基于图像识别的无人机电力线路检测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 无人机巡线的研究现状 | 第10-11页 |
| 1.2.2 电力巡线中图像识别的研究现状 | 第11-12页 |
| 1.2.3 当前研究的主要问题 | 第12页 |
| 1.3 本文的研究内容 | 第12-14页 |
| 2 无人机电力线路检测概述 | 第14-20页 |
| 2.1 无人机巡检平台的结构 | 第14-15页 |
| 2.1.1 飞行控制系统 | 第14页 |
| 2.1.2 动力系统 | 第14页 |
| 2.1.3 能源系统 | 第14页 |
| 2.1.4 任务荷载设备 | 第14-15页 |
| 2.1.5 通讯系统 | 第15页 |
| 2.1.6 地面站 | 第15页 |
| 2.2 巡线无人机的分类 | 第15-17页 |
| 2.2.1 固定翼无人机 | 第15页 |
| 2.2.2 旋翼无人机 | 第15-16页 |
| 2.2.3 无人直升机 | 第16页 |
| 2.2.4 垂直起降型固定翼飞机 | 第16-17页 |
| 2.3 无人机线路巡检体系 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 电力线路图像采集与检测研究 | 第20-41页 |
| 3.0 电力线路检测的特点 | 第20页 |
| 3.1 无人机平台的搭建与图像采集 | 第20-22页 |
| 3.1.1 无人机平台的搭建 | 第20-21页 |
| 3.1.2 无人机航拍图像采集 | 第21-22页 |
| 3.2 图像预处理 | 第22-27页 |
| 3.2.1 图像的几何校正 | 第22-23页 |
| 3.2.2 图像配准 | 第23页 |
| 3.2.3 图像的去噪 | 第23-27页 |
| 3.3 图像的边缘检测 | 第27-32页 |
| 3.3.1 直方图均衡化 | 第27-28页 |
| 3.3.2 图像锐化与边缘检测 | 第28-29页 |
| 3.3.3 Sobel算子 | 第29-30页 |
| 3.3.4 Kirsch算子 | 第30页 |
| 3.3.5 LoG算子 | 第30-31页 |
| 3.3.6 Canny算子 | 第31-32页 |
| 3.4 图像的多分辨率分析 | 第32-37页 |
| 3.4.1 基于金字塔分解的多分辨率分析 | 第33-35页 |
| 3.4.2 基于小波变换的多尺度分析 | 第35-37页 |
| 3.5 Hough变换 | 第37-39页 |
| 3.6 本章小结 | 第39-41页 |
| 4 结合输电设备识别的线路筛选 | 第41-53页 |
| 4.1 输电线图像分析 | 第41-43页 |
| 4.2 电力设施识别 | 第43-49页 |
| 4.2.1 PCA变换 | 第43-44页 |
| 4.2.2 输电塔的PCA特征提取 | 第44-45页 |
| 4.2.3 输电塔的SVM识别 | 第45-49页 |
| 4.3 变维迭代SVM分割 | 第49-50页 |
| 4.4 基于深度学习的输电塔识别 | 第50页 |
| 4.5 输电线的判别 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 结论与展望 | 第53-54页 |
| 5.1 结论 | 第53页 |
| 5.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |
