火星表面障碍检测方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第16-36页 |
| 1.1 课题背景、目的与意义 | 第16-19页 |
| 1.1.1 课题来源 | 第16页 |
| 1.1.2 课题背景 | 第16-18页 |
| 1.1.3 研究目的与意义 | 第18-19页 |
| 1.2 国内外研究现状分析 | 第19-32页 |
| 1.2.1 基于视觉信息的自主HDA方案概述 | 第19-23页 |
| 1.2.2 行星着陆障碍物表征技术研究现状 | 第23-31页 |
| 1.2.3 国内外研究现状总结 | 第31-32页 |
| 1.3 本文主要研究内容 | 第32-36页 |
| 1.3.1 亟待解决的问题 | 第33-34页 |
| 1.3.2 主要内容安排 | 第34-36页 |
| 第2章 主动视觉成像模型与被动视觉特征提取 | 第36-47页 |
| 2.1 引言 | 第36页 |
| 2.2 激光雷达测量系统 | 第36-40页 |
| 2.2.1 系统组成 | 第36-37页 |
| 2.2.2 测量误差源分析 | 第37-40页 |
| 2.3 被动视觉特征提取 | 第40-46页 |
| 2.3.1 超像素分割 | 第41-42页 |
| 2.3.2 多维特征提取 | 第42-43页 |
| 2.3.3 多维特征融合 | 第43-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 地形曲面提取与障碍检测 | 第47-71页 |
| 3.1 引言 | 第47-48页 |
| 3.2 问题描述与解决策略 | 第48-50页 |
| 3.2.1 问题描述 | 第48-49页 |
| 3.2.2 解决策略 | 第49-50页 |
| 3.3 地形曲面提取 | 第50-59页 |
| 3.3.1 数据预处理 | 第50-51页 |
| 3.3.2 薄板样条插值 | 第51-53页 |
| 3.3.3 算例分析 | 第53-59页 |
| 3.4 障碍物评估 | 第59-63页 |
| 3.5 仿真结果分析 | 第63-70页 |
| 3.5.1 区域标记精度 | 第64-65页 |
| 3.5.2 边缘位置精度 | 第65-66页 |
| 3.5.3 障碍识别精度 | 第66-68页 |
| 3.5.4 实时性分析 | 第68-69页 |
| 3.5.5 真实火星地形算例分析 | 第69-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第4章 地形平面提取与障碍检测 | 第71-89页 |
| 4.1 引言 | 第71页 |
| 4.2 问题描述与解决策略 | 第71-75页 |
| 4.2.1 问题描述 | 第71-73页 |
| 4.2.2 经典参数估计算法面临的困难 | 第73-74页 |
| 4.2.3 解决策略 | 第74-75页 |
| 4.3 自适应模型参数估计 | 第75-83页 |
| 4.3.1 前处理 | 第75-77页 |
| 4.3.2 自适应尺度估计因子 | 第77-80页 |
| 4.3.3 实时性分析 | 第80页 |
| 4.3.4 二维数据算例分析 | 第80-83页 |
| 4.4 障碍物表征及安全点选择 | 第83-84页 |
| 4.5 仿真结果分析 | 第84-88页 |
| 4.5.1 模拟地形下仿真分析 | 第84-86页 |
| 4.5.2 半物理仿真地形验证试验 | 第86-88页 |
| 4.6 本章小结 | 第88-89页 |
| 第5章 基于区域对比度的岩石检测算法 | 第89-108页 |
| 5.1 引言 | 第89页 |
| 5.2 问题描述与解决策略 | 第89-91页 |
| 5.2.1 问题描述 | 第89-90页 |
| 5.2.2 解决策略 | 第90-91页 |
| 5.3 区域对比度 | 第91-95页 |
| 5.3.1 基于像素强度的全局区域对比度 | 第91-93页 |
| 5.3.2 局部对比度优化 | 第93-95页 |
| 5.3.3 星载简化版本 | 第95页 |
| 5.4 仿真结果分析 | 第95-103页 |
| 5.4.1 检测结果定性分析 | 第97-98页 |
| 5.4.2 统计学指标定量分析 | 第98-101页 |
| 5.4.3 算法实时性分析 | 第101-103页 |
| 5.5 多尺度算法融合 | 第103-107页 |
| 5.5.1 多尺度异种算法融合 | 第103-105页 |
| 5.5.2 多尺度同一算法融合 | 第105-107页 |
| 5.6 本章小结 | 第107-108页 |
| 第6章 基于多特征的岩石检测方法 | 第108-133页 |
| 6.1 引言 | 第108页 |
| 6.2 问题描述与解决策略 | 第108-110页 |
| 6.2.1 问题描述 | 第108-109页 |
| 6.2.2 解决策略 | 第109-110页 |
| 6.3 半监督背景特征提取 | 第110-113页 |
| 6.3.1 特征选择 | 第110-111页 |
| 6.3.2 标记样本生成 | 第111-113页 |
| 6.4 多特征背景PCA重构与对比度增强 | 第113-118页 |
| 6.4.1 基于主成分分析的特征融合 | 第113页 |
| 6.4.2 背景重构与对比度融合 | 第113-115页 |
| 6.4.3 仿真结果分析 | 第115-118页 |
| 6.5 多特征背景稀疏重构与对比度增强 | 第118-123页 |
| 6.5.1 稀疏表示与字典生成 | 第118-119页 |
| 6.5.2 背景稀疏重构与对比度增强 | 第119-121页 |
| 6.5.3 仿真结果分析 | 第121-123页 |
| 6.6 对比度优化及算法融合 | 第123-132页 |
| 6.6.1 对比度优化 | 第124-125页 |
| 6.6.2 仿真结果分析 | 第125-128页 |
| 6.6.3 算法融合 | 第128-130页 |
| 6.6.4 仿真结果分析 | 第130-132页 |
| 6.7 本章小结 | 第132-133页 |
| 结论 | 第133-135页 |
| 参考文献 | 第135-147页 |
| 攻读博士学位期间发表的论文及其他成果 | 第147-150页 |
| 致谢 | 第150-151页 |
| 个人简历 | 第151页 |
