| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文主要研究内容 | 第12页 |
| ·论文章节安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 无人机机器人引导的理论基础 | 第14-22页 |
| ·引言 | 第14-15页 |
| ·贝叶斯跟踪模型 | 第15-16页 |
| ·蒙特卡洛方法 | 第16-17页 |
| ·粒子滤波器 | 第17-21页 |
| ·粒子滤波算法原理 | 第17-18页 |
| ·粒子退化 | 第18-19页 |
| ·粒子滤波过程 | 第19-20页 |
| ·粒子滤波实验结果 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 融合 2D图像特征实现无人机机器人引导 | 第22-39页 |
| ·引言 | 第22-23页 |
| ·图像颜色特征 | 第23-26页 |
| ·基于HSV颜色空间的颜色直方图 | 第23-24页 |
| ·颜色特征匹配 | 第24-25页 |
| ·颜色特征跟踪目标实验结果 | 第25-26页 |
| ·FAST角点特征 | 第26-28页 |
| ·FAST角点提取 | 第26-27页 |
| ·FAST角点直方图的生成及匹配 | 第27页 |
| ·FAST角点特征实验结果 | 第27-28页 |
| ·加速鲁棒性特征（SURF） | 第28-34页 |
| ·积分图像的生成 | 第29页 |
| ·基于Hessian矩阵检测关键点 | 第29-30页 |
| ·SURF尺度空间的生成以及特征点的确定 | 第30-33页 |
| ·SURF特征描述符 | 第33-34页 |
| ·SURF特征实验结果 | 第34页 |
| ·融合颜色特征与FAST角点特征实现无人机机器人引导 | 第34-36页 |
| ·SURF特征实现无人机机器人引导的验证 | 第36-37页 |
| ·融合 2D图像特征实验结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 融合 2D图像与 3D点云特征实现无人机机器人引导 | 第39-50页 |
| ·引言 | 第39页 |
| ·彩色图像数据和深度图像数据的校准 | 第39-42页 |
| ·转换矩阵参数计算 | 第40-41页 |
| ·深度信息的校准 | 第41页 |
| ·彩色图像和深度图像校准实验结果 | 第41-42页 |
| ·三维边缘特征 | 第42-44页 |
| ·深度图像边缘提取概述 | 第42页 |
| ·深度图像 3D边缘提取算法 | 第42-43页 |
| ·三维边缘提取实验结果 | 第43-44页 |
| ·k-means算法 | 第44-46页 |
| ·k-means算法原理 | 第44-45页 |
| ·k-means算法结构 | 第45页 |
| ·k-means聚类实验结果 | 第45-46页 |
| ·融合 2D图像特征与 3D点云特征 | 第46-47页 |
| ·融合 2D图像和 3D点云特征实验结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 无人机机器人引导仿真及实验分析 | 第50-57页 |
| ·仿真及实验分析 | 第50-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 全文总结与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·全文展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果 | 第65-66页 |