| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 空地机器人协作的研究现状 | 第12-14页 |
| 1.2.2 全景图像拼接的研究现状 | 第14-15页 |
| 1.2.3 三维场景重建的研究现状 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第2章 图像处理技术研究 | 第19-34页 |
| 2.1 引言 | 第19页 |
| 2.2 图像预处理 | 第19-23页 |
| 2.2.1 图像畸变与校正 | 第19-20页 |
| 2.2.2 图像灰度化处理 | 第20-21页 |
| 2.2.3 图像去噪处理 | 第21-23页 |
| 2.3 角点检测算法 | 第23-29页 |
| 2.3.1 Harris角点检测 | 第24-26页 |
| 2.3.2 SIFT特征提取 | 第26-28页 |
| 2.3.3 Harris与SIFT角点检测对比实验 | 第28-29页 |
| 2.4 摄像机成像技术 | 第29-33页 |
| 2.4.1 常用坐标系 | 第29-30页 |
| 2.4.2 坐标系之间的转换关系 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于SIFT和RANSAC的全景图像拼接技术 | 第34-44页 |
| 3.1 引言 | 第34-35页 |
| 3.2 图像匹配 | 第35-38页 |
| 3.2.1 SIFT匹配算法 | 第35-36页 |
| 3.2.2 RANSAC匹配算法 | 第36-38页 |
| 3.3 图像融合 | 第38-40页 |
| 3.4 实验结果及分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 空地机器人协作三维场景重建 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 基于SFM的稀疏点云重建 | 第44-47页 |
| 4.2.1 摄像机自标定 | 第45页 |
| 4.2.2 极线约束和本征矩阵 | 第45-47页 |
| 4.3 基于CMVS的稠密点云重建 | 第47-49页 |
| 4.4 基于泊松算法的表面重建 | 第49-50页 |
| 4.5 实验结果及分析 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 无人飞行器起落标志检测 | 第53-70页 |
| 5.1 引言 | 第53页 |
| 5.2 “T”型合作目标提取 | 第53-59页 |
| 5.2.1 图像分割 | 第54-56页 |
| 5.2.2 边缘检测与角点提取 | 第56-59页 |
| 5.3 无人飞行器位置姿态估计 | 第59-66页 |
| 5.3.1 无人飞行器位姿参数定义 | 第60-61页 |
| 5.3.2 无人飞行器位姿参数计算 | 第61-65页 |
| 5.3.3 无人飞行器降落控制系统 | 第65-66页 |
| 5.4 实验结果及分析 | 第66-68页 |
| 5.5 本章小结 | 第68-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |