| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.2 环境感知研究现状 | 第13-15页 |
| 1.2.1 非视觉的环境感知类型 | 第13页 |
| 1.2.2 视觉的环境感知类型 | 第13-15页 |
| 1.2.3 视觉与非视觉融合的环境感知类型 | 第15页 |
| 1.3 立体视觉研究现状 | 第15-16页 |
| 1.4 论文的研究内容和结构 | 第16-19页 |
| 第2章 立体视觉处理技术 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 摄像机成像原理 | 第19-22页 |
| 2.2.1 摄像机成像过程 | 第19-20页 |
| 2.2.2 相关坐标系之间的关系 | 第20-22页 |
| 2.3 立体视觉基本理论 | 第22-25页 |
| 2.3.1 双目立体视觉原理 | 第22-24页 |
| 2.3.2 双目立体视觉摄像机的标定 | 第24页 |
| 2.3.3 双目立体视觉与立体匹配 | 第24-25页 |
| 2.4 双目立体视觉系统的组成 | 第25-29页 |
| 2.4.1 双目相机选型 | 第26-28页 |
| 2.4.2 机载处理板选型 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 无人机城市低空环境的障碍检测 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 环境感知的研究方案 | 第31-32页 |
| 3.3 环境障碍检测 | 第32-43页 |
| 3.3.1 三维位置估计 | 第32-35页 |
| 3.3.2 无效干扰数据的过滤 | 第35-39页 |
| 3.3.3 基于深度信息的障碍检测 | 第39-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于正交不变性特征的目标识别 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 常用的特征提取与目标识别方法 | 第45-46页 |
| 4.2.1 常用的特征提取方法 | 第45页 |
| 4.2.2 常用的目标识别算法 | 第45-46页 |
| 4.3 基于Haar特征与HOG特征的分类识别 | 第46-48页 |
| 4.3.1 基于Haar特征与adboost算法的目标识别 | 第46-47页 |
| 4.3.2 基于HOG特征与SVM算法的目标识别 | 第47-48页 |
| 4.4 基于典型建筑正交不变性特征的识别 | 第48-52页 |
| 4.4.1 建筑正交不变性特征 | 第48-49页 |
| 4.4.2 建筑形状描述 | 第49-50页 |
| 4.4.3 基于Mean-Shift的峰值搜寻 | 第50-52页 |
| 4.4.4 正交模型的建立 | 第52页 |
| 4.5 本章小结 | 第52-55页 |
| 第5章 实验结果与分析 | 第55-69页 |
| 5.1 引言 | 第55页 |
| 5.2 距离精度测试 | 第55-57页 |
| 5.3 三维位置估计 | 第57-59页 |
| 5.3.1 室内环境三维信息估计 | 第57-58页 |
| 5.3.2 户外环境三维信息估计 | 第58-59页 |
| 5.4 干扰数据过滤 | 第59-63页 |
| 5.5 障碍物检测 | 第63-64页 |
| 5.6 目标识别算法验证 | 第64-67页 |
| 5.6.1 基于Haar特征与HOG特征的算法 | 第64-65页 |
| 5.6.2 基于模板匹配的正交不变性方法 | 第65-67页 |
| 5.7 本章小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士研究生期间主要成果 | 第76页 |