【摘要】：隨著無人機(jī)技術(shù)的快速發(fā)展,無人機(jī)在民用和軍事領(lǐng)域得到了越來越多的關(guān)注,基于圖像的目標(biāo)識別與跟蹤技術(shù)成為各國學(xué)者研究的熱點(diǎn)。為了實現(xiàn)飛行器對目標(biāo)的識別與跟蹤,本文以四旋翼飛行器為載體,對基于圖像的目標(biāo)識別與跟蹤算法進(jìn)行了研究,闡述了圖像處理技術(shù)的基本原理,并對常用算法進(jìn)行分析,同時完成了實驗平臺的搭建,為飛行器識別與跟蹤算法驗證奠定基礎(chǔ)。對于識別算法,本文主要研究基于特征匹配的目標(biāo)識別算法,首先闡述了圖像預(yù)處理的基本原理,并綜合分析常用的特征點(diǎn)檢測算法的優(yōu)缺點(diǎn),最終選用SURF特征點(diǎn)提取算法,再針對最近鄰特征匹配方法耗時較長,匹配正確率低的問題,研究使用基于BBF的Kd-樹最近鄰查詢的雙向SURF匹配方法加快匹配進(jìn)程,同時初步消除錯配點(diǎn),提高準(zhǔn)確性,然后通過RANSAC方法提純匹配對,進(jìn)一步提高精確性。再進(jìn)行特征匹配實驗驗證本文匹配方法可以取得較好的效果,最后闡述了識別流程并通過目標(biāo)識別實驗證明本文目標(biāo)識別算法的有效性和實用性。對于跟蹤算法,本文針對傳統(tǒng)的Camshift算法需要人工確定第一幀的搜索窗口,在背景干擾以及目標(biāo)發(fā)生短時遮擋時,容易丟失目標(biāo)的問題,給出基于SURF和Camshift的目標(biāo)跟蹤算法解決方案。首先分析傳統(tǒng)Camshift算法的基本原理和缺陷,研究通過SURF特征點(diǎn)的位置信息確定第一幀搜索窗口,再提出依據(jù)跟蹤結(jié)果判斷條件判斷是否進(jìn)行目標(biāo)重定位,并介紹本文改進(jìn)的跟蹤算法的運(yùn)行流程。最后通過測試視頻實驗證明本文改進(jìn)的跟蹤算法的有效性和魯棒性。最后,在實驗平臺上進(jìn)行實際飛行實驗,首先建立世界,機(jī)體,攝像機(jī)三者的坐標(biāo)系,并設(shè)計了飛行器跟蹤路徑和控制參數(shù),通過不同高度下的識別實驗確定跟蹤飛行的高度,最后再對靜止目標(biāo)和移動目標(biāo)進(jìn)行跟蹤,證明本文目標(biāo)識別與改進(jìn)的跟蹤算法有效可行。
【圖文】：

第一章 緒論1.1 課題研究背景與意義無人駕駛飛行器(UnmannedAerial Vehicle, UAV)，又稱無人機(jī)，是一種能夠遠(yuǎn)程遙控，也可以自主，或者半自主飛行的飛行器[1]。常用的無人機(jī)可分為兩種：固定翼式和旋翼式，如圖 1.1 所示，固定翼式無人機(jī)具有航行時間長，搜索范圍大，速度快等優(yōu)點(diǎn)，但是只能按照固定的航線飛行，不夠靈活，操作難度較大，旋翼式無人機(jī)中應(yīng)用最廣泛的是四旋翼飛行器[2]。四旋翼飛行器可實現(xiàn)懸停、超低空低速巡航，偏航，橫滾等飛行方式，具有機(jī)動性強(qiáng)，，體積小，成本低，可在小空間飛行的優(yōu)點(diǎn)。近年來世界各國無人機(jī)事業(yè)發(fā)展迅猛，在軍事領(lǐng)域，可執(zhí)行物資運(yùn)輸，戰(zhàn)場偵查，打擊效果評估等任務(wù)，在民用領(lǐng)域，可用于航拍，輸電網(wǎng)巡線，快遞配送，農(nóng)藥噴灑等，具有非常大的應(yīng)用前景[3,4]。

究現(xiàn)狀機(jī)的目標(biāo)識別與跟蹤算法研究比較早，各項技術(shù)也相的研究成果介紹一下國外對帶有視覺傳感器的無人機(jī)的克利分校于 19 世紀(jì) 90 年代就開始了無人機(jī)平臺和應(yīng)相關(guān)技術(shù)的研究，項目組設(shè)計了 4 種無人機(jī)實驗平臺，分別為代號分別為 Yamaha R-max、Yamaha R-50、Berg，為后人無人機(jī)相關(guān)技術(shù)的研究奠定基礎(chǔ)。該項目組已能避障等目標(biāo)[7-9]。
【學(xué)位授予單位】：長春理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：V279;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 翟衛(wèi)欣;程承旗;;基于Kalman濾波的Camshift運(yùn)動跟蹤算法[J];北京大學(xué)學(xué)報(自然科學(xué)版);2015年05期

2 修春波;魏世安;;顯著性直方圖模型的Camshift跟蹤方法[J];光學(xué)精密工程;2015年06期

3 楊超;余厚云;劉斌;;基于Harris角點(diǎn)和改進(jìn)SURF描述子的圖像快速拼接[J];現(xiàn)代電子技術(shù);2015年11期

4 葛盼盼;陳強(qiáng);顧一禾;;基于Harris角點(diǎn)和SURF特征的遙感圖像匹配算法[J];計算機(jī)應(yīng)用研究;2014年07期

5 王保云;范保杰;;基于顏色紋理聯(lián)合特征直方圖的自適應(yīng)Meanshift跟蹤算法[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2013年03期

6 李俊;李運(yùn)堂;;四旋翼飛行器的動力學(xué)建模及PID控制[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2012年01期

7 仝如強(qiáng);黃玉清;田瑞娟;;SURF算法及其對運(yùn)動目標(biāo)的檢測跟蹤效果[J];西南科技大學(xué)學(xué)報;2011年03期

8 彭欣;劉富強(qiáng);宋華軍;;基于SURF目標(biāo)跟蹤算法研究[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2011年02期

9 劉波;張洪濤;管明森;;無人直升機(jī)技術(shù)的發(fā)展[J];艦船電子工程;2011年03期

10 楊慶華;宋召青;時磊;;四旋翼飛行器建模、控制與仿真[J];海軍航空工程學(xué)院學(xué)報;2009年05期

相關(guān)博士學(xué)位論文 前3條

1 曹健;基于局部特征的圖像目標(biāo)識別技術(shù)研究[D];北京理工大學(xué);2010年

2 辛哲奎;基于視覺的小型無人直升機(jī)地面目標(biāo)跟蹤技術(shù)研究[D];南開大學(xué);2010年

3 丁衛(wèi);基于超小型無人機(jī)的地面目標(biāo)實時圖像跟蹤[D];上海大學(xué);2007年

相關(guān)碩士學(xué)位論文 前9條

1 馬建磊;基于視覺的無人飛行器目標(biāo)識別與跟蹤控制[D];大連海事大學(xué);2017年

2 陳丹丹;基于Camshift的運(yùn)動目標(biāo)跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2017年

3 邱思雨;小型無人直升機(jī)視覺跟蹤與識別系統(tǒng)實現(xiàn)[D];黑龍江大學(xué);2016年

4 孟祥怡;運(yùn)動目標(biāo)的跟蹤與識別算法研究[D];吉林大學(xué);2014年

5 安哲;基于視覺的Qball-X4四旋翼無人機(jī)地面目標(biāo)跟蹤[D];東北大學(xué);2014年

6 朱瑋;基于視覺的四旋翼飛行器目標(biāo)識別及跟蹤[D];南京航空航天大學(xué);2014年

7 龐慶霈;四旋翼飛行器設(shè)計與穩(wěn)定控制研究[D];中國科學(xué)技術(shù)大學(xué);2011年

8 孫磊;視頻監(jiān)控中運(yùn)動目標(biāo)檢測與跟蹤技術(shù)的研究[D];電子科技大學(xué);2011年

9 鄭偉光;四旋翼無人機(jī)飛行姿態(tài)控制系統(tǒng)研究[D];長春理工大學(xué);2010年

本文編號：2598582