發(fā)布時間：2020-04-22 21:33

【摘要】：基于機(jī)載視覺的地面目標(biāo)跟蹤技術(shù),不僅在現(xiàn)代戰(zhàn)爭中發(fā)揮著重要的作用,而且在森林防火、城市安防方面也發(fā)揮著不可替代的作用,而其中的關(guān)鍵就是對移動目標(biāo)跟蹤算法的研究。隨著社會需求的增加和科技的進(jìn)步,人們對無人機(jī)跟蹤地面目標(biāo)的能力要求越來越高,這也就對算法的跟蹤能力提出了更高的要求。本文從機(jī)載視覺的特點(diǎn)出發(fā),在大量實(shí)驗(yàn)的基礎(chǔ)上,對多種移動目標(biāo)跟蹤算法進(jìn)行精確的驗(yàn)證分析,選擇能適用于機(jī)載視覺且跟蹤效果相對較好的目標(biāo)跟蹤算法進(jìn)行更進(jìn)一步的研究。在進(jìn)行了大量實(shí)驗(yàn)分析之后,針對選中的目標(biāo)跟蹤算法的缺點(diǎn),進(jìn)行針對性的改進(jìn),以使其更好的滿足基于機(jī)載視覺的目標(biāo)跟蹤的要求。本文的主要研究內(nèi)容如下:1.分析了無人機(jī)跟蹤地面目標(biāo)時的環(huán)境影響因素,選擇了圖像預(yù)處理算法。無人機(jī)在空中會受到風(fēng)等自然因素的影響,產(chǎn)生劇烈的抖動,這就會引起視頻的抖動;在視頻信號的傳輸過程中,接收到的圖像通常會含有高斯噪聲;這些影響因素,通常會影響目標(biāo)跟蹤的效果,所以需要進(jìn)行圖像預(yù)處理,得到質(zhì)量較高的輸出圖像。2.針對適用于機(jī)載視覺且跟蹤效果較好的具有快速尺度估計(jì)特點(diǎn)的DSST(Discriminative Scale Space Tracking)目標(biāo)跟蹤算法對目標(biāo)形變敏感的缺點(diǎn),將顏色特征和HOG(Histogram of Oriented Gradient)特征進(jìn)行融合,以提高跟蹤能力。DSST算法對目標(biāo)像素的空間分布有很高的依賴性,對于目標(biāo)形變非常敏感,所以在目標(biāo)發(fā)生劇烈形變時,跟蹤效果不佳。而顏色直方圖只是統(tǒng)計(jì)顏色的概率分布,所以對于目標(biāo)像素的空間分布依賴性不高,對目標(biāo)的形變不敏感。因此為了解決無人機(jī)在跟蹤地面非剛性目標(biāo)時,因目標(biāo)劇烈形變導(dǎo)致跟蹤失敗的問題,對原DSST算法進(jìn)行改進(jìn),將顏色特征和HOG特征進(jìn)行有效結(jié)合。3.針對DSST算法在遇到目標(biāo)被遮擋導(dǎo)致跟蹤失敗的問題,設(shè)計(jì)了一種改進(jìn)的模型更新策略。無人機(jī)在跟蹤地面目標(biāo)的過程中,目標(biāo)經(jīng)常被樹木、燈柱等遮擋,如果此時模型依然進(jìn)行更新,就會引入過多的錯誤信息,進(jìn)而導(dǎo)致跟蹤失敗。所以在目標(biāo)被嚴(yán)重遮擋時不更新模型,在滿足模型更新條件時更新模型。4.針對改進(jìn)后算法運(yùn)行速度慢的缺點(diǎn),通過改進(jìn)目標(biāo)搜索策略并采用特征降維的方法,提高了算法的運(yùn)行速度。無人機(jī)在跟蹤地面目標(biāo)時,需要算法具有良好的運(yùn)行速度,但是上述改進(jìn)引入一定的計(jì)算量,降低運(yùn)行速度。為了提高算法運(yùn)行速度,設(shè)計(jì)了一種新的搜索策略,在跟蹤情況良好時,進(jìn)行局部搜索,在情況不好時,進(jìn)行全局搜索。同時通過數(shù)據(jù)降維,降低特征維度,減少計(jì)算量,提高算法運(yùn)行速度和實(shí)時性。
【圖文】：

機(jī)技術(shù)研究現(xiàn)狀第一架無人機(jī)由英國研制成功，但是這款無人機(jī)并不是真正意義上被用作靶機(jī)，真正意義上的無人機(jī)誕生于 1930 年左右，它是全尺寸 1950 年左右，無人機(jī)開始朝著多用途的方向發(fā)展，各種用途的無人，其中無人偵察機(jī)、無人駕駛研究機(jī)開始成建制的服役。伴隨著科學(xué)是智能控制技術(shù)的快速發(fā)展，無人機(jī)技術(shù)不斷的更新，智能化程度越民用和戰(zhàn)爭中嶄露頭角[2,39]。國內(nèi)外的發(fā)展情況來看，各國對于無人機(jī)的研究已經(jīng)進(jìn)入快速發(fā)展機(jī)研究相對較早，技術(shù)相對比較先進(jìn)。如卡耐基梅隆大學(xué)的 AHP 無），這是一款帶有機(jī)器視覺的無人機(jī)，這款無人機(jī)可以在惡劣的環(huán)境帶的機(jī)載智能系統(tǒng)和航電系統(tǒng)獨(dú)立的完成設(shè)定的任務(wù)。其中就包括在主起飛，按照即設(shè)路線完成指定任務(wù)，搜索和定位既定目標(biāo)，，并在執(zhí)既定目標(biāo)進(jìn)行跟蹤，并把被跟蹤目標(biāo)的相關(guān)信息傳回地面指揮中心，著陸等[3]。

圖 1.2 全球鷹無人機(jī)（如圖 1.3 所示）是以色列研制的大型無人機(jī)，在這款無人設(shè)備，可以在高空對地面及海面目標(biāo)進(jìn)行搜索、識別、定位無人機(jī)不僅可以用于軍事活動，還可用于環(huán)境監(jiān)測、地質(zhì)考相對于其他無人機(jī)的顯著優(yōu)點(diǎn)就是可以同時對 32 個目標(biāo)進(jìn)圖 1.3 蒼鷺無人機(jī)無人機(jī)的研究起步較晚，但是已經(jīng)呈現(xiàn)出全面發(fā)展的態(tài)勢機(jī)相繼被研究出來，并且被大量的應(yīng)用于民用和軍事中。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 吳迪;唐勇奇;萬琴;;基于視覺場景復(fù)雜度多特征自適應(yīng)融合的目標(biāo)跟蹤[J];上海交通大學(xué)學(xué)報;2015年12期

2 余禮楊;范春曉;明悅;;改進(jìn)的核相關(guān)濾波器目標(biāo)跟蹤算法[J];計(jì)算機(jī)應(yīng)用;2015年12期

3 許婉君;侯志強(qiáng);余旺盛;張浪;;基于顏色和空間信息的多特征融合目標(biāo)跟蹤算法[J];應(yīng)用光學(xué);2015年05期

4 劉世一;郝順義;趙曉林;劉華偉;孫立國;;基于STK的“全球鷹”無人機(jī)成像偵察能力分析與仿真[J];火力與指揮控制;2015年08期

5 張辰;趙紅穎;錢旭;;面向無人機(jī)影像的目標(biāo)特征跟蹤方法研究[J];紅外技術(shù);2015年03期

6 龐璐璐;李從利;;航拍圖像噪聲分析及濾除方法研究[J];現(xiàn)代電子技術(shù);2011年10期

相關(guān)博士學(xué)位論文 前1條

1 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

相關(guān)碩士學(xué)位論文 前10條

1 孫實(shí)超;無人機(jī)航拍圖像的輸電線識別方法[D];廣西大學(xué);2016年

2 王丹;基于視覺的無人機(jī)檢測與跟蹤系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2016年

3 陳萬龍;基于均值漂移和模糊控制的主動視覺系統(tǒng)[D];杭州電子科技大學(xué);2016年

4 王曉東;實(shí)時電子穩(wěn)像技術(shù)研究[D];北京理工大學(xué);2015年

5 王建榮;基于多特征融合的無人機(jī)航拍圖像識別研究[D];成都理工大學(xué);2015年

6 劉培根;基于多目標(biāo)優(yōu)化和壓縮感知的航拍目標(biāo)檢測[D];電子科技大學(xué);2015年

7 張鑫;基于機(jī)器視覺的目標(biāo)檢測定位與路徑控制方法研究[D];北京交通大學(xué);2015年

8 俞海波;航拍圖像中水上橋梁識別技術(shù)[D];南京航空航天大學(xué);2015年

9 姬紅利;基于航拍視頻的多目標(biāo)檢測和跟蹤[D];天津大學(xué);2014年

10 劉磊;基于視覺的無人機(jī)運(yùn)動目標(biāo)檢測與跟蹤[D];哈爾濱工程大學(xué);2014年

本文編號：2636993