| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外现状和趋势 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 存在的问题和发展趋势 | 第16-17页 |
| 1.3 本文的主要研究内容和创新点 | 第17-18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 2 基于无人机的轨道运行环境实时感知系统研究 | 第20-25页 |
| 2.1 轨道线路环境目标检测对象分析 | 第20-21页 |
| 2.2 实时感知系统硬件架构设计 | 第21-22页 |
| 2.3 入侵物识别算法总体设计 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 轨道线路环境感知视频稳像算法研究 | 第25-32页 |
| 3.1 视频稳像算法原理 | 第25-26页 |
| 3.2 基于改进HARRIS角点的视频稳像算法 | 第26-29页 |
| 3.2.1 改进Harris角点提取 | 第26-28页 |
| 3.2.2 KLT特征点跟踪和运动向量估计 | 第28-29页 |
| 3.3 实验结果及分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 轨道线路环境感知图像感兴趣区域提取 | 第32-45页 |
| 4.1 轨道感兴趣区域提取总体流程 | 第32页 |
| 4.2 单帧图像中钢轨识别 | 第32-38页 |
| 4.2.1 轨道感知图像预处理 | 第33-34页 |
| 4.2.2 改进自适应阈值Canny钢轨边缘检测 | 第34-37页 |
| 4.2.3 基于概率霍夫变换的直线检测 | 第37-38页 |
| 4.2.4 实验结果及分析 | 第38页 |
| 4.3 连续轨道图像钢轨跟踪 | 第38-43页 |
| 4.3.1 卡尔曼滤波器基本原理 | 第39-41页 |
| 4.3.2 基于卡尔曼滤波的钢轨跟踪 | 第41-43页 |
| 4.3.3 实验结果及分析 | 第43页 |
| 4.4 轨道图像感兴趣区域提取 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 基于融合地理位置视觉特征库的轨道入侵物检测方法研究 | 第45-65页 |
| 5.1 图像特征描述子提取与匹配概述 | 第45-49页 |
| 5.2 低维多项式(ALP)特征提取 | 第49-52页 |
| 5.2.1 构建尺度空间并计算极值点 | 第49-51页 |
| 5.2.2 局部特征选择并形成特征描述 | 第51页 |
| 5.2.3 特征描述子编码和特征位置编码 | 第51-52页 |
| 5.3 ALP特征与经典特征描述子对比 | 第52-55页 |
| 5.4 融合地理位置信息的轨道特征库构建和入侵检测方法 | 第55-59页 |
| 5.4.1 轨道特征库构建阶段 | 第56页 |
| 5.4.2 入侵检测阶段 | 第56-59页 |
| 5.5 实验结果及分析 | 第59-63页 |
| 5.5.1 正常无入侵物情况 | 第59-61页 |
| 5.5.2 单人入侵情况 | 第61-62页 |
| 5.5.3 50cm×50cm包裹入侵情况 | 第62-63页 |
| 5.6 本章小结 | 第63-65页 |
| 6 基于显著性检测的轨道入侵物识别方法研究 | 第65-74页 |
| 6.1 视觉显著性检测方法概述 | 第65-66页 |
| 6.2 前视图转换为鸟瞰图 | 第66-67页 |
| 6.3 融合梯度和LAB颜色空间的轨道图像显著性检测 | 第67-72页 |
| 6.3.1 基于梯度的显著图计算 | 第68页 |
| 6.3.2 基于Lab颜色空间的显著图计算 | 第68-70页 |
| 6.3.3 显著图融合与入侵物识别 | 第70-72页 |
| 6.4 实验结果与分析 | 第72-73页 |
| 6.5 本章小结 | 第73-74页 |
| 7 总结与展望 | 第74-76页 |
| 7.1 工作总结 | 第74页 |
| 7.2 研究展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 学位论文数据集 | 第81页 |
