机场跑道检测机器人视觉系统的设计与研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景和意义 | 第10页 |
| 1.2 机场跑道异物和裂纹检测系统的发展研究 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 机器人视觉系统的发展研究 | 第13页 |
| 1.4 课题的主要研究内容 | 第13-16页 |
| 第2章 机场跑道检测机器人视觉系统的方案设计 | 第16-22页 |
| 2.1 机场跑道检测机器人系统的架构设计 | 第16-17页 |
| 2.2 视觉系统的分析与设计 | 第17-20页 |
| 2.2.1 视觉系统的性能要求分析 | 第17-18页 |
| 2.2.2 视觉系统的硬件架构设计 | 第18-19页 |
| 2.2.3 视觉系统的算法流程设计 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 机场跑道检测机器人视觉系统的硬件设计 | 第22-34页 |
| 3.1 摄像头模块硬件选择 | 第22-23页 |
| 3.2 FPGA图像处理模块的设计 | 第23-27页 |
| 3.2.1 FPGA的选型 | 第23页 |
| 3.2.2 外部存储器的接口电路设计 | 第23-25页 |
| 3.2.3 DSP与FPGA的接口设计 | 第25-27页 |
| 3.3 DSP图像处理模块的设计 | 第27-31页 |
| 3.3.1 电源模块设计 | 第27-28页 |
| 3.3.2 DSP与SDRAM的接口设计 | 第28-30页 |
| 3.3.3 DSP与FLASH的接口设计 | 第30-31页 |
| 3.4 显示模块的设计 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 图像预处理和目标检测算法研究 | 第34-52页 |
| 4.1 跑道图像的预处理算法 | 第34-35页 |
| 4.1.1 图像灰度化算法 | 第34页 |
| 4.1.2 图像滤波算法 | 第34-35页 |
| 4.2 目标检测算法 | 第35-49页 |
| 4.2.1 传统的目标检测算法 | 第35-36页 |
| 4.2.2 跑道标线图像特征分析 | 第36-39页 |
| 4.2.3 基于填充的背景差分算法 | 第39-46页 |
| 4.2.4 改进的边缘检测算法 | 第46-49页 |
| 4.3 对比仿真研究 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 目标特征提取及识别算法研究 | 第52-62页 |
| 5.1 目标的特征提取 | 第52-55页 |
| 5.1.1 常用的图像特征 | 第52-53页 |
| 5.1.2 目标特征提取 | 第53-55页 |
| 5.2 BP神经网络目标分类器的设计 | 第55-57页 |
| 5.2.1 人工神经网络的概述 | 第55-56页 |
| 5.2.2 BP神经网络的拓扑结构 | 第56-57页 |
| 5.2.3 BP神经网络分类器的设计 | 第57页 |
| 5.3 目标分类仿真验证 | 第57-61页 |
| 5.3.1 实验样本选取 | 第57-59页 |
| 5.3.2 BP神经网络目标分类器仿真验证 | 第59-60页 |
| 5.3.3 SVM分类器的仿真验证 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 软件设计与系统调试 | 第62-79页 |
| 6.1 FPGA图像处理模块的软件设计 | 第62-71页 |
| 6.1.1 CMOS传感器参数设置 | 第62-63页 |
| 6.1.2 图像预处理的HDL实现 | 第63-66页 |
| 6.1.3 改进的边缘检测算法的HDL实现 | 第66-69页 |
| 6.1.4 形态学滤波的HDL实现 | 第69-71页 |
| 6.2 DSP图像处理模块的软件设计 | 第71-74页 |
| 6.2.1 DSP图像处理流程 | 第71-72页 |
| 6.2.2 MATLAB直接目标代码生成 | 第72-74页 |
| 6.3 视觉系统的调试 | 第74-76页 |
| 6.4 目标识别验证实验 | 第76-78页 |
| 6.5 本章小结 | 第78-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间发表的论文 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附图 | 第87页 |
