基于月球车车辙图像的月壤硬度估计方法研究
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 星球车研究现状 | 第11-14页 |
| 1.2.2 机器视觉在各领域的应用现状 | 第14-15页 |
| 1.2.3 土壤硬度测量研究现状 | 第15-17页 |
| 1.2.4 车辙研究现状 | 第17-18页 |
| 1.3 课题来源与研究意义 | 第18-19页 |
| 1.3.1 课题来源 | 第18页 |
| 1.3.2 研究意义 | 第18-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 基于双目视觉的标定方法及车辙预处理 | 第21-45页 |
| 2.1 引言 | 第21页 |
| 2.2 测量系统框架 | 第21-24页 |
| 2.2.1 总体设计思路 | 第21-22页 |
| 2.2.2 车辙下陷量测量流程 | 第22-23页 |
| 2.2.3 模拟月壤硬度测量方案 | 第23-24页 |
| 2.3 双目视觉系统 | 第24-25页 |
| 2.4 测量系统的双目标定方法 | 第25-35页 |
| 2.4.1 相机标定原理 | 第26-28页 |
| 2.4.2 相机标定方法 | 第28-32页 |
| 2.4.3 双目立体视觉相机标定实验 | 第32-35页 |
| 2.5 月球车车辙图像预处理 | 第35-44页 |
| 2.5.1 图像预处理流程 | 第35-36页 |
| 2.5.2 图像增强 | 第36-37页 |
| 2.5.3 图像形态学 | 第37-39页 |
| 2.5.4 调整灰度阈值 | 第39-41页 |
| 2.5.5 图像去噪 | 第41-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 双目视觉图像匹配与三维重建 | 第45-59页 |
| 3.1 引言 | 第45页 |
| 3.2 极线校正 | 第45-49页 |
| 3.3 图像匹配 | 第49-53页 |
| 3.3.1 图像匹配算法 | 第49-51页 |
| 3.3.2 基于RANSAC的立体匹配算法 | 第51-52页 |
| 3.3.3 基于极线的立体匹配算法 | 第52页 |
| 3.3.4 立体匹配 | 第52-53页 |
| 3.4 环境三维重建 | 第53-58页 |
| 3.4.1 基本的三维坐标求取方法 | 第54-55页 |
| 3.4.2 基于最小二乘法的三维重建 | 第55-56页 |
| 3.4.3 三维重建实验结果 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 不同状态下模拟月壤硬度理论值研究 | 第59-68页 |
| 4.1 引言 | 第59页 |
| 4.2 试验设备与试验设计 | 第59-64页 |
| 4.2.1 试验设备 | 第60-62页 |
| 4.2.2 试验设计 | 第62-64页 |
| 4.3 模拟月壤自然状态下硬度值的分析 | 第64-66页 |
| 4.4 模拟月壤状态与整备条件下陷量的关系 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 车辙图像的月壤硬度实验设计与研究 | 第68-80页 |
| 5.1 引言 | 第68页 |
| 5.2 双目立体视觉测距系统设备 | 第68-69页 |
| 5.3 车辙图像深度测量实验 | 第69-76页 |
| 5.3.1 实验数据分析 | 第70-72页 |
| 5.3.2 测距算法实现 | 第72-76页 |
| 5.4 模拟车辙图像的月壤硬度估计 | 第76-77页 |
| 5.5 “月兔号”车辙图像的月壤硬度估计 | 第77-79页 |
| 5.6 本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第87-88页 |
| 致谢 | 第88-89页 |
