無人機自主著降是實現(xiàn)無人直升機自主飛行的關(guān)鍵技術(shù)之一。在該研究領(lǐng)域中,基于視覺的無人機自主著降技術(shù)是近年來一個新興的研究方向。傳統(tǒng)的無人直升機視覺著降方法主要依賴于預(yù)設(shè)的地面合作目標,通過對地面合作目標的檢測、識別與跟蹤實現(xiàn)無人機的定位與自主導航,并根據(jù)合作目標在實時圖像中的尺度、形狀等信息估計無人機降落過程中的飛行姿態(tài)。這類方法需要人為地預(yù)先設(shè)置合作目標,具有一定局限性。針對這一點,本文對未知環(huán)境下無人直升機不依賴于地面合作目標的視覺著降技術(shù)進行了研究,主要工作如下:1.設(shè)計了一種基于引導區(qū)域的無人直升機視覺著降方案:首先,在無人直升機航行前的準備階段對預(yù)計著降點及其鄰近區(qū)域進行引導區(qū)域檢測,并保存引導區(qū)域與預(yù)設(shè)著降點的相對空間關(guān)系;隨后,在無人直升機準備著陸前,將地面區(qū)域與引導區(qū)域圖像進行景象匹配,一旦匹配成功即令無人機進入自主著降階段;在這一階段,無人直升機對引導區(qū)域進行目標跟蹤,并實時計算無人機與著降區(qū)域的相對空間關(guān)系,從而根據(jù)準備階段得到的著降點與引導區(qū)域相對空間關(guān)系推導出水平方向上無人直升機相對于著降點的距離與方向,并生成導航信息。2.研究了一種基于超像素顯著性與區(qū)域匹配概... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
注釋表
縮略詞
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于合作目標的方法
        1.2.2 不基于合作目標的方法
        1.2.3 存在的問題
    1.3 本文研究內(nèi)容與創(chuàng)新點
        1.3.1 本文研究內(nèi)容
        1.3.2 本文創(chuàng)新點
    1.4 本文章節(jié)安排
    1.5 本章小結(jié)
第二章 非合作目標式無人直升機視覺著降
    2.1 無人機視覺著陸原理
    2.2 非合作目標式無人直升機視覺著降整體框架
    2.3 坐標系的建立與轉(zhuǎn)換
        2.3.1 相機坐標系的校正
        2.3.2 極坐標系的建立
        2.3.3 坐標系的轉(zhuǎn)換與導航信息的求解
    2.4 本章小結(jié)
第三章 引導區(qū)域檢測
    3.1 引導區(qū)域的功能及特點分析
        3.1.1 引導區(qū)域的功能
        3.1.2 引導區(qū)域的特點
    3.2 基于超像素的顯著區(qū)域檢測
        3.2.1 圖像的預(yù)處理
        3.2.2 超像素分割
        3.2.3 基于超像素的顯著區(qū)域檢測方法
        3.2.4 候選區(qū)域篩選
    3.3 區(qū)域匹配概率估計
        3.3.1 區(qū)域統(tǒng)計特征
        3.3.2 分類器設(shè)計
        3.3.3 匹配概率估計
    3.4 實驗結(jié)果及分析
        3.4.1 基于超像素的顯著區(qū)域檢測結(jié)果及分析
        3.4.2 區(qū)域匹配概率估計結(jié)果及分析
    3.5 本章小結(jié)
第四章 目標區(qū)域跟蹤
    4.1 相關(guān)濾波跟蹤的整體框架
    4.2 基于時空上下文的視覺跟蹤
        4.2.1 問題的數(shù)學描述
        4.2.2 基于時空上下文的跟蹤算法
        4.2.3 目標框尺度的更新
        4.2.4 算法的特點分析
    4.3 核化相關(guān)濾波跟蹤
        4.3.1 問題的數(shù)學描述
        4.3.2 非線性回歸
        4.3.3 快速檢測
        4.3.4 核化相關(guān)濾波跟蹤算法流程
        4.3.5 算法的特點分析
    4.4 尺度自適應(yīng)的核化相關(guān)濾波跟蹤
    4.5 實驗結(jié)果與分析
    4.6 本章小結(jié)
第五章 無人直升機可著降區(qū)域檢測
    5.1 可著降區(qū)域檢測整體框架
    5.2 區(qū)域分割
        5.2.1 邊緣檢測
        5.2.2 邊緣增長
        5.2.3 顏色篩選
    5.3 幾何檢驗
        5.3.1 面積約束
        5.3.2 形狀檢驗
    5.4 特征提取
    5.5 實驗與分析
        5.5.1 不同特征組合的對比實驗
        5.5.2 不同分類器的對比實驗
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 存在的問題與展望
參考文獻
致謝
在學期間的研究成果及發(fā)表的學術(shù)論文


【參考文獻】：
期刊論文
[1]圖像分割中的超像素方法研究綜述[J]. 宋熙煜,周利莉,李中國,陳健,曾磊,閆鑌.  中國圖象圖形學報. 2015(05)
[2]一種改進的快速歸一化積相關(guān)圖像匹配算法[J]. 程紅,陳文劍,孫文邦.  光電工程. 2013(01)
[3]無人機在運動艦船上著艦視覺導引技術(shù)研究[J]. 王廣彪,李華偉,丁文銳,李紅光.  中國電子科學研究院學報. 2012(03)
[4]適應(yīng)不完整目標的快速模板匹配[J]. 鄧澤峰,熊有倫,黃小鵬.  光電工程. 2010(05)
[5]景像匹配仿真中實時圖的仿真生成[J]. 楊小岡,曹菲,黃先祥,孟飛.  系統(tǒng)仿真學報. 2010(05)
[6]無人機視覺導航研究綜述[J]. 吳顯亮,石宗英,鐘宜生.  系統(tǒng)仿真學報. 2010(S1)
[7]基于Gabor濾波器與支持向量機的景像匹配概率估計方法[J]. 曹國,楊新.  上海交通大學學報. 2006(03)

博士論文
[1]高分辨率SAR圖像建筑物提取方法研究[D]. 趙凌君.國防科學技術(shù)大學 2009

碩士論文
[1]基于全光譜探測技術(shù)的無人機視覺引導著降技術(shù)的研究[D]. 杜晶.國防科學技術(shù)大學 2012



本文編號：3170473