-16页 |
| 1.3.1 论文主要工作 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-16页 |
| 第2章 基于结构光视觉的障碍物检测方法 | 第16-20页 |
| 2.1 结构光检测原理 | 第16-17页 |
| 2.2 检测参数提取 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 障碍物检测系统的软硬件设计 | 第20-28页 |
| 3.1 检测系统的设计需求 | 第20页 |
| 3.2 检测系统硬件设计 | 第20-23页 |
| 3.2.1 硬件总体设计 | 第20-21页 |
| 3.2.2 嵌入式GPU平台选择 | 第21-22页 |
| 3.2.3 结构光检测模块器件选择 | 第22-23页 |
| 3.3 检测系统软件设计 | 第23-27页 |
| 3.3.1 软件开发环境搭建 | 第23-24页 |
| 3.3.2 软件总体设计 | 第24-25页 |
| 3.3.3 软件处理流程 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 结构光图像处理的并行算法设计与实现 | 第28-47页 |
| 4.1 图像增强算法的CUDA并行实现 | 第28-35页 |
| 4.1.1 增强算法的并行设计与实现 | 第28-33页 |
| 4.1.2 并行算法的性能分析 | 第33-35页 |
| 4.2 图像分割算法的CUDA并行实现 | 第35-41页 |
| 4.2.1 分割算法的并行设计与实现 | 第35-40页 |
| 4.2.2 并行算法的性能分析 | 第40-41页 |
| 4.3 图像细化算法的CUDA并行实现 | 第41-46页 |
| 4.3.1 细化算法的并行设计与实现 | 第41-46页 |
| 4.3.2 并行算法的性能分析 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于ROI区域的障碍物检测参数计算方法 | 第47-51页 |
| 5.1 ROI区域的确定 | 第47-48页 |
| 5.2 检测参数计算 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 实验验证与分析 | 第51-64页 |
| 6.1 测试环境搭建 | 第51-52页 |
| 6.2 两种典型障碍物的图像处理效果实验 | 第52-57页 |
| 6.2.1 图像增强效果 | 第52-53页 |
| 6.2.2 图像分割效果 | 第53-55页 |
| 6.2.3 图像细化效果 | 第55-57页 |
| 6.3 结构光图像处理时间对比实验 | 第57-60页 |
| 6.3.1 图像处理中各步骤处理时间对比实验 | 第57-59页 |
| 6.3.2 图像处理中整体处理时间对比实验 | 第59-60页 |
| 6.4 障碍物检测的静态实验 | 第60-62页 |
| 6.5 障碍物检测的动态实验 | 第62-63页 |
| 6.6 本章小结 | 第63-64页 |
| 第7章 总结与展望 | 第64-66页 |
| 7.1 工作总结 | 第64-65页 |
| 7.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70页 |
