基于视觉的无人机自动着陆定位算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 视觉定位技术发展现状 | 第10-15页 |
| 1.3 本文研究特点及论文安排 | 第15-16页 |
| 第二章 视觉定位相关技术 | 第16-30页 |
| 2.1 数字图像处理基础知识 | 第16-23页 |
| 2.1.1 RGB彩色空间 | 第16-17页 |
| 2.1.2 HSV彩色空间 | 第17-18页 |
| 2.1.3 灰度化及二值化 | 第18-20页 |
| 2.1.4 图像滤波 | 第20-22页 |
| 2.1.5 腐蚀膨胀 | 第22-23页 |
| 2.2 坐标系 | 第23-25页 |
| 2.2.1 世界坐标系 | 第23-24页 |
| 2.2.2 无人机坐标系 | 第24页 |
| 2.2.3 摄像机坐标系 | 第24页 |
| 2.2.4 图像坐标系 | 第24-25页 |
| 2.3 Hough线段及圆检测 | 第25-28页 |
| 2.3.1 Hough线段检测 | 第25-27页 |
| 2.3.2 Hough圆检测 | 第27-28页 |
| 2.4 小结 | 第28-30页 |
| 第三章 目标提取算法 | 第30-42页 |
| 3.1 着陆目标模型设计及识别算法流程 | 第30-34页 |
| 3.1.1 着陆目标设计 | 第30-31页 |
| 3.1.2 方法流程 | 第31-33页 |
| 3.1.3 直方图判别 | 第33-34页 |
| 3.2 图像预处理 | 第34-35页 |
| 3.3 边界提取算法Canny | 第35-38页 |
| 3.4 椭圆拟合及椭圆过滤 | 第38-40页 |
| 3.5 多边形拟合及多边形过滤 | 第40-41页 |
| 3.6 小结 | 第41-42页 |
| 第四章 位姿估计 | 第42-49页 |
| 4.1 坐标转化模型设计 | 第42-43页 |
| 4.1.1 坐标模型 | 第42-43页 |
| 4.1.2 位姿问题描述 | 第43页 |
| 4.2 图像坐标系与物理图像坐标系转换 | 第43-44页 |
| 4.3 位置姿态参数估计 | 第44-48页 |
| 4.4 小结 | 第48-49页 |
| 第五章 实验结果 | 第49-59页 |
| 5.1 实验平台 | 第49-50页 |
| 5.2 目标模型识别结果 | 第50-57页 |
| 5.2.1 目标模型直方图结果 | 第50-51页 |
| 5.2.2 预处理结果 | 第51-52页 |
| 5.2.3 目标识别结果 | 第52-57页 |
| 5.3 位姿估计实验结果 | 第57-58页 |
| 5.4 小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66-67页 |
