憑借其可靠的機(jī)動性和環(huán)境適應(yīng)性,無人機(jī)已經(jīng)在各個(gè)領(lǐng)域都實(shí)現(xiàn)了大量的應(yīng)用。為了更好的提升無人機(jī)在多目標(biāo)跟蹤任務(wù)中的智能性,本文針對無人機(jī)對多運(yùn)動目標(biāo)的跟蹤問題進(jìn)行研究,并設(shè)計(jì)了一套動態(tài)的多目標(biāo)跟蹤無人機(jī)航跡規(guī)劃方案。該方案利用無人機(jī)上的相機(jī)所拍攝的圖像序列對多個(gè)運(yùn)動目標(biāo)進(jìn)行動態(tài)跟蹤,估算出運(yùn)動目標(biāo)位置并對該多個(gè)運(yùn)動目標(biāo)設(shè)計(jì)優(yōu)化無人機(jī)航跡,實(shí)現(xiàn)無人機(jī)對多運(yùn)動目標(biāo)的跟蹤任務(wù)。具體研究內(nèi)容如下:(1)設(shè)計(jì)多尺度的運(yùn)動目標(biāo)跟蹤的實(shí)用型算法。對比分析核相關(guān)濾波算法與均值漂移算法的優(yōu)缺點(diǎn),利用核相關(guān)濾波算法對運(yùn)動目標(biāo)進(jìn)行初始位置判定,融入均值漂移算法實(shí)現(xiàn)多尺度估計(jì),提出融合的改進(jìn)方法,保證跟蹤效果。(2)研究基于卡爾曼預(yù)測的單目視覺運(yùn)動目標(biāo)數(shù)據(jù)處理方法。在對運(yùn)動目標(biāo)位置進(jìn)行估算的基礎(chǔ)上,通過卡爾曼濾波進(jìn)行時(shí)序上的位置預(yù)測,預(yù)先生成無人機(jī)運(yùn)動軌跡,避免無人機(jī)飛行調(diào)整滯后于目標(biāo)運(yùn)動的問題,實(shí)現(xiàn)目標(biāo)跟蹤數(shù)據(jù)與航跡規(guī)劃的動態(tài)結(jié)合。(3)提出多運(yùn)動目標(biāo)跟蹤的無人機(jī)航跡優(yōu)化方案。針對多運(yùn)動目標(biāo)無人機(jī)跟蹤監(jiān)視的實(shí)際問題,結(jié)合蟻群算法與遺傳算法,開展無人機(jī)航跡規(guī)劃的技術(shù)驗(yàn)證,得到局部最優(yōu)的多目標(biāo)跟蹤無人機(jī)航跡規(guī)劃方... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

偏移向量示意圖

所以具有尺度自適應(yīng)的均值漂移算法的具體流程如下圖 2.2 所示：圖 2.2 尺度自適應(yīng)的均值漂移算法原理流程圖2.2.4 增加尺度估計(jì)后的均值漂移算法對比實(shí)驗(yàn)本文所有實(shí)驗(yàn)編程的軟件配置均處于 64 位 Window10 操作系統(tǒng)下的 VS2013+Opencv3.0 的編譯環(huán)境中。硬件配置均為英特爾酷睿 i5-8400 處理器，CPU 主頻為 2.8GHz，安裝 8GB 運(yùn)行單通道內(nèi)存，內(nèi)存主頻為 2400MHz。通過在相同數(shù)據(jù)集上進(jìn)行帶有尺度變化和不帶有尺度變化的均值漂移算法的跟蹤實(shí)驗(yàn)，對比算法的跟蹤效果。下文將以一個(gè)尺度逐漸變大的車輛圖像序列作為示例，對 2 種算法的跟蹤結(jié)果進(jìn)行對比分析。圖像序列數(shù)據(jù)的尺寸為 384*288 像素，目標(biāo)車輛的原始尺寸為 30*25 像素，目標(biāo)車輛在序列中的平均尺度大小為 58*48 像素。在圖像序列的開始幀，將運(yùn)動目標(biāo)的真實(shí)位置及尺度大小分別輸入算法當(dāng)中作為目標(biāo)模板，

基于多目標(biāo)跟蹤的無人機(jī)自主航跡優(yōu)化避免手動選取目標(biāo)所導(dǎo)致的誤差，然后開始實(shí)驗(yàn)跟蹤的流程。圖 2.3 為帶有尺度變化和不帶有尺度變化的均值漂移算法跟蹤結(jié)果對比圖。并且對 2 種目標(biāo)跟蹤算法的尺度估計(jì)結(jié)果及運(yùn)行速度進(jìn)行采集，如表 2.1 是兩種算法間的所耗時(shí)及跟蹤窗口大小數(shù)據(jù)對比。若算法跟蹤窗口平均尺寸的平均尺度大小與目標(biāo)真實(shí)尺度的平均大小越接近則算法精度越高。算法的平均幀率越高，代表算法運(yùn)行效率越快，根據(jù)普遍的視頻要求，算法的實(shí)時(shí)性要求為 25 幀/秒。

【參考文獻(xiàn)】：
期刊論文
[1]消防無人機(jī)偵察功能的應(yīng)用研究[J]. 崔彥琛,吳立志,朱紅偉,郭可新,黃俊杰.  消防技術(shù)與產(chǎn)品信息. 2018(11)
[2]一種核相關(guān)濾波器的多尺度目標(biāo)跟蹤方法[J]. 李遠(yuǎn)狀,韓彥芳,于書盼.  電子科技. 2018(10)
[3]基于細(xì)菌覓食的改進(jìn)蟻群算法[J]. 張立毅,肖超,費(fèi)騰.  計(jì)算機(jī)工程與科學(xué). 2018(10)
[4]一種尺度自適應(yīng)的核相關(guān)濾波跟蹤算法[J]. 林慶,占林森.  信息技術(shù). 2018(09)
[5]快速尺度自適應(yīng)核相關(guān)濾波目標(biāo)跟蹤算法[J]. 何雪東,周盛宗.  激光與光電子學(xué)進(jìn)展. 2018(12)
[6]應(yīng)急測繪無人機(jī)資源多目標(biāo)優(yōu)化調(diào)度方法[J]. 朱慶,韓會鵬,于杰,杜志強(qiáng),張駿驍,吳晨,沈富強(qiáng).  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(11)
[7]無人機(jī)遙感技術(shù)國內(nèi)松材線蟲病監(jiān)測研究綜述[J]. 張紅梅,陸亞剛.  華東森林經(jīng)理. 2017(03)
[8]基于連續(xù)自適應(yīng)均值漂移和立體視覺的無人機(jī)目標(biāo)跟蹤方法[J]. 張?zhí)煲?楊忠,韓家明,宋佳蓉,朱家遠(yuǎn).  應(yīng)用科技. 2018(02)
[9]基于相關(guān)濾波的視頻目標(biāo)跟蹤算法綜述[J]. 吳小俊,徐天陽,須文波.  指揮信息系統(tǒng)與技術(shù). 2017(03)
[10]基于蟻群算法的火災(zāi)動態(tài)疏散[J]. 傅軍棟,劉業(yè)輝,李江輝.  華東交通大學(xué)學(xué)報(bào). 2017(03)

碩士論文
[1]基于改進(jìn)CamShift算法的嵌入式目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)[D]. 任楷飛.中北大學(xué) 2018
[2]割草機(jī)器人路徑跟蹤與避障方法研究[D]. 陳鵬.中原工學(xué)院 2018
[3]基于蟻群算法的航線自動設(shè)計(jì)[D]. 李可.大連海事大學(xué) 2018
[4]基于無人機(jī)的車輛實(shí)時(shí)跟蹤算法研究[D]. 吳仁堅(jiān).西安電子科技大學(xué) 2017
[5]基于時(shí)空上下文的目標(biāo)跟蹤算法研究[D]. 許三妹.西安科技大學(xué) 2017
[6]基于MeanShift的運(yùn)動目標(biāo)跟蹤算法研究[D]. 李洋.沈陽理工大學(xué) 2016
[7]城市快遞配送條件下的多目標(biāo)車輛路徑優(yōu)化研究[D]. 楊志清.哈爾濱工業(yè)大學(xué) 2015
[8]面向視覺跟蹤的運(yùn)動目標(biāo)輪廓提取算法研究[D]. 李谷全.南華大學(xué) 2011
[9]均值偏移算法在目標(biāo)跟蹤中的研究與應(yīng)用[D]. 姜智.南京理工大學(xué) 2009



本文編號：2912531