| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 研究现状与关键问题 | 第7-10页 |
| 1.2.1 视觉跟踪算法研究现状 | 第7-8页 |
| 1.2.2 机器人路径规划算法研究现状 | 第8-9页 |
| 1.2.3 关键问题 | 第9-10页 |
| 1.3 本文的主要工作及创新点 | 第10-13页 |
| 1.3.1 主要研究工作 | 第10-12页 |
| 1.3.2 研究创新点 | 第12-13页 |
| 2 基于单目视觉的动态目标跟踪 | 第13-32页 |
| 2.1 经典的目标跟踪算法 | 第13-22页 |
| 2.1.1 光流目标跟踪算法 | 第13-14页 |
| 2.1.2 TLD目标跟踪算法 | 第14-16页 |
| 2.1.3 基于TLD与KCF融合的目标跟踪算法 | 第16-22页 |
| 2.2 基于深度学习的目标跟踪算法 | 第22-28页 |
| 2.2.1 卷积神经网络 | 第22-23页 |
| 2.2.2 GOTURN目标跟踪算法 | 第23-28页 |
| 2.3 实验结果及分析 | 第28-32页 |
| 3 飞行器面向室外复杂场景的自主路径规划 | 第32-49页 |
| 3.1 局部环境感知与代价地图的生成 | 第32-34页 |
| 3.2 飞行器路径规划算法 | 第34-40页 |
| 3.2.1 A* 路径规划算法 | 第34-36页 |
| 3.2.2 动态窗口路径规划算法 | 第36-40页 |
| 3.3 基于椭圆切线构造的路径规划算法 | 第40-47页 |
| 3.4 实验结果与分析 | 第47-49页 |
| 4 飞行器面向复杂室外场景的自主目标跟踪 | 第49-59页 |
| 4.1 飞行器自主跟踪目标的确定与目标跟丢情况下的重新确定 | 第49-53页 |
| 4.1.1 SSD目标检测算法 | 第49-51页 |
| 4.1.2 基于HOG特征+颜色直方图特征+SVM的目标筛选 | 第51-53页 |
| 4.2 自主目标跟踪任务中的约束条件生成 | 第53-56页 |
| 4.2.1 多组距离数据的估计 | 第53-54页 |
| 4.2.2 动态目标位置坐标的估计 | 第54-56页 |
| 4.3 路径追踪器的设计 | 第56页 |
| 4.4 实验结果及分析 | 第56-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63页 |
| 课题资助情况 | 第63-64页 |
| 致谢 | 第64-66页 |