基于机器视觉的无人机着降定位技术研究
摘要 | 第1-5页 |
ABSTRACT | 第5-6页 |
目录 | 第6-9页 |
第一章 引论 | 第9-17页 |
1.1 问题的提出 | 第10-12页 |
1.2 国内外相关研究工作 | 第12-15页 |
1.3 本文研究工作 | 第15-17页 |
第二章 系统总体方案 | 第17-27页 |
2.1 飞行导航方式选择 | 第17-20页 |
2.1.1 雷达导航 | 第17-19页 |
2.1.2 遥测设备导航 | 第19页 |
2.1.3 GPS导航 | 第19-20页 |
2.2 DGPS原理简介 | 第20-22页 |
2.3 系统总体结构 | 第22页 |
2.4 机器视觉导航系统硬件组成 | 第22-23页 |
2.5 机器视觉导航软件算法 | 第23-24页 |
2.6 着降区特征图案的设计 | 第24-26页 |
2.7 小结 | 第26-27页 |
第三章 实时图像采集与预处理 | 第27-47页 |
3.1 图像采集 | 第27-30页 |
3.1.1 图像采集的基本原理 | 第27-28页 |
3.1.2 图像采集卡 | 第28页 |
3.1.3 图像采集卡开发 | 第28-30页 |
3.2 图像预处理 | 第30-46页 |
3.2.1 图像灰度化处理 | 第30-33页 |
3.2.2 图像几何校正 | 第33-36页 |
3.2.3 图像滤波算法 | 第36-42页 |
3.2.4 图像分割及二值化 | 第42-46页 |
3.3 小结 | 第46-47页 |
第四章 图像特征提取及粗识别 | 第47-71页 |
4.1 边缘检测 | 第47-52页 |
4.1.1 边缘的分类 | 第47-48页 |
4.1.2 常用的边缘检测算法 | 第48-52页 |
4.2 轮廓跟踪 | 第52-56页 |
4.2.1 轮廓的链码表示 | 第53-55页 |
4.2.2 轮廓的斜率表示 | 第55页 |
4.2.3 轮廓跟踪算法 | 第55-56页 |
4.2.4 二值图像轮廓提取 | 第56页 |
4.3 特征点提取 | 第56-60页 |
4.3.1 角点提取的SUSAN算法 | 第56-59页 |
4.3.2 形心提取法 | 第59-60页 |
4.3.3 灰度重心提取法 | 第60页 |
4.4 本文改进的特征点提取算法 | 第60-66页 |
4.4.1 轮廓跟踪 | 第61-62页 |
4.4.2 多直线段分裂与合并 | 第62-65页 |
4.4.3 角点提取 | 第65页 |
4.4.4 角点排序 | 第65-66页 |
4.5 图像匹配 | 第66-70页 |
4.5.1 图像匹配的定义 | 第66-67页 |
4.5.2 图像匹配的数学描述 | 第67-69页 |
4.5.3 匹配相似度 | 第69-70页 |
4.6 小结 | 第70-71页 |
第五章 无人机位姿参数摄影测量算法 | 第71-94页 |
5.1 摄影测量概述及原理 | 第71-76页 |
5.1.1 摄影成像模型 | 第72-73页 |
5.1.2 常用坐标系及其关系 | 第73-76页 |
5.2 机器视觉系统的摄像机标定 | 第76-87页 |
5.2.1 摄像机标定模型 | 第76-78页 |
5.2.2 常用的摄像机系统标定法 | 第78-87页 |
5.3 无人机定位的线性算法 | 第87-91页 |
5.4 无人机定位的非线性优化算法 | 第91-93页 |
5.5 小结 | 第93-94页 |
第六章 计算机半实物仿真实验及分析 | 第94-115页 |
6.1 实验原理图 | 第94页 |
6.2 实验系统的硬件组成 | 第94-97页 |
6.3 实验系统的软件设计 | 第97-99页 |
6.4 实验步骤 | 第99-100页 |
6.5 实验数据及误差分析 | 第100-114页 |
6.5.1 实验A数据及误差分析 | 第101-107页 |
6.5.2 实验B数据及误差分析 | 第107-112页 |
6.5.3 实验A和实验B对比分析 | 第112-114页 |
6.6 小结 | 第114-115页 |
第七章 结束语 | 第115-117页 |
7.1 本文创新点 | 第115页 |
7.2 进一步研究的问题 | 第115-117页 |
致谢 | 第117-118页 |
参考文献 | 第118-121页 |
附录 | 第121-142页 |
个人简历 | 第142页 |