摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第9-17页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 目标检测跟踪技术 | 第10-12页 |
1.2.2 无人机视觉导航 | 第12-14页 |
1.3 主要内容及章节安排 | 第14-17页 |
1.3.0 研究目标 | 第14页 |
1.3.1 研究内容 | 第14-15页 |
1.3.2 后续章节安排 | 第15-17页 |
第2章 无人机视觉系统硬件平台的搭建 | 第17-30页 |
2.1 无人机平台的介绍与选择 | 第17-21页 |
2.1.1 Parrot AR.Drone2.0 | 第17页 |
2.1.2 Pixhawk | 第17-19页 |
2.1.3 DJI M100 | 第19-20页 |
2.1.4 三种飞行平台的对比和取舍 | 第20-21页 |
2.2 板载运算器 | 第21-23页 |
2.2.1 板载运算器介绍 | 第21-22页 |
2.2.2 板载运算器性能对比与选择 | 第22-23页 |
2.2.3 板载运算的意义 | 第23页 |
2.3 传感器 | 第23-25页 |
2.3.1 无人机飞控上的传感器 | 第23-24页 |
2.3.2 额外可扩充的传感器汇总 | 第24-25页 |
2.4 地面站 | 第25-30页 |
2.4.1 现有的地面站介绍 | 第26-28页 |
2.4.2 本文依赖的硬件平台介绍 | 第28-30页 |
第3章 应用于无人机的基础视觉算法 | 第30-42页 |
3.1 光流增稳 | 第30-35页 |
3.1.1 光流算法的背景和算法介绍 | 第30-31页 |
3.1.2 Lucas–Kanade光流算法解析 | 第31-33页 |
3.1.3 光流算法在无人机领域的作用和应用场景 | 第33-34页 |
3.1.4 利用稠密性光流增稳无人机姿态 | 第34-35页 |
3.2 目标跟踪 | 第35-38页 |
3.2.1 目前目标跟踪的算法分类 | 第35-37页 |
3.2.2 分析热门跟踪算法的优缺点和适用的场景 | 第37-38页 |
3.3 SLAM | 第38-42页 |
3.3.1 目前的SLAM算法分类介绍 | 第38-41页 |
3.3.2 不同SLAM算法效果对比分析使用场景和条件限制 | 第41页 |
3.3.3 分析SLAM在室内无人机视觉自动控制系统中的作用 | 第41-42页 |
第4章 无人机视觉跟踪导航系统的设计与实现 | 第42-49页 |
4.1 研究背景和开发环境介绍 | 第42-44页 |
4.1.1 研究背景 | 第42-43页 |
4.1.2 开发环境 | 第43-44页 |
4.2 自动跟踪控制系统 | 第44-47页 |
4.2.1 系统介绍 | 第44页 |
4.2.2 系统设计流程 | 第44-47页 |
4.3 实验 | 第47-49页 |
4.3.1 实验过程 | 第47页 |
4.3.2 实验结果 | 第47-49页 |
第5章 无人机自主降落系统的设计 | 第49-61页 |
5.1 研究背景 | 第49页 |
5.2 标识物识别跟踪算法的实现与优化 | 第49-55页 |
5.2.1 Apriltags跟踪标识物介绍 | 第49-51页 |
5.2.2 针对降落时跟踪算法的优化 | 第51-55页 |
5.3 无标识物下的自动寻址降落 | 第55-58页 |
5.4 自主降落系统框架设计 | 第58-61页 |
第6章 无人机自主降落系统的实现 | 第61-74页 |
6.1 开发环境介绍 | 第61页 |
6.2 实验 | 第61-74页 |
6.2.1 月球模拟自主降落室外版 | 第61-64页 |
6.2.2 月球模拟自主降落室内版 | 第64-69页 |
6.2.3 DJI M100室外自主降落 | 第69-72页 |
6.2.4 Pixhawk室外自主降落 | 第72-74页 |
第7章 仿真平台的设计与实现 | 第74-82页 |
7.1 现有仿真平台介绍 | 第74-76页 |
7.2 仿真平台的设计 | 第76-79页 |
7.2.1 仿真平台框架 | 第76-79页 |
7.2.2 仿真平台实现 | 第79页 |
7.3 仿真平台实验 | 第79-82页 |
第8章 总结与展望 | 第82-84页 |
8.1 论文完成的主要工作与创新 | 第82页 |
8.2 进一步的研究目标 | 第82-84页 |
参考文献 | 第84-89页 |
致谢 | 第89-90页 |
攻读学位期间参加的科研项目和成果 | 第90页 |