融合地理位置信息的电力杆塔检测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-17页 |
| 1.1 课题的研究背景及来源 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 电力杆塔检测的研究现状 | 第12-13页 |
| 1.2.2 电力线巡检飞行机器人的研究现状及分析 | 第13-15页 |
| 1.3 研究内容和意义 | 第15-17页 |
| 第2章 电力杆塔理想成像模型研究 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 视觉坐标系与成像几何原理 | 第17-21页 |
| 2.2.1 视觉坐标系 | 第17-19页 |
| 2.2.2 小孔成像几何原理 | 第19-21页 |
| 2.3 电力杆塔理想成像模型 | 第21-24页 |
| 2.3.1 飞行机器人GPS坐标获取和变换 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 地理信息误差成像研究 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 高斯分布投影 | 第25-29页 |
| 3.2.1 圆锥曲线 | 第25-26页 |
| 3.2.2 世界坐标系下的圆锥射线 | 第26-27页 |
| 3.2.3 圆锥射线成像原理 | 第27-29页 |
| 3.3 仿真实验 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 GI-DPM算法原理 | 第32-45页 |
| 4.1 引言 | 第32页 |
| 4.2 DPM算法基本思想和步骤 | 第32-40页 |
| 4.2.1 HOG特征和增强型HOG特征 | 第33-35页 |
| 4.2.2 学习算法模型 | 第35-39页 |
| 4.2.3 学习模型算法步骤 | 第39-40页 |
| 4.3 混合模型算法 | 第40-42页 |
| 4.4 仿真实验 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 本文主要研究工作与贡献 | 第45页 |
| 5.2 研究展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第50-51页 |
| 致谢 | 第51-52页 |
| 作者简介 | 第52页 |
