| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 无人机与无人车协同的研究现状 | 第9-13页 |
| 1.2.2 路径规划的研究现状 | 第13-14页 |
| 1.3 课题支撑 | 第14页 |
| 1.4 本文研究内容 | 第14-16页 |
| 第2章 无人机与无人车协同系统设计 | 第16-22页 |
| 2.1 无人系统协同理论 | 第16-19页 |
| 2.1.1 无人平台个体体系结构 | 第16-18页 |
| 2.1.2 多无人平台协同体系结构 | 第18-19页 |
| 2.2 无人机与无人车协同系统 | 第19-21页 |
| 2.2.1 分层式的分布控制框架 | 第19-21页 |
| 2.2.2 协同系统通信方式 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于视觉的目标检测与定位 | 第22-43页 |
| 3.1 摄像机的标定 | 第22-24页 |
| 3.1.1 基本坐标系 | 第22-24页 |
| 3.1.2 线性摄像机模型 | 第24页 |
| 3.2 图像预处理 | 第24-35页 |
| 3.2.1 图像的色彩空间 | 第24-27页 |
| 3.2.2 图像分割 | 第27-35页 |
| 3.3 数学形态学处理 | 第35-37页 |
| 3.3.1 形态学处理图像的基本步骤 | 第36页 |
| 3.3.2 膨胀和腐蚀 | 第36页 |
| 3.3.3 开操作与闭操作 | 第36-37页 |
| 3.4 目标的检测与定位 | 第37-40页 |
| 3.4.1 质心公式法 | 第37-39页 |
| 3.4.2 基于模板匹配的目标检测 | 第39-40页 |
| 3.5 算法流程及仿真结果分析 | 第40-42页 |
| 3.5.1 算法流程 | 第40-41页 |
| 3.5.2 目标检测定位结果与分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于改进人工势场法的车辆路径规划 | 第43-61页 |
| 4.1 环境建模 | 第43-44页 |
| 4.2 传统人工势场法 | 第44-48页 |
| 4.2.1 人工势场法基本原理 | 第45-46页 |
| 4.2.2 人工势场法优缺点 | 第46-48页 |
| 4.3 改进人工势场法APF-2 | 第48-57页 |
| 4.3.1 基本原理 | 第48-51页 |
| 4.3.2 算法流程 | 第51-52页 |
| 4.3.3 极小值问题的处理及仿真分析 | 第52-57页 |
| 4.3.4 改进APF-2与其他路径规划算法对比分析 | 第57页 |
| 4.4 无人机与无人车协同系统中的路径规划 | 第57-60页 |
| 4.4.1 协同系统中图像处理结果 | 第58-59页 |
| 4.4.2 路径规划结果分析 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 无人机与无人车协同系统实验平台设计 | 第61-68页 |
| 5.1 协同试验平台设计 | 第61-65页 |
| 5.1.1 四旋翼无人机 | 第61-63页 |
| 5.1.2 智能小车 | 第63页 |
| 5.1.3 图像采集硬件组成 | 第63-65页 |
| 5.2 快速控制原型试验平台的搭建 | 第65-67页 |
| 5.2.1 dSPACE快速原系统型 | 第65-67页 |
| 5.2.2 智能车横纵向控制试验平台介绍 | 第67页 |
| 5.3 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 主要研究成果 | 第68页 |
| 6.2 工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录 | 第76-77页 |