| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-25页 |
| 1.1 课题研究的背景及意义 | 第14-16页 |
| 1.2 国内外无人机障碍物检测研究现状 | 第16-23页 |
| 1.2.1 基于视觉传感器的方法 | 第16-19页 |
| 1.2.2 基于非视觉传感器的方法 | 第19-20页 |
| 1.2.3 基于视觉传感器和非视觉传感器相结合的无人机障碍物方法 | 第20-23页 |
| 1.3 小结 | 第23页 |
| 1.4 论文主要内容及章节安排 | 第23-25页 |
| 第2章 基于毫米波雷达与视觉传感器融合模型的搭建 | 第25-63页 |
| 2.1 自适应无人机平台的高度和姿态变化的坐标转换关系建立 | 第25-34页 |
| 2.1.1 坐标转换原理 | 第25-30页 |
| 2.1.2 对俯仰和高度自适应的雷达坐标和图像坐标转换关系建立 | 第30-33页 |
| 2.1.3 对滚转角变化自适应的雷达坐标和图像坐标转换关系建立 | 第33-34页 |
| 2.2 坐标转换参数的求取 | 第34-53页 |
| 2.2.1 实验平台 | 第34-35页 |
| 2.2.2 摄像机数据获取及畸变矫正 | 第35-39页 |
| 2.2.3 毫米波雷达数据获取及误差补偿 | 第39-45页 |
| 2.2.4 雷达数据与视频数据时间上同步对齐 | 第45-47页 |
| 2.2.5 IMU(惯性测量单元)姿态获取及误差补偿 | 第47-51页 |
| 2.2.6 差分GPS高度获取 | 第51-52页 |
| 2.2.7 机载处理器介绍 | 第52-53页 |
| 2.3 融合模型设计 | 第53-56页 |
| 2.3.1 融合模型硬件设计 | 第53页 |
| 2.3.2 融合模型软件设计 | 第53-54页 |
| 2.3.3 融合模型机械结构设计 | 第54-56页 |
| 2.4 融合模型验证 | 第56-62页 |
| 2.4.1 对滚转角变化的自适应检测验证 | 第57-59页 |
| 2.4.2 对俯仰角和高度变化的自适应检测验证 | 第59-60页 |
| 2.4.3 对快速运动平台的目标检测验证 | 第60-62页 |
| 2.5 本章小结 | 第62-63页 |
| 第3章 基于图像的障碍物候选区域分割 | 第63-75页 |
| 3.1 颜色特征 | 第63-66页 |
| 3.1.1 RGB颜色空间 | 第63-64页 |
| 3.1.2 Lab颜色空间 | 第64-65页 |
| 3.1.3 RGB颜色空间和Lab颜色空间转换 | 第65-66页 |
| 3.2 空间信息 | 第66-67页 |
| 3.3 基于颜色特征和空间信息相结合的障碍物候选区域图像分割 | 第67-73页 |
| 3.3.1 颜色量化 | 第67-68页 |
| 3.3.2 计算每种颜色相对于雷达探测点空间关系 | 第68-69页 |
| 3.3.3 计算颜色频率和LAB空间距离的乘积 | 第69-71页 |
| 3.3.4 基于密度的图像分割 | 第71-73页 |
| 3.4 障碍物候选区域分割算法验证 | 第73-74页 |
| 3.5 本章小结 | 第74-75页 |
| 第4章 基于SURF特征的障碍物判别 | 第75-92页 |
| 4.1 SIFT特征 | 第75-76页 |
| 4.2 SURF特征点检测 | 第76-81页 |
| 4.2.1 建立积分图像 | 第77-78页 |
| 4.2.2 利用箱式滤波器构建尺度空间 | 第78-79页 |
| 4.2.3 Hessian矩阵与特征点定位 | 第79-81页 |
| 4.3 SURF特征描述 | 第81-82页 |
| 4.3.1 特征点主方向的确定 | 第81-82页 |
| 4.3.2 特征点描述符向量构建 | 第82页 |
| 4.4 SURF特征匹配 | 第82-83页 |
| 4.4.1 判断Hessian矩阵的迹 | 第82-83页 |
| 4.4.2 特征点相似度计算 | 第83页 |
| 4.5 SURF特征与SIFT特征的比较 | 第83-84页 |
| 4.6 基于SURF特征的无人机障碍物检测 | 第84-91页 |
| 4.6.1 实验结果验证 | 第87-91页 |
| 4.7 本章小结 | 第91-92页 |
| 结论 | 第92-94页 |
| 参考文献 | 第94-99页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第99-101页 |
| 致谢 | 第101页 |
