| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 多机协同定位与跟踪的研究现状 | 第13-15页 |
| 1.2.2 多机协同控制的研究现状 | 第15-17页 |
| 1.3 研究内容与结构安排 | 第17-20页 |
| 1.3.1 论文主要研究内容和组织结构 | 第17-18页 |
| 1.3.2 论文主要贡献 | 第18-20页 |
| 第二章 多无人机协同定位与跟踪系统的设计方案 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 硬件设计方案 | 第20-26页 |
| 2.2.1 无人机平台 | 第21-23页 |
| 2.2.2 地面小车和地面站的设计 | 第23-24页 |
| 2.2.3 动作捕捉系统 | 第24-26页 |
| 2.3 软件设计方案 | 第26-29页 |
| 2.3.1 系统软件框架的设计 | 第26-28页 |
| 2.3.2 系统相关环境的配置 | 第28-29页 |
| 2.4 无人机的控制 | 第29-34页 |
| 2.4.1 对无人机控制的综述 | 第29-31页 |
| 2.4.2 基于键盘控制无人机的设计方案 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于SVO的无人机室内目标定位算法研究 | 第35-59页 |
| 3.1 引言 | 第35页 |
| 3.2 现有单目视觉室内定位方法 | 第35-40页 |
| 3.2.1 基于单帧图像的定位算法 | 第35-38页 |
| 3.2.2 基于双帧或多帧的定位算法 | 第38-40页 |
| 3.3 基于SVO的目标定位算法 | 第40-52页 |
| 3.3.1 算法框架 | 第40页 |
| 3.3.2 相机的标定 | 第40-43页 |
| 3.3.3 视觉里程计 | 第43-49页 |
| 3.3.4 目标定位的优化 | 第49-52页 |
| 3.3.5 算法流程和实现 | 第52页 |
| 3.4 单机定位实验 | 第52-58页 |
| 3.4.1 实验设计 | 第52-54页 |
| 3.4.2 实验结果分析 | 第54-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 基于KCF的无人机图像视觉伺服自主跟踪算法研究 | 第59-74页 |
| 4.1 引言 | 第59页 |
| 4.2 现有目标跟踪算法的介绍 | 第59-60页 |
| 4.2.1 点跟踪 | 第59-60页 |
| 4.2.2 核跟踪 | 第60页 |
| 4.2.3 轮廓跟踪 | 第60页 |
| 4.3 基于KCF的图像视觉伺服自主跟踪算法 | 第60-67页 |
| 4.3.1 算法框架 | 第60-61页 |
| 4.3.2 核相关滤波跟踪算法 | 第61-64页 |
| 4.3.3 图像视觉伺服 | 第64-66页 |
| 4.3.4 算法流程和实现 | 第66-67页 |
| 4.4 单机跟踪实验 | 第67-73页 |
| 4.4.1 实验设计 | 第67-69页 |
| 4.4.2 实验结果和分析 | 第69-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 基于单目视觉伺服控制的多无人机协同定位与跟踪算法 | 第74-90页 |
| 5.1 引言 | 第74页 |
| 5.2 多无人机协同定位与跟踪算法 | 第74-76页 |
| 5.2.1 算法框架 | 第74-75页 |
| 5.2.2 无人机协同的速度一致性 | 第75页 |
| 5.2.3 无人机的数据融合 | 第75-76页 |
| 5.2.4 算法流程与实现 | 第76页 |
| 5.3 多无人机协同定位与跟踪的实验 | 第76-89页 |
| 5.3.1 实验设计 | 第76-80页 |
| 5.3.2 实验结果分析 | 第80-89页 |
| 5.4 本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 工作总结 | 第90-91页 |
| 6.2 工作展望 | 第91-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 附录 | 第97页 |