输电线路障碍物检测识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 高压输电线路覆冰的危害 | 第10-12页 |
| 1.1.2 输电线路除冰机器人研究的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 除冰机器人研究现状 | 第13-16页 |
| 1.2.2 障碍物检测识别研究现状 | 第16-18页 |
| 1.3 论文的主要研究内容及结构安排 | 第18-19页 |
| 第2章 输电线路环境与除冰机器人本体介绍 | 第19-25页 |
| 2.1 高压输电线路环境介绍 | 第19-20页 |
| 2.2 三臂式除冰机器人简介 | 第20-22页 |
| 2.2.1 机器人本体结构介绍 | 第20-21页 |
| 2.2.2 机器人视觉系统介绍 | 第21-22页 |
| 2.3 高压输电线路常见障碍物概述 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 障碍物目标检测 | 第25-39页 |
| 3.1 图像预处理 | 第25-26页 |
| 3.2 障碍物图像边缘检测 | 第26-29页 |
| 3.2.1 基于结构的随机森林障碍物边缘检测 | 第27-28页 |
| 3.2.2 实验结果与分析 | 第28-29页 |
| 3.3 基于包围盒的障碍物检测算法 | 第29-36页 |
| 3.3.1 包围盒的生成 | 第30-31页 |
| 3.3.2 判断包围盒包含障碍物的评分函数 | 第31-34页 |
| 3.3.3 实验结果与分析 | 第34-36页 |
| 3.4 障碍物的ROI提取 | 第36-38页 |
| 3.5 本章小节 | 第38-39页 |
| 第4章 基于卷积神经网络的障碍物识别 | 第39-58页 |
| 4.1 卷积神经网络概述 | 第39-41页 |
| 4.2 卷积神经网络的特点 | 第41-42页 |
| 4.3 卷积神经网络的基本结构 | 第42-46页 |
| 4.3.1 卷积层 | 第42-44页 |
| 4.3.2 下采样层 | 第44-45页 |
| 4.3.3 障碍物识别卷积神经网络结构设计 | 第45-46页 |
| 4.4 训练卷积神经网络 | 第46-51页 |
| 4.4.1 前向传播 | 第46-47页 |
| 4.4.2 反向传播 | 第47-48页 |
| 4.4.3 训练卷积层 | 第48-49页 |
| 4.4.4 训练下采样层 | 第49-50页 |
| 4.4.5 训练输出层(分类器) | 第50-51页 |
| 4.5 实验结果与分析 | 第51-56页 |
| 4.5.1 实验硬件与软件平台 | 第51页 |
| 4.5.2 实验数据集 | 第51-52页 |
| 4.5.3 网络参数设置以及对比实验 | 第52-56页 |
| 4.6 本章小结 | 第56-58页 |
| 结论与展望 | 第58-60页 |
| 一、本文的主要工作 | 第58-59页 |
| 二、本文的创新点如下 | 第59页 |
| 三、问题与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读学位期间所发表的学术成果 | 第64页 |
