近年來,隨著微型飛行器（Micro Aerial Vehicle,MAV）技術的快速發(fā)展,微型飛行器在軍事和民用領域均得到廣泛應用。環(huán)境感知是飛行器應用中所需要的一項重要能力。本文針對四旋翼飛行器的視覺感知方法展開研究,旨在四旋翼平臺上實現(xiàn)地面目標的大范圍檢測與定位。主要研究工作與貢獻如下:1.針對國際空中機器人大賽（International Aerial Robotics Competition,IARC）中的飛行器斜視攝像頭圖像,采用傳統(tǒng)目標檢測方法進行地面機器人檢測�；诜较蛱荻戎狈綀D（Histogram of Oriented Gradient,HOG）與支持向量機（Support Vector Machine,SVM）方法改進,提出二階段目標檢測方法,提升檢測算法速度與精度。在IARC場景下進行斜視攝像頭的目標檢測數(shù)據(jù)集制作,并在數(shù)據(jù)集上進行HOG特征調(diào)整與SVM訓練,最終完成算法評估。實驗結果顯示,所提出的算法可達到又快又準的效果。2.針對多攝像頭機載負荷大以及消耗計算資源大的問題,提出為四旋翼配備單個下視魚眼攝像頭的解決方案。去掉占用計算資源較大的魚眼矯正算法,基于原始... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：107 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 基于靜態(tài)圖像的目標檢測
        1.2.2 基于魚眼的視覺測量
    1.3 研究內(nèi)容與創(chuàng)新點
    1.4 論文結構
第二章 IARC中的傳統(tǒng)目標檢測方法
    2.1 IARC介紹
    2.2 飛行器視覺系統(tǒng)
    2.3 基于HOG與SVM的目標檢測
        2.3.1 HOG特征
        2.3.2 SVM分類器
        2.3.3 多目標檢測
    2.4 目標檢測方案
    2.5 實驗驗證
        2.5.1 評估指標
        2.5.2 實驗設置
        2.5.3 實驗結果與分析
第三章 基于魚眼圖像的現(xiàn)代目標檢測方法
    3.1 飛行器與下視魚眼圖像
    3.2 魚眼圖像目標檢測方法
    3.3 魚眼目標檢測數(shù)據(jù)集
    3.4 目標檢測模型訓練
    3.5 實驗驗證
        3.5.1 評估指標
        3.5.2 模型基準
        3.5.3 模型結構對比
        3.5.4 模型優(yōu)化
        3.5.5 模型輸出分析
第四章 基于魚眼的目標定位方法
    4.1 魚眼相機模型
        4.1.1 針孔相機模型
        4.1.2 魚眼畸變模型
        4.1.3 魚眼畸變模型逆向求解
    4.2 融合定位
        4.2.1 坐標系定義
        4.2.2 融合定位目標及條件
        4.2.3 融合定位推導
    4.3 實驗驗證
        4.3.1 飛行器平臺
        4.3.2 實驗設置
        4.3.3 真值系統(tǒng)
        4.3.4 距離實驗
        4.3.5 姿態(tài)實驗
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝
作者簡歷
攻讀碩士學位期間主要的研究成果



本文編號：3165009