| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 异构机器人协同 | 第13-14页 |
| 1.2.2 目标识别 | 第14-16页 |
| 1.2.3 目标跟踪 | 第16-17页 |
| 1.2.4 目标识别与跟踪存在问题 | 第17-18页 |
| 1.3 论文研究内容及章节安排 | 第18-20页 |
| 2 基于计算机视觉跟踪方案 | 第20-26页 |
| 2.1 空地机器人协同系统概述 | 第20-21页 |
| 2.2 基于计算机视觉跟踪方案设计 | 第21-24页 |
| 2.2.1 计算机视觉跟踪方案硬件平台设计 | 第22-23页 |
| 2.2.2 计算机视觉跟踪方案工作流程设计 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 3 基于字典学习的图像复原 | 第26-34页 |
| 3.1 图像噪声 | 第26-27页 |
| 3.1.1 图像噪声的概念及模型 | 第26-27页 |
| 3.1.2 去噪主要方法介绍 | 第27页 |
| 3.2 稀疏表示理论 | 第27-29页 |
| 3.2.1 图像稀疏表示模型 | 第28页 |
| 3.2.2 字典学习基本原理 | 第28-29页 |
| 3.3 基于图像块字典学习的图像复原算法 | 第29-31页 |
| 3.3.1 K-SVD字典学习算法 | 第29-30页 |
| 3.3.2 基于图像块分类的字典学习的图像复原 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 基于图像匹配的目标识别 | 第34-52页 |
| 4.1 特征点检测 | 第34-39页 |
| 4.1.1 Harris特征点检测 | 第35-36页 |
| 4.1.2 ORB特征点检测 | 第36-37页 |
| 4.1.3 SIFT特征点检测 | 第37-39页 |
| 4.2 基于PCA主元分析的KD树最近邻算法 | 第39-44页 |
| 4.2.1 PCA技术 | 第40-41页 |
| 4.2.2 KD树原理及构建算法 | 第41-42页 |
| 4.2.3 基于PCA的KD构建及查询 | 第42-44页 |
| 4.3 Ransac算法优化匹配 | 第44-45页 |
| 4.4 透视变换 | 第45-47页 |
| 4.5 实验结果与分析 | 第47-51页 |
| 4.6 章节小结 | 第51-52页 |
| 5 基于压缩感知的目标跟踪 | 第52-67页 |
| 5.1 基于压缩感知的目标跟踪算法 | 第52-56页 |
| 5.1.1 类Haar-Like特征的CT特征 | 第52-54页 |
| 5.1.2 随机感知矩阵 | 第54-55页 |
| 5.1.3 贝叶斯分类器 | 第55-56页 |
| 5.1.4 算法流程 | 第56页 |
| 5.2 结合Kalman滤波器校正的压缩感知多尺度目标跟踪算法 | 第56-61页 |
| 5.2.1 Kalman滤波器校正 | 第57-58页 |
| 5.2.2 尺度变换的处理 | 第58-59页 |
| 5.2.3 更新机制的改进 | 第59-60页 |
| 5.2.4 算法流程 | 第60-61页 |
| 5.3 实验结果与分析 | 第61-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 无人机飞行跟踪试验研究 | 第67-76页 |
| 6.1 相机模型 | 第67-70页 |
| 6.1.1 坐标系的设定 | 第67-68页 |
| 6.1.2 坐标系的转换 | 第68-70页 |
| 6.2 稳定跟踪策略设计 | 第70-74页 |
| 6.2.1 参数解算 | 第70-72页 |
| 6.2.2 飞行控制 | 第72-73页 |
| 6.2.3 跟踪状态切换 | 第73-74页 |
| 6.3 试验结果与分析 | 第74-75页 |
| 6.4 本章小结 | 第75-76页 |
| 7 结论 | 第76-78页 |
| 7.1 本文主要工作总结 | 第76-77页 |
| 7.2 未来工作的展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表论文 | 第82-83页 |
| 致谢 | 第83-84页 |