摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-17页 |
1.1 课题研究背景及意义 | 第9页 |
1.2 国内外研究现状 | 第9-14页 |
1.2.1 国内外无人机发展现状 | 第10-13页 |
1.2.2 国内外无人机定位方法研究现状 | 第13-14页 |
1.3 课题关键技术 | 第14-15页 |
1.4 论文研究内容及结构安排 | 第15-17页 |
第二章 无人机导航基础知识 | 第17-27页 |
2.1 无人机导航系统 | 第17-19页 |
2.1.1 自主导航系统 | 第17页 |
2.1.2 非自主导航系统 | 第17-19页 |
2.2 导航传感器 | 第19-20页 |
2.2.1 惯性传感器 | 第19页 |
2.2.2 视觉传感器 | 第19-20页 |
2.2.3 激光测距传感器 | 第20页 |
2.3 摄像机标定 | 第20-25页 |
2.3.1 标定原理 | 第22-23页 |
2.3.2 坐标转换关系 | 第23-25页 |
2.4 本章小结 | 第25-27页 |
第三章 meanshift目标跟踪算法 | 第27-51页 |
3.1 视频目标处理基础知识 | 第27-33页 |
3.1.1 目标检测方法 | 第28-29页 |
3.1.2 目标跟踪方法 | 第29-30页 |
3.1.3 特征提取方法 | 第30-33页 |
3.2 meanshift理论 | 第33-36页 |
3.2.1 meanshift向量 | 第33-34页 |
3.2.2 概率密度梯度 | 第34-36页 |
3.2.3 基本meanshift算法 | 第36页 |
3.3 meanshift在目标跟踪中的应用 | 第36-40页 |
3.3.1 meanshift跟踪原理 | 第36-39页 |
3.3.2 meanshift跟踪算法流程 | 第39页 |
3.3.3 meanshift目标跟踪的优缺点分析 | 第39-40页 |
3.4 融合Kalman滤波的meanshift目标跟踪算法 | 第40-49页 |
3.4.1 Kalman滤波 | 第40-45页 |
3.4.1.1 Kalman滤波算法 | 第40-44页 |
3.4.1.2 Kalman滤波实现中的问题 | 第44-45页 |
3.4.2 融合Kalman的meanshift目标跟踪方法 | 第45-46页 |
3.4.3 实验结果及分析 | 第46-49页 |
3.5 本章小结 | 第49-51页 |
第四章 基于meanshift的小型无人机位置解算方法设计 | 第51-59页 |
4.1 引言 | 第51页 |
4.2 基于摄像机标定的小型无人机位置解算方法 | 第51-53页 |
4.2.1 方法介绍 | 第51-53页 |
4.2.2 方法不足 | 第53页 |
4.3 基于meanshift的小型无人机位置解算方法 | 第53-58页 |
4.3.1 方法介绍 | 第53-57页 |
4.3.2 方法分析及说明 | 第57-58页 |
4.4 本章小结 | 第58-59页 |
第五章 基于meanshift的小型无人机位置解算仿真实验 | 第59-75页 |
5.1 实验载体 | 第59-62页 |
5.1.1 载体介绍 | 第59页 |
5.1.2 载体硬件构成 | 第59-61页 |
5.1.3 载体平稳性能测试 | 第61-62页 |
5.2 实验平台 | 第62-63页 |
5.3 基于摄像机标定的飞行器位置解算仿真实验 | 第63-68页 |
5.3.1 实验场景 | 第63页 |
5.3.2 采用摄像机标定反算飞行器位置 | 第63-67页 |
5.3.3 实验结果与不足 | 第67-68页 |
5.4 基于meanshift的飞行器位置解算仿真实验 | 第68-73页 |
5.4.1 实验场景 | 第68-69页 |
5.4.2 采用融合Kalman的meanshift算法对小车跟踪 | 第69-70页 |
5.4.3 解算飞行器位置 | 第70页 |
5.4.4 实验结果及分析 | 第70-73页 |
5.5 实验对比分析 | 第73页 |
5.6 本章小结 | 第73-75页 |
第六章 总结与展望 | 第75-77页 |
6.1 本文工作总结 | 第75页 |
6.2 工作展望 | 第75-77页 |
参考文献 | 第77-81页 |
发表论文和参加科研情况说明 | 第81-83页 |
致谢 | 第83页 |