| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景及意义 | 第11-14页 |
| 1.3 国内外研究发展现状与趋势 | 第14-16页 |
| 1.3.1 典型地质灾害研究发展概括 | 第14页 |
| 1.3.2 道路交通地质灾害及其研究发展的基本情况 | 第14-15页 |
| 1.3.3 移动机器视觉研究发展及其对公路滑坡检测勘察的作用 | 第15页 |
| 1.3.4 人工智能与深度学习的研究与发展情况及其对滑坡监测勘察的促进作用 | 第15-16页 |
| 1.3.5 灰色理论(灰色聚类)的研究与发展及其在灾情评估中的应用 | 第16页 |
| 1.4 拟解决的主要问题 | 第16-18页 |
| 1.5 研究目标及主要内容 | 第18-22页 |
| 1.5.1 研究目标 | 第18-19页 |
| 1.5.2 主要内容 | 第19-22页 |
| 1.6 主要特色及创新 | 第22-23页 |
| 1.7 论文结构 | 第23-25页 |
| 第2章 地质灾害(公路滑坡)监测勘察及评估问题描述与建模 | 第25-37页 |
| 2.1 概述 | 第25页 |
| 2.2 地质灾害(公路滑坡)及其危害 | 第25-27页 |
| 2.3 公路滑坡及其对交通的影响分析 | 第27页 |
| 2.4 公路滑坡的主要类型及形态与规律 | 第27-29页 |
| 2.5 公路滑坡成因分析 | 第29-31页 |
| 2.5.1 滑坡主要成因 | 第29页 |
| 2.5.2 岩土成分及结构形态对滑坡的影响 | 第29-30页 |
| 2.5.3 岩土承载体及其坡度对滑坡的影响 | 第30-31页 |
| 2.5.4 岩土水分对滑坡的影响 | 第31页 |
| 2.6 公路滑坡监测勘察模式及方法比较分析 | 第31-33页 |
| 2.6.1 公路滑坡监测勘察的重要性及复杂性 | 第31-32页 |
| 2.6.2 公路滑坡主要监测模式及方法 | 第32-33页 |
| 2.6.3 公路滑坡主要勘察模式及方法 | 第33页 |
| 2.6.4 比较分析 | 第33页 |
| 2.7 地质灾害(公路滑坡)灾情评估及其常见方法比较分析 | 第33-35页 |
| 2.7.1 灾情评估的一般原理及过程 | 第33-34页 |
| 2.7.2 灾情评估的重要性及复杂性 | 第34页 |
| 2.7.3 常见评估方法及其比较 | 第34-35页 |
| 2.8 基于移动机器视觉和深度学习的公路滑坡监测勘察及评估描述 | 第35-36页 |
| 2.9 本章小结 | 第36-37页 |
| 第3章 面向(公路滑坡)无接触式监测的多旋翼无人机移动机器视觉系统研究 | 第37-49页 |
| 3.1 概述 | 第37页 |
| 3.2 工作原理 | 第37-38页 |
| 3.3 体系结构 | 第38-41页 |
| 3.4 基于移动机器视觉图像获取方法 | 第41-42页 |
| 3.4.1 图像获取模式及成像过程与特性 | 第41-42页 |
| 3.4.2 影响图像质量的主要因素 | 第42页 |
| 3.5 面向移动机器视觉的图像质量评价方法 | 第42-45页 |
| 3.6 基于暗通道去雾与超分辨率重建相混合的移动机器视觉图像处理优化方法 | 第45-48页 |
| 3.6.1 算法原理及其设计过程 | 第45-47页 |
| 3.6.2 仿真与结果分析 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 基于图像特征和深度学习的地质灾害(公路滑坡)监测勘察方法研究 | 第49-63页 |
| 4.1 概述 | 第49页 |
| 4.2 基于图像特征和SLIDE的滑坡监测方法 | 第49-53页 |
| 4.2.1 基于光学摄像头的岩土含水量监测 | 第49-50页 |
| 4.2.2 基于霍夫线变换的滑坡坡度计算 | 第50页 |
| 4.2.3 基于SLIDE模型的滑坡预测方法 | 第50-53页 |
| 4.3 基于微调的ALEXNET深度学习的公路滑坡勘察方法 | 第53-61页 |
| 4.3.1 数据库搭建 | 第53-55页 |
| 4.3.2 基于微调的AlexNet网络原理 | 第55-57页 |
| 4.3.3 仿真与结果分析 | 第57-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 基于灰色聚类的地质灾害(公路滑坡)评估方法研究 | 第63-77页 |
| 5.1 概述 | 第63页 |
| 5.2 地质灾害(公路滑坡)灾情评估及其常见方法比较分析 | 第63-65页 |
| 5.2.1 灾情评估的重要性 | 第63-64页 |
| 5.2.2 常见评估的一般原理及过程 | 第64-65页 |
| 5.3 地质灾害(公路滑坡)灾情评估指标体系构建 | 第65-67页 |
| 5.3.1 滑坡状态指标 | 第65页 |
| 5.3.2 滑坡评估指标相关性分析 | 第65-67页 |
| 5.4 面向地质灾害(公路滑坡)灾情评估的灰色聚类方法 | 第67-76页 |
| 5.4.1 方法原理 | 第67-68页 |
| 5.4.2 算法设计及过程 | 第68-72页 |
| 5.4.3 基于熵权和区间灰数信息的聚类评估算法 | 第72-74页 |
| 5.4.4 仿真与结果分析 | 第74-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第6章 地质灾害(公路滑坡)监测勘察及评估模拟实验系统及实验研究 | 第77-97页 |
| 6.1 概述 | 第77页 |
| 6.2 模拟试验系统设计 | 第77-79页 |
| 6.2.1 系统目标与总体功能设计 | 第77页 |
| 6.2.2 系统组成与体系结构 | 第77-79页 |
| 6.3 试验系统研发实现及测试 | 第79-84页 |
| 6.3.1 开发方法及技术路线 | 第79-80页 |
| 6.3.2 软硬件选型及搭建 | 第80-84页 |
| 6.4 试验研究及结果分析 | 第84-95页 |
| 6.4.1 系统集成 | 第84-86页 |
| 6.4.2 面向多旋翼无人机移动机器视觉的图像优化算法仿真 | 第86-88页 |
| 6.4.3 地质灾害(公路滑坡)监测勘察试验及结果分析 | 第88-95页 |
| 6.5 本章小结 | 第95-97页 |
| 第7章 总结与展望 | 第97-99页 |
| 7.1 总结 | 第97页 |
| 7.2 展望 | 第97-99页 |
| 参考文献 | 第99-105页 |
| 致谢 | 第105-106页 |
| 攻读硕士学位期间的研究成果 | 第106页 |
