| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9页 |
| 1.1.2 课题的研究意义 | 第9-10页 |
| 1.2 课题使用技术简介 | 第10-14页 |
| 1.2.1 管道机器人技术 | 第10页 |
| 1.2.2 人工智能技术 | 第10-13页 |
| 1.2.3 机器视觉技术 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14页 |
| 1.4 技术路线 | 第14-15页 |
| 1.5 本文章节划分 | 第15-17页 |
| 第二章 管道机器人总体结构设计 | 第17-25页 |
| 2.1 管道机器人的分类 | 第17-19页 |
| 2.1.1 车轮式管道机器人 | 第17页 |
| 2.1.2 履带式管道机器人 | 第17-18页 |
| 2.1.3 其他驱动方式的管道机器人 | 第18-19页 |
| 2.2 管道机器人的国内外发展情况 | 第19-22页 |
| 2.3 管道机器人的总体结构 | 第22-24页 |
| 2.3.1 驱动机构 | 第23页 |
| 2.3.2 云台系统结构 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 视频采集技术 | 第25-41页 |
| 3.1 视频采集卡的选择 | 第25-27页 |
| 3.2 基于windows下的视像采集技术 | 第27-28页 |
| 3.3 视频程序分析和实现 | 第28-35页 |
| 3.3.1 打开图像采集卡 | 第28页 |
| 3.3.2 图像采集卡的参数设置 | 第28-29页 |
| 3.3.3 图像采集卡资源分配 | 第29-31页 |
| 3.3.4 图像采集功能实现 | 第31-32页 |
| 3.3.5 图像显示 | 第32-33页 |
| 3.3.6 图像压缩处理 | 第33-34页 |
| 3.3.7 释放资源 | 第34-35页 |
| 3.4 程序实验 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 管道裂缝图像处理研究 | 第41-59页 |
| 4.1 管道裂缝特点 | 第41-42页 |
| 4.2 管道裂缝检测过程 | 第42页 |
| 4.3 管道裂缝图像处理方法综述 | 第42-45页 |
| 4.3.1 基于图像分割的图像处理方法综述 | 第43-44页 |
| 4.3.2 基于灰度化的图像处理方法 | 第44-45页 |
| 4.4 基于BP神经网络算法的图像分割及其改进 | 第45-54页 |
| 4.4.1 BP神经网络简介 | 第45-48页 |
| 4.4.2 遗传算法简介 | 第48-50页 |
| 4.4.3 基于遗传算法优化的BP神经网络算法 | 第50-52页 |
| 4.4.4 基于遗传算法优化的BP神经网络算法的改进 | 第52-54页 |
| 4.5 试验仿真 | 第54-58页 |
| 4.6 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的学术成果 | 第65-66页 |
| 致谢 | 第66页 |