輸電線路巡線機器人視覺系統(tǒng)圖像處理及模式識別研究

前言
第1章 緒論
1.1 概述
1.2 巡線機器人的研究現狀及發(fā)展
1.2.1 研究歷史及現狀
1.2.2 巡線機器人的關鍵技術
1.3 機器人視覺的研究現狀及發(fā)展
1.3.1 視覺導航
1.3.2 視覺伺服控制
1.4 小結
第2章 巡線機器人的體系結構
2.1 總體設計思路
2.2 機械結構
2.3 110kv巡線機器人的運動學分析
2.3.1 運動學分析
2.3.2 仿真實驗
2.4 控制系統(tǒng)
2.4.1 層次結構
2.4.2 硬件組成
2.4.3 軟件結構
2.4.4 控制模式
2.5 220kV巡線機器人視覺導航系統(tǒng)
2.6 小結
第3章 110kv巡線機器人的視覺導航系統(tǒng)
3.1 引言
3.2 110kv巡線機器人的視覺導航系統(tǒng)設計
3.3 110kv巡線機器人視覺導航系統(tǒng)的算法實現
3.3.1 相關的基礎知識
3.3.2 單幀巡線圖像的障礙物識別算法
3.3.3 視覺導航系統(tǒng)的障礙物識別算法
3.4 實驗
3.5 小結
第4章 輸電線路線上障礙物識別
4.1 引言
4.1.1 概述
4.1.2 典型線上障礙物
4.2 物體識別的一般方法
4.2.1 物體模型
4.2.2 特征檢測
4.2.3 假設形成
4.2.4 假設驗證
4.3 典型幾何形狀檢測
4.3.1 Hough變換
4.3.2 Bums直線提取方法
4.4 基于結構約束的障礙識別方法
4.4.1 相線識別與定位
4.4.2 防振錘識別
4.4.3 懸垂線夾識別
4.4.4 耐張線夾識別
4.4.5 障礙跟蹤
4.5 實驗結果
4.6 小結
第5章 障礙定位
5.1 引言
5.2 雙目立體視覺原理
5.2.1 攝像機建模
5.2.2 空間點三維重構
5.2.3 立體匹配
5.3 基于區(qū)域的立體匹配方法
5.3.1 相似性測度
5.3.2 匹配窗口及匹配搜索策略
5.4 實驗分析
5.5 小結
第6章基于部分特征匹配的無監(jiān)督物體分類
6.1 引言
6.2 無監(jiān)督學習的問題陳述以及解決思路
6.2.1 無監(jiān)督學習問題陳述
6.2.2 問題描述
6.3 特征提取
6.3.1 常見特征提取法
6.3.2 SIFT特征描述子
6.4 特征集之間的部分匹配
6.4.1 部分匹配與金字塔匹配核
6.4.2 金字塔匹配核與Mercer核
6.4.3 空間金字塔匹配
6.4.4 通過過正則圖割的方法進行聚類
6.4.5 組內在聯系成員聚類
6.4.6 實驗結果
6.5 基于直方圖交核函數的多核學習問題
6.5.1 多核學習問題定義
6.5.2 基于多直方圖匹配核的多核學習
6.5.3 實驗結果
6.5.4.實驗速度
6.6 本章小結
第7章 運動模糊圖像復原
7.1 引言
7.2 圖像退化的數學模型
7.2.1 問題概述
7.2.2 巡檢機器人運動模糊圖像建模
7.3 遞歸神經網絡結構
7.4 實驗結果
7.5 小結
第8章 架空輸電線路絕緣子缺陷的視覺檢查
8.1 引言
8.2 絕緣子識別
8.2.1 圖像分割
8.2.2 特征提取
8.2.3 基于BP神經元網絡的絕緣子識別
8.3 絕緣子縱向剖線模式分析及表面破損判定
8.3.1 縱向剖線模式提取
8.3.2 縱向剖線模式分類
8.4 實驗結果
8.5 小結
第9章 巡線機器人越障視覺伺服控制
9.1 引言
9.2 基于圖像的視覺伺服(Image-basedvisualservo)
9.3 巡線機器人越障視覺伺服策略
9.4 巡線機器人驅動輪與相線相對位姿估計
9.4.1 圖像畸變矯正
9.4.2 圖像特征選擇和特征偏差定義
9.4.3 圖像特征提取及驅動輪與相線相對位姿估計
9.5 巡線機器人越障視覺伺服控制律
9.6 實驗結果
9.7 小結
第10章 結論
參考文獻