| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 运动目标检测研究现状 | 第11-12页 |
| 1.2.2 基于视觉的目标跟踪 | 第12页 |
| 1.2.3 态势估计研究现状 | 第12-13页 |
| 1.3 课题研究内容 | 第13-15页 |
| 第二章 基于光流和视觉地标的定位算法 | 第15-25页 |
| 2.1 无人机自主定位系统介绍 | 第15页 |
| 2.2 基于光流和视觉地标的定位算法 | 第15-21页 |
| 2.2.1 视觉地标全局定位算法 | 第16-19页 |
| 2.2.2 光流传感器定位 | 第19页 |
| 2.2.3 视觉地标与光流传感器融合定位算法 | 第19-21页 |
| 2.3 实验及结果分析 | 第21-24页 |
| 2.3.1 融合算法定位精度验证 | 第21-23页 |
| 2.3.2 算法实时性验证 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于结合SVM的快速运动目标检测 | 第25-35页 |
| 3.1 基于结合SVM的快速运动目标检测算法框架 | 第25页 |
| 3.2 HOG特征提取 | 第25-27页 |
| 3.3 SVM多目标检测 | 第27-30页 |
| 3.3.1 SVM核函数的选择 | 第27-28页 |
| 3.3.2 SVM多目标检测过程 | 第28-30页 |
| 3.4 背景建模方法 | 第30-32页 |
| 3.5 实验及结果分析 | 第32-34页 |
| 3.5.1 实验环境 | 第32页 |
| 3.5.2 结果分析 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于改进霍夫森林框架的多目标跟踪算法 | 第35-43页 |
| 4.1 多目标跟踪方法 | 第35-36页 |
| 4.2 霍夫森林算法 | 第36-38页 |
| 4.2.1 霍夫森林样本采集 | 第36-37页 |
| 4.2.2 霍夫森林训练 | 第37-38页 |
| 4.3 改进霍夫森林算法 | 第38-40页 |
| 4.3.1 改进霍夫森林算法 | 第38页 |
| 4.3.2 轨迹校验及修复 | 第38-40页 |
| 4.4 实验及结果分析 | 第40-42页 |
| 4.4.1 实验数据和评价值指标 | 第40-41页 |
| 4.4.2 结果分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 旋翼无人机对多地面目标赛场态势估计方法研究 | 第43-52页 |
| 5.1 态势估计分析方法 | 第43-45页 |
| 5.1.1 态势估计问题 | 第43-44页 |
| 5.1.2 隐马尔可夫模型态势估计介绍 | 第44-45页 |
| 5.2 态势要素提取 | 第45-46页 |
| 5.3 基于隐马尔科夫模型的态势预测 | 第46-47页 |
| 5.3.1 模型参数学习 | 第46页 |
| 5.3.2 态势预测 | 第46-47页 |
| 5.4 实验及结果分析 | 第47-51页 |
| 5.4.1 仿真平台设计 | 第47-48页 |
| 5.4.2 试验分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文 | 第58页 |