無(wú)人機(jī)的自主避障飛行對(duì)于無(wú)人機(jī)來(lái)說(shuō)具有十分重要的意義,隨著無(wú)人機(jī)應(yīng)用范圍的不斷擴(kuò)大,無(wú)人機(jī)應(yīng)用的領(lǐng)域也在不斷增多,近年來(lái),無(wú)人機(jī)在電力系統(tǒng)領(lǐng)域也發(fā)揮著越來(lái)越重要的作用,尤其是在電力巡線種的應(yīng)用。但目前應(yīng)用無(wú)人機(jī)電力系統(tǒng)一般采用人工控制,智能化程度低。而且無(wú)人機(jī)在電力巡檢時(shí)需要克服的最主要的問(wèn)題就是避障問(wèn)題,而避障問(wèn)題中需要解決的核心問(wèn)題是障礙物的識(shí)別和無(wú)人機(jī)與障礙物的距離之間距離的測(cè)定。主要運(yùn)用基于模糊商空間理論設(shè)計(jì)動(dòng)態(tài)粒度矩陣的方法,獲取了圖像的分層結(jié)構(gòu),然后根據(jù)分層結(jié)構(gòu),設(shè)計(jì)了量子啟發(fā)式的群領(lǐng)導(dǎo)混合算法,進(jìn)而結(jié)合量子進(jìn)化、群領(lǐng)導(dǎo)算法和邏輯映射的優(yōu)點(diǎn),計(jì)算得到了最佳粒度層;在最佳粒度層隨機(jī)初始化種群之后,通過(guò)相應(yīng)的變換等操作,實(shí)現(xiàn)各個(gè)組群的優(yōu)化,從而獲得最佳的二維分割閾值作為Canny邊緣檢測(cè)的自適應(yīng)閾值;根據(jù)自適應(yīng)閾值的邊緣檢測(cè)實(shí)現(xiàn)了物體的檢測(cè)和分割。通過(guò)設(shè)計(jì)的動(dòng)態(tài)粒度矩陣和混合算法,對(duì)條紋成像圖像,進(jìn)行分割、去噪等處理,所設(shè)計(jì)算法對(duì)于某些比較差的環(huán)境下的障礙物的檢測(cè)和分割具有很好的優(yōu)化作用;同時(shí),通過(guò)參數(shù)學(xué)習(xí)公式,獲取障礙物更準(zhǔn)確的距離、角度和寬度信息。本文以無(wú)人機(jī)為研究對(duì)象,針... 

【文章來(lái)源】：哈爾濱理工大學(xué)黑龍江省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)
        1.2.1 無(wú)人機(jī)自主避障方法研究的國(guó)內(nèi)外現(xiàn)狀
        1.2.2 無(wú)人機(jī)路徑規(guī)劃算法國(guó)內(nèi)外研究和發(fā)展現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
第2章 無(wú)人機(jī)避障理論及方法
    2.1 結(jié)構(gòu)光檢測(cè)原理
        2.1.1 物體成像分析
        2.1.2 參數(shù)檢測(cè)說(shuō)明
        2.1.3 圖像畸變校正
    2.2 人工勢(shì)場(chǎng)法相關(guān)原理
    2.3 本章小結(jié)
第3章 基于粒度格矩陣空間的結(jié)構(gòu)光異物檢測(cè)與測(cè)距方法
    3.1 基于結(jié)構(gòu)光的障礙物檢測(cè)方法
    3.2 基于粒度空間矩陣的結(jié)構(gòu)光異物檢測(cè)算法
        3.2.1 模糊商空間理論
        3.2.2 動(dòng)態(tài)粒度矩陣空間建立
        3.2.3 圖像檢測(cè)和分割
        3.2.4 自適應(yīng)的邊緣檢測(cè)算法
    3.3 位置檢測(cè)實(shí)驗(yàn)結(jié)果及分析
        3.3.1 實(shí)驗(yàn)平臺(tái)設(shè)計(jì)
        3.3.2 評(píng)價(jià)指標(biāo)
        3.3.3 距離檢測(cè)實(shí)驗(yàn)
        3.3.4 角度檢測(cè)實(shí)驗(yàn)
        3.3.5 寬度檢測(cè)實(shí)驗(yàn)
        3.3.6 實(shí)驗(yàn)分析
    3.4 目標(biāo)分割實(shí)驗(yàn)結(jié)果及分析
        3.4.1 目標(biāo)分割打標(biāo)工具
        3.4.2 mask評(píng)價(jià)指標(biāo)
        3.4.3 圖像分割實(shí)驗(yàn)
        3.4.4 實(shí)時(shí)性分析
        3.4.5 實(shí)驗(yàn)結(jié)果分析
        3.4.6 本章小結(jié)
第4章 基于智能算法的無(wú)人機(jī)巡線軌跡規(guī)劃
    4.1 無(wú)人機(jī)路徑規(guī)劃建模
        4.1.1 路徑規(guī)劃約束條件
        4.1.2 巡檢路徑的目標(biāo)函數(shù)
    4.2 基于遺傳算法的無(wú)人機(jī)二維平面避障軌跡規(guī)劃
        4.2.1 遺傳算法設(shè)計(jì)
        4.2.2 無(wú)人機(jī)電力巡線二維靜態(tài)軌跡規(guī)劃
        4.2.3 無(wú)人機(jī)電力巡線二維動(dòng)態(tài)軌跡規(guī)劃
        4.2.4 三維靜態(tài)軌跡規(guī)劃
        4.2.5 三維動(dòng)態(tài)軌跡規(guī)劃
    4.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及獲得成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于超聲波測(cè)距的多旋翼無(wú)人機(jī)避障算法[J]. 邵芳.  吉林工程技術(shù)師范學(xué)院學(xué)報(bào). 2017(11)
[2]顯著性的無(wú)人機(jī)遠(yuǎn)距離障礙物檢測(cè)[J]. 姚俊,蔣超,華春生,宋大雷.  沈陽(yáng)理工大學(xué)學(xué)報(bào). 2016(04)
[3]基于Voronoi圖和動(dòng)態(tài)自適應(yīng)蟻群算法的UAV航跡規(guī)劃[J]. 鄔琦,潘廣貞,楊江濤.  計(jì)算機(jī)測(cè)量與控制. 2014(09)
[4]基于圖像匹配的輸電導(dǎo)線舞動(dòng)監(jiān)測(cè)方法[J]. 黃新波,張燁,程文飛,李敏,羅兵,周柯宏.  高電壓技術(shù). 2014(03)
[5]基于蟻群算法的無(wú)人機(jī)航跡規(guī)劃及其動(dòng)態(tài)仿真[J]. 王緒芝,姚敏,趙敏,胡中華.  指揮控制與仿真. 2012(01)
[6]采用多重啟發(fā)蟻群優(yōu)化算法的無(wú)人機(jī)航跡規(guī)劃[J]. 李猛,王道波,盛守照.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(10)
[7]低速直線驅(qū)動(dòng)系統(tǒng)研究現(xiàn)狀分析[J]. 程志平,焦留成.  電機(jī)與控制應(yīng)用. 2011(07)
[8]圖像分割的商空間粒度原理[J]. 劉仁金,黃賢武.  計(jì)算機(jī)學(xué)報(bào). 2005(10)
[9]大視場(chǎng)短焦距鏡頭CCD攝像系統(tǒng)的畸變校正[J]. 行麥玲,劉賤平,林家明,沙定國(guó),蘇大圖.  光學(xué)技術(shù). 2003(03)
[10]模糊商空間理論(模糊粒度計(jì)算方法)[J]. 張鈴,張鈸.  軟件學(xué)報(bào). 2003(04)



本文編號(hào)：3196478