主要中英文术语对照表3-5
摘要5-7
ABSTRACT7-10
目录10-13
第一章绪论13-36
1.1 课题背景与作用13-15
1.1.1 管道机器人的作用13-14
1.1.2 本论文主要探讨方向和作用14-15
1.2 管道机器人以及相关技术探讨近况15-29
1.2.1 管道机器人探讨近况15-21
1.2.2 管道检测技术和基于视觉(图像)的自动识别技术近况21-24
1.2.3 智能管道机器人感知、运动制约和自主导航近况24-27
1.2.4 基于学习的移动机器人自主导航探讨近况27-29
1.3 本论文探讨内容和章节安排29-36
1.3.1 基于视觉的管道检测技术所面对的不足29-31
1.3.2 履带式管道机器人运动制约和自主导航所面对的不足31-32
1.3.3 模块化管道机器人在自主导航中的学习和全局优化不足32-33
1.3.4 本论文章节安排33-36
第二章 基于视觉的级联式快速管道检测36-66
2.1 引言36-38
2.2 管道图像分割、检测以及相关探讨回顾38-40
2.2.1 空调管道环境和检测的主要目标38
2.2.2 管道图像分割和检测技术38-39
2.2.3 管道检测的实时性不足39-40
2.3 分层的图像分割策略和几何特点的提取40-45
2.3.1 分层图像分割的总架构40-41
2.3.2 粗糙图像分割41-42
2.3.3 精细图像分割42-43
2.3.4 几何特点提取和基于简单的形状和尺寸浅析消除误警报43-44
2.3.5 基于线性和圆形结构元素的形态学策略的裂缝、接头和通孔分离44-45
2.4 统计特点的提取45-49
2.4.1 表面粗糙度45-46
2.4.2 纹理特点46-49
2.5 级联式分类49-52
2.5.1 级联式分类器的总框架49-51
2.5.2 基于巴氏距离的特点选择和支持向量机(SVM)51-52
2.5.3 级联分类器的复杂性浅析52
2.6 检测硬件装置和软件系统52-55
2.6.1 检测硬件装置52-53
2.6.2 检测软件系统53-55
2.7 实验55-65
2.7.1 图像数据集55-57
2.7.2 形态学策略中长度和半径参数的选择57-58
2.7.3 实验结果58-65
2.8 本章小结65-66
第三章 面向不平衡数据的管道异常检测策略66-81
3.1 引言66-69
3.2 基于禁忌搜索(TABU)的特点选择和最优权值选择69-71
3.3 基于特点的组合半监督 K-MEANS 和 .5 管道检测71-75
3.3.1 基于特点的半监督 K-means (seeded K-means) 管道检测71-72
3.3.2 .5 决策树管道检测72-73
3.3.3 组合半监督 K-means 和 .5 管道检测73-75
3.4 实验75-80
3.4.1 实验数据75-76
3.4.2 预选特点和分类数76-77
3.4.3 实验结果77-80
3.5 本章小结80-81
第四章 基于分层模糊制约的履带式管道机器人运动制约81-97
4.1 引言81-83
4.2 履带式管道机器人实验平台83-85
4.2.1 管道机器人机构83
4.2.2 管道机器人制约系统83-85
4.3 履带式机器人数学模型85-88
4.3.1 履带式机器人运动学模型85-86
4.3.2 履带式机器人动力学模型86-88
4.4 履带式管道机器人的分层模糊制约器88-92
4.4.1 分层模糊制约器架构88-89
4.4.2 分层模糊制约器设计89-92
4.5 仿真和实验92-96
4.5.1 跟踪圆弧形路径92-94
4.5.2 管道中的路径跟踪94-96
4.6 本章小结96-97
第五章 管道机器人自主导航的多模块参数优化97-109
5.1 引言97-98
5.2 多模块关联的代价函数98-100
5.3 基于边际最大化规划策略的多参数优化100-105
5.4 仿真105-108
5.5 本章结论108-109
第六章 总结和展望109-112
6.1 论文工作总结109-110
6.2 探讨展望110-112