| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题的背景及意义 | 第13-14页 |
| 1.2 管道机器人及管道检测技术研究现状 | 第14-20页 |
| 1.2.1 管道机器人研究现状 | 第14-17页 |
| 1.2.2 管道检测技术和基于视觉(图像)的自动识别技术现状 | 第17-20页 |
| 1.3 本文研究内容和章节安排 | 第20-21页 |
| 1.4 本章小结 | 第21-23页 |
| 第2章 履带式管道检测机器人设计 | 第23-33页 |
| 2.1 管道检测机器人的功能与设计要求 | 第23-24页 |
| 2.2 管道机器人的机械结构设计 | 第24-28页 |
| 2.2.1 管道机器人整体尺寸 | 第24-26页 |
| 2.2.2 驱动方式选择及驱动机构方案设计 | 第26-27页 |
| 2.2.3 转向系统设计 | 第27页 |
| 2.2.4 升降云台方案设计 | 第27-28页 |
| 2.3 管道机器人的控制系统 | 第28-30页 |
| 2.3.1 管道机器人通讯方式选择 | 第28-29页 |
| 2.3.2 管道机器人控制系统的硬件系统设计 | 第29-30页 |
| 2.3.3 管道机器人控制程序设计 | 第30页 |
| 2.4 管道机器人的感知系统 | 第30-32页 |
| 2.4.1 管道机器人视觉 | 第30-31页 |
| 2.4.2 管道机器人体态检测 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 管道图像处理与特征提取算法研究 | 第33-49页 |
| 3.1 管道检测的主要目标 | 第33-34页 |
| 3.2 管道图像预处理算法 | 第34-36页 |
| 3.2.1 中值滤波 | 第35-36页 |
| 3.2.2 灰度变换 | 第36页 |
| 3.3 管道灰度图像二值化处理 | 第36-46页 |
| 3.3.1 Otsu算法 | 第36-38页 |
| 3.3.2 边缘检测 | 第38-40页 |
| 3.3.3 本文算法 | 第40-46页 |
| 3.4 分割区域的表示与描述 | 第46-48页 |
| 3.4.1 边界表示 | 第46-47页 |
| 3.4.2 目标区域几何特征参数计算 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 管道特征识别方法研究 | 第49-59页 |
| 4.1 管道图像模式识别 | 第49-50页 |
| 4.2 支持向量机的理论基础 | 第50-53页 |
| 4.3 基于支持向量机的管道特征识别方法 | 第53-56页 |
| 4.3.1 选取测试集和训练集与数据预处理 | 第53-54页 |
| 4.3.2 支持向量机核函数的选择 | 第54页 |
| 4.3.3 支持向量机训练模型中参数选取 | 第54-56页 |
| 4.4 基于主成分分析和支持向量机的管道缺陷识别 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 管道特征检测与识别实验研究 | 第59-71页 |
| 5.1 管道特征检测实验及结果分析 | 第59-66页 |
| 5.1.1 管道图像预处理Matlab实现 | 第59-61页 |
| 5.1.2 管道灰度图像二值化处理Matlab实现 | 第61-64页 |
| 5.1.3 实验结果分析 | 第64-66页 |
| 5.2 管道特征识别实验及结果分析 | 第66-69页 |
| 5.2.1 选定训练集和测试集 | 第66-67页 |
| 5.2.2 数据预处理 | 第67页 |
| 5.2.3 训练和预测 | 第67-69页 |
| 5.3 本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-79页 |
| 攻读硕士学位期间学术成果及科研项目 | 第79-80页 |
| 致谢 | 第80页 |