| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第12-26页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-23页 |
| 1.2.1 未知着降区自主选取系统研究现状 | 第13-17页 |
| 1.2.2 未知着降区自主选取系统关键技术研究现状 | 第17-21页 |
| 1.2.3 基于视觉的相对位姿估计 | 第21-23页 |
| 1.3 目前存在的问题 | 第23页 |
| 1.4 论文内容安排 | 第23-26页 |
| 2 基于自适应S滤波的高度融合估计算法 | 第26-40页 |
| 2.1 引言 | 第26-27页 |
| 2.2 自适应S滤波器去噪原理 | 第27-28页 |
| 2.2.1 S变换原理 | 第27页 |
| 2.2.2 广义S变换 | 第27页 |
| 2.2.3 自适应S滤波器设计 | 第27-28页 |
| 2.3 多传感器测高观测模型 | 第28-29页 |
| 2.3.1 气压高度计观测模型 | 第28页 |
| 2.3.2 GPS测高观测模型 | 第28-29页 |
| 2.3.3 捷联式加速度计观测模型 | 第29页 |
| 2.4 高度信息融合 | 第29-31页 |
| 2.4.1 方程建立 | 第29页 |
| 2.4.2 Kalman滤波器设计 | 第29-31页 |
| 2.5 实验结果及分析 | 第31-38页 |
| 2.5.1 自适应S滤波算法精度验证 | 第31-36页 |
| 2.5.2 高度信息融合估计精度验证 | 第36-38页 |
| 2.6 本章小结 | 第38-40页 |
| 3 飞行高度辅助下着降区自适应分割及搜索算法 | 第40-60页 |
| 3.1 引言 | 第40-41页 |
| 3.2 飞行高度辅助下的多特征融合自适应分割算法 | 第41-48页 |
| 3.2.1 飞行高度辅助下的MeanShift自适应分割算法 | 第41-45页 |
| 3.2.2 自适应Canny边缘检测算法 | 第45-47页 |
| 3.2.3 着降区的搜索模板生成 | 第47-48页 |
| 3.3 算法流程 | 第48页 |
| 3.4 实验结果与分析 | 第48-58页 |
| 3.4.1 GoogleEarth测试图像 | 第48-56页 |
| 3.4.2 航拍图像测试 | 第56-58页 |
| 3.5 本章小结 | 第58-60页 |
| 4 基于特征字典的低秩稀疏表示航拍图像地物多级分类算法 | 第60-72页 |
| 4.1 引言 | 第60页 |
| 4.2 基于特征字典的低秩稀疏多级分类算法 | 第60-66页 |
| 4.2.1 稀疏表示分类算法(SRC) | 第60-61页 |
| 4.2.2 字典构造 | 第61-63页 |
| 4.2.3 特征字典的低秩矩阵恢复 | 第63-64页 |
| 4.2.4 多级分类器 | 第64-65页 |
| 4.2.5 算法流程 | 第65-66页 |
| 4.3 航拍图像数据库及样本制备 | 第66-68页 |
| 4.3.1 航拍图像数据库 | 第66-67页 |
| 4.3.2 样本制备 | 第67-68页 |
| 4.4 实验结果及分析 | 第68-70页 |
| 4.5 本章小结 | 第70-72页 |
| 5 面向未知区域深度测量的单目序列图像稠密点特征生成算法 | 第72-94页 |
| 5.1 引言 | 第72页 |
| 5.2 基于稠密点特征的未知区域深度计算 | 第72-82页 |
| 5.2.1 基于单目视觉的特征点深度计算原理 | 第72-74页 |
| 5.2.2 SIFT特征提取及匹配 | 第74-78页 |
| 5.2.3 亚像素级Harris角点提取及匹配 | 第78-81页 |
| 5.2.4 SIFT特征点和亚像素级Harris角点的融合策略 | 第81-82页 |
| 5.2.5 基于Delaunay三角剖分的稠密特征点生成 | 第82页 |
| 5.3 算法流程 | 第82-83页 |
| 5.4 实验结果及分析 | 第83-91页 |
| 5.4.1 深度估计仿真验证 | 第83-84页 |
| 5.4.2 VP实验环境下深度估计精度分析 | 第84-89页 |
| 5.4.3 无人机飞行条件下深度估计精度分析 | 第89-91页 |
| 5.5 本章小结 | 第91-94页 |
| 6 基于矢量约束的随机特征点相对位姿估计算法 | 第94-116页 |
| 6.1 引言 | 第94页 |
| 6.2 坐标系定义及相对位姿估计算法 | 第94-100页 |
| 6.2.1 坐标系定义 | 第94-95页 |
| 6.2.2 姿态角定义 | 第95-96页 |
| 6.2.3 坐标系转换 | 第96-98页 |
| 6.2.4 成像模型 | 第98-99页 |
| 6.2.5 以物方残差二范数为目标函数的正交迭代算法 | 第99-100页 |
| 6.3 特征点分布对位姿估计影响分析 | 第100-105页 |
| 6.3.1 相对位姿估计模型 | 第100-101页 |
| 6.3.2 位姿估计方程组条件数定义 | 第101页 |
| 6.3.3 评价指标 | 第101-102页 |
| 6.3.4 数值分析 | 第102-105页 |
| 6.4 矢量约束搜索策略 | 第105-107页 |
| 6.4.1 特征点组合生成 | 第105-106页 |
| 6.4.2 矢量约束归一化与最优值计算 | 第106页 |
| 6.4.3 算法流程 | 第106-107页 |
| 6.5 特征点在着降区坐标系下的坐标计算 | 第107页 |
| 6.6 实验仿真与分析 | 第107-113页 |
| 6.6.1 特征点在着降区坐标系下的坐标标注误差分析 | 第107-109页 |
| 6.6.2 矢量约束随机特征点选取仿真验证 | 第109-111页 |
| 6.6.3 物理实验验证 | 第111-113页 |
| 6.7 本章小结 | 第113-116页 |
| 7 总结与展望 | 第116-120页 |
| 7.1 本文工作总结 | 第116-117页 |
| 7.2 展望 | 第117-120页 |
| 参考文献 | 第120-132页 |
| 致谢 | 第132-134页 |
| 攻读博士学位期间发表的学术论文和参加科研情况 | 第134-136页 |
