| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 引言 | 第9-11页 |
| 1.2 常用的无人机导航定位系统 | 第11页 |
| 1.3 国内外图像导航定位技术研究现状 | 第11-15页 |
| 1.3.1 国外图像导航定位研究综述 | 第12-14页 |
| 1.3.2 国内图像导航定位研究综述 | 第14-15页 |
| 1.4 无人机图像导航定位关键问题 | 第15-16页 |
| 1.5 论文研究内容及章节安排 | 第16-18页 |
| 第二章 视觉导航定位基础知识 | 第18-31页 |
| 2.1 图像导航定位中用到的视觉方法 | 第18-21页 |
| 2.1.1 数字图像 | 第18-19页 |
| 2.1.2 图像灰度 | 第19页 |
| 2.1.3 无人机导航定位中常用的图像处理技术 | 第19-21页 |
| 2.2 视觉传感器及传感器成像原理 | 第21-24页 |
| 2.2.1 CCD 视觉传感器 | 第21-22页 |
| 2.2.2 视觉传感器成像原理 | 第22-23页 |
| 2.2.3 摄像机镜头参数 | 第23-24页 |
| 2.3 定位坐标系知识介绍 | 第24-28页 |
| 2.3.1 导航定位各个坐标系 | 第24-25页 |
| 2.3.2 导航定位各个坐标系之间的变换关系 | 第25-28页 |
| 2.4 无人机导航定位方案 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于视觉的无人旋翼直升机飞行过程中的定位算法 | 第31-49页 |
| 3.1 引言 | 第31-32页 |
| 3.2 SIFT 算法原理介绍及分析 | 第32-39页 |
| 3.2.1 图像尺度空间的建立 | 第32-35页 |
| 3.2.2 尺度空间极值点检测和精确定位 | 第35-36页 |
| 3.2.3 关键点方向分配 | 第36-38页 |
| 3.2.4 关键点描述子的生成，形成特征点 | 第38-39页 |
| 3.3 特征点匹配技术 | 第39-43页 |
| 3.3.1 特征点的匹配 | 第39-40页 |
| 3.3.2 KD 树最近邻搜索算法 | 第40-41页 |
| 3.3.3 RANSAC 算法去除误匹配点 | 第41-43页 |
| 3.4 无人机飞行过程中的定位算法 | 第43-48页 |
| 3.4.1 已知无人机位置求得目标点在地面坐标系中的坐标 | 第44-45页 |
| 3.4.2 已知目标点地面坐标求无人机实时位置 | 第45页 |
| 3.4.3 无人机飞行过程中实时位置定位 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于视觉的无人机飞行过程中定位算法的改进 | 第49-60页 |
| 4.1 引言 | 第49页 |
| 4.2 改进的 SIFT 算法 | 第49-51页 |
| 4.3 K-means 聚类算法特征点数量压缩 | 第51-55页 |
| 4.3.1 K-means 聚类算法思想和步骤 | 第51-53页 |
| 4.3.2 K-means 聚类算法压缩特征点数量及效果图 | 第53-55页 |
| 4.4 采用 BBF 搜索算法匹配特征点 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 基于视觉的无人机飞行过程定位算法的仿真实现 | 第60-72页 |
| 5.1 引言 | 第60-61页 |
| 5.2 仿真实验 | 第61-62页 |
| 5.3 仿真实验硬件组成 | 第62-65页 |
| 5.3.1 无人直升机 | 第62页 |
| 5.3.2 无人直升机机载控制器系统 | 第62-64页 |
| 5.3.3 机载摄像头 | 第64页 |
| 5.3.4 惯性测量单元（IMU） | 第64-65页 |
| 5.3.5 机载电源 | 第65页 |
| 5.4 无人机视觉定位算法软件实现 | 第65-68页 |
| 5.5 实验结果与分析 | 第68-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 本文工作总结 | 第72-73页 |
| 6.2 下一步工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 发表论文和参加科研情况 | 第78-79页 |
| 致谢 | 第79页 |
