| 摘要 | 第11-14页 |
| Abstract | 第14-16页 |
| 第一章 绪论 | 第17-34页 |
| 1.1 课题研究背景 | 第17-18页 |
| 1.2 国内外相关研究进展 | 第18-27页 |
| 1.2.1 空间非合作目标视觉测量技术 | 第18-22页 |
| 1.2.2 轮廓提取方法 | 第22-24页 |
| 1.2.3 轮廓跟踪方法 | 第24-25页 |
| 1.2.4 基于模型的 3D位姿估计和跟踪方法 | 第25-27页 |
| 1.3 论文的指导思想、主要内容和技术贡献 | 第27-32页 |
| 1.3.1 本文的指导思想 | 第27-29页 |
| 1.3.2 本文主要内容与组织结构 | 第29-31页 |
| 1.3.3 本文主要技术贡献 | 第31-32页 |
| 1.4 论文的名词约定 | 第32-34页 |
| 第二章 成像模型和坐标变换 | 第34-41页 |
| 2.1 像机成像模型 | 第34-36页 |
| 2.1.1 视觉测量常用坐标系 | 第34页 |
| 2.1.2 中心透视投影模型 | 第34-35页 |
| 2.1.3 像差模型及像差校正 | 第35-36页 |
| 2.2 坐标系之间相对位姿关系的描述 | 第36-38页 |
| 2.2.1 3D的位姿定义 | 第36-37页 |
| 2.2.2 3D位姿的传递 | 第37-38页 |
| 2.3 2D坐标变换和 2D位姿 | 第38-41页 |
| 2.3.1 2D欧氏变换 | 第38-39页 |
| 2.3.2 2D相似变换 | 第39页 |
| 2.3.3 2D仿射变换 | 第39-41页 |
| 第三章 基于知觉组织的轮廓提取方法 | 第41-57页 |
| 3.1 引言 | 第41页 |
| 3.2 基于图论的知觉组织轮廓提取的基本原理 | 第41-43页 |
| 3.2.1 知觉组织的意义 | 第41-42页 |
| 3.2.2 基于知觉组织和图论的轮廓编组方法 | 第42-43页 |
| 3.3 基于线段编组和显著度分析的知觉组织轮廓提取方法（LSPC） | 第43-52页 |
| 3.3.1 LSPC方法的基本流程 | 第44页 |
| 3.3.2 基元准备的实现细节 | 第44-47页 |
| 3.3.3 线段编组的具体过程 | 第47-51页 |
| 3.3.4 轮廓的有效性验证和显著度分析 | 第51-52页 |
| 3.4 LSPC方法的轮廓编组实验 | 第52-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 基于运动概率和颜色直方图的几何主动轮廓线方法 | 第57-80页 |
| 4.1 引言 | 第57-58页 |
| 4.2 几何主动轮廓线（GAC）方法 | 第58-60页 |
| 4.2.1 主动轮廓线方法概述 | 第58-59页 |
| 4.2.2 GAC的初始化过程 | 第59-60页 |
| 4.3 基于运动概率的几何主动轮廓线轮廓提取方法（MGAC） | 第60-74页 |
| 4.3.1 基于GAC的轮廓提取和跟踪流程 | 第61-62页 |
| 4.3.2 基于Harris角点KLT跟踪的特征光流计算 | 第62页 |
| 4.3.3 利用K-均值算法求解平移运动模型 | 第62页 |
| 4.3.4 利用EM算法求解仿射运动模型 | 第62-64页 |
| 4.3.5 运动估计结果的示例 | 第64-66页 |
| 4.3.6 运动概率的计算过程 | 第66-70页 |
| 4.3.7 基于目标运动概率图objimg P的GAC轮廓提取 | 第70-74页 |
| 4.4 基于颜色直方图的几何主动轮廓线轮廓跟踪方法（HGAC） | 第74-79页 |
| 4.4.1 HGAC的流程 | 第74-75页 |
| 4.4.2 HGAC的原理 | 第75-77页 |
| 4.4.3 HGAC轮廓跟踪实验 | 第77-79页 |
| 4.5 本章小结 | 第79-80页 |
| 第五章 基于边缘模型的 3D位姿估计和跟踪方法 | 第80-105页 |
| 5.1 引言 | 第80页 |
| 5.2 本方法的基本思想、原理和流程 | 第80-88页 |
| 5.2.1 初始化过程 | 第82-84页 |
| 5.2.2 位姿估计的流程 | 第84-85页 |
| 5.2.3 方法的基本原理 | 第85-87页 |
| 5.2.4 位姿参数的更新 | 第87-88页 |
| 5.3 法向距离迭代加权最小二乘位姿估计方法（ND-IRLS） | 第88-93页 |
| 5.3.1 法向距离迭代最小二乘位姿估计方法（ND-ILS） | 第88-91页 |
| 5.3.2 对采样点进行加权 | 第91-93页 |
| 5.4 距离图迭代最小二乘位姿估计方法（DI-ILS） | 第93-96页 |
| 5.4.1 基于距离图进行位姿估计的基本原理 | 第93-94页 |
| 5.4.2 距离图迭代最小二乘位姿估计 | 第94-96页 |
| 5.5 最小二乘粒子滤波位姿跟踪方法（LSPF） | 第96-103页 |
| 5.5.1 基于KF的位姿跟踪方法（LSKF） | 第96-97页 |
| 5.5.2 基于PF的位姿跟踪方法 | 第97-99页 |
| 5.5.3 最小二乘粒子滤波方法的原理和流程 | 第99-103页 |
| 5.6 本文位姿估计和跟踪方法的理论分析 | 第103-104页 |
| 5.6.1 方法汇总 | 第103页 |
| 5.6.2 理论分析 | 第103-104页 |
| 5.7 本章小结 | 第104-105页 |
| 第六章 空间非合作目标位姿估计和跟踪实验 | 第105-151页 |
| 6.1 引言 | 第105页 |
| 6.2 位姿估计和跟踪实验的相关准备工作 | 第105-107页 |
| 6.2.1 预测方位变化 | 第105-106页 |
| 6.2.2 多像机联合测量 | 第106-107页 |
| 6.3 非合作目标位姿估计数字和实物仿真实验 | 第107-112页 |
| 6.3.1 数字仿真实验 | 第107-110页 |
| 6.3.2 实物仿真实验 | 第110-112页 |
| 6.3.3 仿真实验的初步结论 | 第112页 |
| 6.4 非合作目标位姿跟踪数字和实物仿真实验 | 第112-121页 |
| 6.4.1 数字仿真实验 | 第113-114页 |
| 6.4.2 实物仿真实验 | 第114-121页 |
| 6.4.3 小结 | 第121页 |
| 6.5 基于边缘模型飞行器着陆助降位姿跟踪应用仿真实验 | 第121-134页 |
| 6.5.1 月球着陆器位姿判读实验 | 第121-127页 |
| 6.5.2 着陆段飞行器位姿跟踪实验 | 第127-134页 |
| 6.6 2D变换参数估计和跟踪应用实验 | 第134-149页 |
| 6.6.1 2D变换参数估计方法 | 第134-136页 |
| 6.6.2 弹体目标的 2D位姿估计和跟踪 | 第136-146页 |
| 6.6.3 边缘配准实验 | 第146-149页 |
| 6.7 本章小结 | 第149-151页 |
| 第七章 结论与展望 | 第151-154页 |
| 7.1 论文技术贡献与创新点 | 第151-152页 |
| 7.2 进一步工作展望 | 第152-154页 |
| 致谢 | 第154-156页 |
| 参考文献 | 第156-173页 |
| 作者在学期间取得的学术成果 | 第173-174页 |
