| 主要中英文术语对照表 | 第1-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-36页 |
| ·课题背景与意义 | 第13-15页 |
| ·管道机器人的意义 | 第13-14页 |
| ·本文主要研究方向和意义 | 第14-15页 |
| ·管道机器人以及相关技术研究现状 | 第15-29页 |
| ·管道机器人研究现状 | 第15-21页 |
| ·管道检测技术和基于视觉（图像）的自动识别技术现状 | 第21-24页 |
| ·智能管道机器人感知、运动控制和自主导航现状 | 第24-27页 |
| ·基于学习的移动机器人自主导航研究现状 | 第27-29页 |
| ·本文研究内容和章节安排 | 第29-36页 |
| ·基于视觉的管道检测技术所面临的问题 | 第29-31页 |
| ·履带式管道机器人运动控制和自主导航所面临的问题 | 第31-32页 |
| ·模块化管道机器人在自主导航中的学习和全局优化问题 | 第32-33页 |
| ·本文章节安排 | 第33-36页 |
| 第二章 基于视觉的级联式快速管道检测 | 第36-66页 |
| ·引言 | 第36-38页 |
| ·管道图像分割、检测以及相关研究回顾 | 第38-40页 |
| ·空调管道环境和检测的主要目标 | 第38页 |
| ·管道图像分割和检测技术 | 第38-39页 |
| ·管道检测的实时性问题 | 第39-40页 |
| ·分层的图像分割方法和几何特征的提取 | 第40-45页 |
| ·分层图像分割的总架构 | 第40-41页 |
| ·粗糙图像分割 | 第41-42页 |
| ·精细图像分割 | 第42-43页 |
| ·几何特征提取和基于简单的形状和尺寸分析消除误警报 | 第43-44页 |
| ·基于线性和圆形结构元素的形态学方法的裂缝、接头和通孔分离 | 第44-45页 |
| ·统计特征的提取 | 第45-49页 |
| ·表面粗糙度 | 第45-46页 |
| ·纹理特征 | 第46-49页 |
| ·级联式分类 | 第49-52页 |
| ·级联式分类器的总框架 | 第49-51页 |
| ·基于巴氏距离的特征选择和支持向量机(SVM) | 第51-52页 |
| ·级联分类器的复杂性分析 | 第52页 |
| ·检测硬件装置和软件系统 | 第52-55页 |
| ·检测硬件装置 | 第52-53页 |
| ·检测软件系统 | 第53-55页 |
| ·实验 | 第55-65页 |
| ·图像数据集 | 第55-57页 |
| ·形态学方法中长度和半径参数的选择 | 第57-58页 |
| ·实验结果 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 第三章 面向不平衡数据的管道异常检测方法 | 第66-81页 |
| ·引言 | 第66-69页 |
| ·基于禁忌搜索(TABU)的特征选择和最优权值选择 | 第69-71页 |
| ·基于特征的组合半监督 K-MEANS 和 C4.5 管道检测 | 第71-75页 |
| ·基于特征的半监督 K-means (seeded K-means) 管道检测 | 第71-72页 |
| ·C4.5 决策树管道检测 | 第72-73页 |
| ·组合半监督 K-means 和 C4.5 管道检测 | 第73-75页 |
| ·实验 | 第75-80页 |
| ·实验数据 | 第75-76页 |
| ·预选特征和分类数 | 第76-77页 |
| ·实验结果 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第四章 基于分层模糊控制的履带式管道机器人运动控制 | 第81-97页 |
| ·引言 | 第81-83页 |
| ·履带式管道机器人实验平台 | 第83-85页 |
| ·管道机器人机构 | 第83页 |
| ·管道机器人控制系统 | 第83-85页 |
| ·履带式机器人数学模型 | 第85-88页 |
| ·履带式机器人运动学模型 | 第85-86页 |
| ·履带式机器人动力学模型 | 第86-88页 |
| ·履带式管道机器人的分层模糊控制器 | 第88-92页 |
| ·分层模糊控制器架构 | 第88-89页 |
| ·分层模糊控制器设计 | 第89-92页 |
| ·仿真和实验 | 第92-96页 |
| ·跟踪圆弧形路径 | 第92-94页 |
| ·管道中的路径跟踪 | 第94-96页 |
| ·本章小结 | 第96-97页 |
| 第五章 管道机器人自主导航的多模块参数优化 | 第97-109页 |
| ·引言 | 第97-98页 |
| ·多模块关联的代价函数 | 第98-100页 |
| ·基于边际最大化规划方法的多参数优化 | 第100-105页 |
| ·仿真 | 第105-108页 |
| ·本章结论 | 第108-109页 |
| 第六章 总结和展望 | 第109-112页 |
| ·论文工作总结 | 第109-110页 |
| ·研究展望 | 第110-112页 |
| 参考文献 | 第112-123页 |
| 附录 A | 第123-125页 |
| 攻读博士学位期间已录用或已投的论文 | 第125-126页 |
| 致谢 | 第126-129页 |
