本文針對(duì)無(wú)人機(jī)應(yīng)用場(chǎng)景中的影響因素,以提高測(cè)速算法的精度與可靠性為目的,對(duì)無(wú)人機(jī)光流測(cè)速優(yōu)化算法開(kāi)展了研究。論文首先對(duì)Oriented FAST and Rotated BRIEF（ORB）特征檢測(cè)算法及Lucas-Kanade（LK）光流算法的原理進(jìn)行了分析�；跓o(wú)人機(jī)導(dǎo)航的背景,研究了圖像光流場(chǎng)與無(wú)人機(jī)運(yùn)動(dòng)場(chǎng)的轉(zhuǎn)換關(guān)系。為了減少無(wú)人機(jī)圖像大尺度運(yùn)動(dòng)、遮擋等因素帶來(lái)的光流跟蹤誤差,論文引入圖像金字塔的方法跟蹤圖像大尺度運(yùn)動(dòng),并結(jié)合特征匹配算法提出了一種跟蹤篩選算法篩除錯(cuò)誤跟蹤點(diǎn),實(shí)驗(yàn)表明該算法可以有效減少跟蹤誤差,提高測(cè)速精度。針對(duì)無(wú)人機(jī)使用場(chǎng)景中前景運(yùn)動(dòng)物體與傳感器噪聲導(dǎo)致全局光流估計(jì)精度下降的問(wèn)題,論文基于Meanshift聚類法提出了一種全局光流估計(jì)優(yōu)化算法,該算法利用速度的一致性剔除光流數(shù)據(jù)中的干擾光流,將背景光流數(shù)據(jù)的聚類中心作為光流的估計(jì)值,提高了全局光流估計(jì)的精度,之后對(duì)算法的實(shí)時(shí)性與魯棒性進(jìn)行改進(jìn),并通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的性能。為了解決場(chǎng)景中光照變化導(dǎo)致光流解算精度下降的問(wèn)題,論文研究了一種基于圖像結(jié)構(gòu)-紋理分解的光流測(cè)速優(yōu)化算法,通過(guò)提取圖像的紋理分量來(lái)提高算法對(duì)光照... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
注釋表
第一章 緒論
    1.1 課題研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 光流法研究現(xiàn)狀
        1.2.2 基于光流的無(wú)人機(jī)導(dǎo)航技術(shù)研究現(xiàn)狀
    1.3 論文研究目的與意義
    1.4 論文研究?jī)?nèi)容與章節(jié)安排
第二章 無(wú)人機(jī)光流測(cè)速算法研究
    2.1 引言
    2.2 特征點(diǎn)檢測(cè)算法研究
        2.2.1 ORB特征點(diǎn)檢測(cè)算法原理分析
        2.2.2 圖像特征點(diǎn)檢測(cè)預(yù)處理研究
    2.3 LK光流測(cè)速算法研究
        2.3.1 LK光流場(chǎng)原理分析
        2.3.2 光流場(chǎng)與速度場(chǎng)的轉(zhuǎn)換
    2.4 光流跟蹤改進(jìn)算法設(shè)計(jì)與研究
        2.4.1 金字塔LK光流算法研究
        2.4.2 特征跟蹤篩選算法研究
        2.4.3 跟蹤改進(jìn)算法實(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證
    2.5 本章小結(jié)
第三章 基于Meanshift的全局光流估計(jì)優(yōu)化算法研究
    3.1 引言
    3.2 全局光流估計(jì)優(yōu)化算法研究
        3.2.1 算法總體方案分析與設(shè)計(jì)
        3.2.2 基于Meanshift聚類的算法研究
        3.2.3 聚類算法實(shí)時(shí)性與魯棒性改進(jìn)研究
    3.3 全局光流估計(jì)優(yōu)化算法實(shí)驗(yàn)驗(yàn)證
        3.3.1 前景運(yùn)動(dòng)影響消除實(shí)驗(yàn)
        3.3.2 噪聲影響消除實(shí)驗(yàn)
    3.4 本章小結(jié)
第四章 具有光照變化魯棒性的光流測(cè)速優(yōu)化算法研究
    4.1 引言
    4.2 光照變化魯棒性優(yōu)化算法研究
        4.2.1 算法總體方案分析與設(shè)計(jì)
        4.2.2 圖像結(jié)構(gòu)-紋理分解方案與參數(shù)選擇研究
        4.2.3 算法實(shí)時(shí)性改進(jìn)研究
    4.3 光照變化魯棒性優(yōu)化算法實(shí)驗(yàn)驗(yàn)證
    4.4 本章小結(jié)
第五章 無(wú)人機(jī)光流測(cè)速優(yōu)化算法驗(yàn)證
    5.1 引言
    5.2 無(wú)人機(jī)光流測(cè)速優(yōu)化算法驗(yàn)證平臺(tái)構(gòu)建
        5.2.1 硬件平臺(tái)搭建與實(shí)現(xiàn)
        5.2.2 軟件流程設(shè)計(jì)與實(shí)現(xiàn)
    5.3 無(wú)人機(jī)光流測(cè)速優(yōu)化算法實(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 進(jìn)一步工作展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]用于無(wú)人機(jī)導(dǎo)航的光流測(cè)速優(yōu)化方法[J]. 楊盛偉,趙偉,劉建業(yè).  電光與控制. 2019(01)
[2]基于K-means的四旋翼多目標(biāo)跟蹤系統(tǒng)研究[J]. 張曦.  工業(yè)控制計(jì)算機(jī). 2017(10)
[3]基于Apriltags改進(jìn)算法的無(wú)人機(jī)移動(dòng)目標(biāo)識(shí)別與跟蹤[J]. 賈配洋,彭曉東,沈菲菲,高辰,周武根.  電子設(shè)計(jì)工程. 2017(17)
[4]一種旋翼式無(wú)人機(jī)的視覺(jué)著陸位姿估計(jì)方法[J]. 高扉扉,陳念年,范勇,巫玲.  電光與控制. 2017(02)
[5]基于SIFT驗(yàn)證的Mean Shift跟蹤運(yùn)動(dòng)目標(biāo)新算法[J]. 王智軍,王建華.  電光與控制. 2016(11)
[6]用于無(wú)人機(jī)室內(nèi)導(dǎo)航的光流與地標(biāo)融合方法[J]. 吳琦,蔡志浩,王英勛.  控制理論與應(yīng)用. 2015(11)
[7]基于結(jié)構(gòu)紋理分解和多重網(wǎng)格的光流估計(jì)算法[J]. 李秀智,譚君,賈松敏,趙冠榮,尹曉琳.  上海交通大學(xué)學(xué)報(bào). 2014(07)
[8]基于并行計(jì)算的無(wú)人機(jī)影像角點(diǎn)檢測(cè)[J]. 何海清,黃聲享.  計(jì)算機(jī)工程. 2012(14)
[9]基于飽和度梯度的彩色序列圖像光流場(chǎng)計(jì)算[J]. 齊蘊(yùn)光,安鋼,張建.  裝甲兵工程學(xué)院學(xué)報(bào). 2012(03)
[10]噪聲環(huán)境下光流場(chǎng)估計(jì)方法[J]. 馬龍,王魯平,陳小天,李飚.  信號(hào)處理. 2012(01)

博士論文
[1]低成本微小型無(wú)人機(jī)慣性組合導(dǎo)航技術(shù)研究[D]. 孫罡.南京理工大學(xué) 2014
[2]單目視頻中的光流場(chǎng)估計(jì)技術(shù)研究[D]. 廖彬.華南理工大學(xué) 2011
[3]運(yùn)動(dòng)圖像分析中的光流計(jì)算方法研究[D]. 盧宗慶.西安電子科技大學(xué) 2007

碩士論文
[1]微小型飛行器激光雷達(dá)/光流/慣性自主導(dǎo)航方法[D]. 張竣涵.南京航空航天大學(xué) 2018
[2]用于橋梁檢測(cè)的無(wú)人機(jī)自主導(dǎo)航技術(shù)研究[D]. 朱普茂.重慶大學(xué) 2017
[3]一種Lucas-Kanade光流金字塔算法的偽特征點(diǎn)移除方法[D]. 李喆.吉林大學(xué) 2016
[4]多旋翼無(wú)人機(jī)光流/慣性組合導(dǎo)航技術(shù)研究[D]. 鄧一民.南京航空航天大學(xué) 2016
[5]基于變分和偏微分方程的圖像去噪研究[D]. 艾立.電子科技大學(xué) 2015
[6]基于衛(wèi)星和視覺(jué)結(jié)合的四旋翼飛行器導(dǎo)航定位研究[D]. 董會(huì)云.哈爾濱工程大學(xué) 2015
[7]基于多傳感器的四旋翼無(wú)人機(jī)室內(nèi)自主導(dǎo)航研究[D]. 胡禹超.東北大學(xué) 2014
[8]基于Meanshift的視頻人體目標(biāo)跟蹤算法研究[D]. 胡威.上海交通大學(xué) 2013
[9]人臉識(shí)別中的光照問(wèn)題研究[D]. 付元元.三峽大學(xué) 2011
[10]基于Split Bregman方法的摳圖算法研究[D]. 藺彬.青島大學(xué) 2010



本文編號(hào)：3476365