在現(xiàn)代戰(zhàn)爭(zhēng)中,無(wú)人作戰(zhàn)平臺(tái)的優(yōu)勢(shì)越來(lái)越受到各國(guó)的重視,導(dǎo)航作為無(wú)人作戰(zhàn)平臺(tái)的關(guān)鍵技術(shù),是指引無(wú)人作戰(zhàn)平臺(tái)完成跟蹤定位、偵查預(yù)警、精準(zhǔn)打擊等各項(xiàng)作戰(zhàn)任務(wù)的保障。位置信息獲取則是導(dǎo)航技術(shù)中不可或缺的一環(huán)。光流法作為一種常用的測(cè)速手段,通過(guò)積分獲得載體位置信息的過(guò)程中,易受到光照變化、物體相對(duì)移動(dòng)、以及累積誤差的影響,導(dǎo)致位置信息獲取不準(zhǔn)確,同時(shí)實(shí)時(shí)性也較差。為進(jìn)一步提高載體位置解算的精度與實(shí)時(shí)性,本文在結(jié)合深度學(xué)習(xí)與經(jīng)典光流算法的基礎(chǔ)上進(jìn)行了一系列優(yōu)化,并通過(guò)實(shí)驗(yàn)完成了可行性驗(yàn)證,具體過(guò)程如下:首先,進(jìn)行了經(jīng)典光流算法的介紹,闡述了幾種光流算法的優(yōu)缺點(diǎn)與適用性,并給出了一種光流測(cè)速系統(tǒng)的硬件實(shí)現(xiàn)方法,利用Google Earth作為仿真環(huán)境對(duì)金字塔LK光流算法在不同環(huán)境下的表現(xiàn)進(jìn)行了評(píng)估,得出了最適合光流進(jìn)行速度解算的高度為12-30m。其次,利用卷積神經(jīng)網(wǎng)絡(luò)和聚類算法對(duì)金字塔LK光流算法進(jìn)行了相應(yīng)的改進(jìn),減少了常規(guī)光流測(cè)速方法易受行人、車輛等物體的相對(duì)移動(dòng)的影響,提高了復(fù)雜環(huán)境下光流速度的解算精度,實(shí)驗(yàn)結(jié)果表明,所提出的改進(jìn)光流算法的速度誤差由4.66m/s降低到了1.58m/s。然后,... 

【文章來(lái)源】：中北大學(xué)山西省

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

無(wú)人作戰(zhàn)平臺(tái)Fig.1-1Theunmannedcombatplatform.

中北大學(xué)學(xué)位論文2的獲取[4]。視覺(jué)導(dǎo)航作為一種新興的導(dǎo)航方式，具有體積小，成本低，導(dǎo)航信息豐富等優(yōu)點(diǎn)，特別適用于無(wú)人作戰(zhàn)平臺(tái)的自主導(dǎo)航。基于視覺(jué)傳感器的導(dǎo)航技術(shù)來(lái)源于自然界。研究成果表明，蜜蜂飛行時(shí)，環(huán)境事物呈現(xiàn)在復(fù)眼視網(wǎng)膜上的圖像都在運(yùn)動(dòng)，這種運(yùn)動(dòng)即為“光流”[5]。蜜蜂利用光流提供的豐富的空間信息進(jìn)行精確導(dǎo)航，如保持姿態(tài)水平、相對(duì)速度測(cè)量等；此外，蜜蜂在歸巢過(guò)程中，可綜合利用嗅覺(jué)、視覺(jué)等信息返回巢穴，其中視覺(jué)信息是指通過(guò)識(shí)別巢穴附近的明顯標(biāo)志物，從而確定歸巢。圖1-2蜜蜂利用光流導(dǎo)航示意圖Fig.1-2Theschematicdiagramofopticalflowusedbybeestonavigate.目前，基于視覺(jué)的導(dǎo)航方法已在無(wú)人作戰(zhàn)平臺(tái)中得到了應(yīng)用，并取得了良好的試驗(yàn)效果。但在實(shí)際應(yīng)用過(guò)程中，尤其是在城市巷戰(zhàn)這種復(fù)雜環(huán)境背景條件下，其性能受到一定的限制。具體表現(xiàn)為：城市巷戰(zhàn)環(huán)境具備自然景物復(fù)雜、場(chǎng)景信息多變、不確定因素較多等特點(diǎn)。在這種環(huán)境下無(wú)人作戰(zhàn)平臺(tái)會(huì)遇到靜態(tài)類的樹(shù)木、建筑物、電線以及動(dòng)態(tài)類的行人、車輛、各種鳥(niǎo)類等，多種類型的障礙物增加了光流測(cè)速的難度，現(xiàn)有技術(shù)在上述復(fù)雜環(huán)境中難以實(shí)現(xiàn)精確視覺(jué)特征識(shí)別，高精度導(dǎo)航無(wú)法實(shí)現(xiàn)。近些年，隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)在圖像處理領(lǐng)域體現(xiàn)出優(yōu)越的性能[6]。研究成果表明，卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一種，在圖像分割具有深層次挖掘圖像特征等優(yōu)點(diǎn)，特別適用于復(fù)雜背景環(huán)境下的視覺(jué)圖像處理，所以將卷積神經(jīng)網(wǎng)絡(luò)與經(jīng)典光流測(cè)速算法相結(jié)合，提高經(jīng)典光流法的環(huán)境適應(yīng)能力，對(duì)提高無(wú)人作戰(zhàn)平臺(tái)在城市巷戰(zhàn)環(huán)境下的作戰(zhàn)能力是十分必要的。

中北大學(xué)學(xué)位論文4光流計(jì)算精度[14]。圖1-3PX4FLOW光流傳感器Fig.1-3TheopticalflowsensorofPX4FLOW.光流作為新興視覺(jué)導(dǎo)航中不可或缺的一部分，在國(guó)內(nèi)也引起了廣大研究學(xué)者的關(guān)注。2014年，呂強(qiáng)和張洪濤等人成功利用光流組合慣性單元進(jìn)行了無(wú)人機(jī)懸停實(shí)驗(yàn)[15,16]。2015年，宋宇使用兩個(gè)光流傳感器解決了小型無(wú)人機(jī)在室內(nèi)對(duì)速度、位置和姿態(tài)的獲取問(wèn)題，不足是該光流傳感器獲取姿態(tài)的精度與飛行高度有關(guān)[17]。在同一年，張聰炫利用基于圖像金字塔分層的全局優(yōu)化直接重建方法，有效解決了位移較大帶來(lái)的圖像邊緣溢出問(wèn)題[18]。2016年，東北大學(xué)的肖軍等人提出使用Harris角點(diǎn)結(jié)合LK光流法跟蹤對(duì)象，并引入光流誤差法，消除跟蹤失敗的角點(diǎn)，提高了LK光流法的跟蹤精度[19]。2017年，華北理工大學(xué)的陳至坤提出在HS光流法中添加動(dòng)量因子來(lái)加快HS光流算法的速度，并將此方法運(yùn)動(dòng)到機(jī)器人上，加快了機(jī)器人的避障速度[20]。2018年，王瑞榮等人針對(duì)環(huán)境光照微弱或光流傳感器距地高度小于攝像頭焦距等問(wèn)題，利用Elman神經(jīng)網(wǎng)絡(luò)對(duì)載體速度進(jìn)行了預(yù)測(cè)，提高了導(dǎo)航對(duì)環(huán)境的適應(yīng)性[21]。2019年，山東理工大學(xué)的孫曉峰等人利用LK光流算法作為車道線區(qū)域內(nèi)的一種障礙物信息評(píng)價(jià)指標(biāo)，提高了汽車無(wú)人自動(dòng)駕駛對(duì)障礙物檢測(cè)的精度，完成了高速公路上的車載實(shí)驗(yàn)[22]。表1-1國(guó)內(nèi)外研究現(xiàn)狀對(duì)比Tab.1-1Comparisonofresearchstatusathomeandabroad.國(guó)外單位時(shí)間光流應(yīng)用指標(biāo)楊百翰大學(xué)2010年改進(jìn)無(wú)人機(jī)避障較經(jīng)典光流算法避障效率提高30%首爾國(guó)立大學(xué)2015年機(jī)器人室內(nèi)定位在移動(dòng)1000mm時(shí)定位誤差為0.02%布達(dá)佩斯大學(xué)2016年機(jī)器人定位在長(zhǎng)1200mm寬1600mm區(qū)域內(nèi)定位最大誤差小于220mm賓夕法尼亞大學(xué)2018年微型飛行器定位在長(zhǎng)3000mm寬2500mm區(qū)?

【參考文獻(xiàn)】：
期刊論文
[1]小型無(wú)人偵察車遠(yuǎn)程定位系統(tǒng)研究[J]. 吳青青,段紅建,王璞,方帆.  自動(dòng)化技術(shù)與應(yīng)用. 2020(01)
[2]改進(jìn)光流法的避障與輔助導(dǎo)航算法[J]. 孫曉峰,宮金良,張彥斐.  激光雜志. 2019(10)
[3]基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的HS變分光流算法研究[J]. 宋濤,陳兵,趙明富,黃錚,王勃,黃俊木.  激光雜志. 2019(02)
[4]基于金字塔LK光流法及超聲傳感的微型無(wú)人機(jī)障礙識(shí)別優(yōu)化研究[J]. 祝奔奔,萬(wàn)舟,王亮.  陜西理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[5]改進(jìn)ORB特征光流的飛行器室內(nèi)導(dǎo)航方法[J]. 郝志洋,張虹波,車進(jìn),趙子君,葛聰樂(lè).  彈箭與制導(dǎo)學(xué)報(bào). 2019(01)
[6]一種四旋翼無(wú)人機(jī)定位的改進(jìn)LK光流算法[J]. 李振宇,謝云,王松樂(lè),肖洪波.  機(jī)床與液壓. 2018(21)
[7]面向弱光流環(huán)境的慣性/光流組合導(dǎo)航方法研究[J]. 王瑞榮,陳瞳,李曉紅.  電光與控制. 2019(01)
[8]無(wú)GPS導(dǎo)航下基于光流的小型無(wú)人機(jī)導(dǎo)航算法[J]. 曾幼涵,姜香菊.  傳感器與微系統(tǒng). 2018(09)
[9]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)
[10]一種改進(jìn)的HS光流法在機(jī)器人避障系統(tǒng)中的應(yīng)用[J]. 陳至坤,曾凱,RAMAN Paranjape,錢俊蕾,王福斌.  科學(xué)技術(shù)與工程. 2017(04)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的交通密度估計(jì)及車輛檢測(cè)方法研究[D]. 羅志明.廈門大學(xué) 2017
[2]慣性/地磁匹配組合導(dǎo)航相關(guān)技術(shù)研究[D]. 朱占龍.東南大學(xué) 2015

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究[D]. 陳會(huì)志.南京郵電大學(xué) 2019
[2]面向建筑物檢測(cè)的無(wú)人機(jī)定位導(dǎo)航系統(tǒng)研究[D]. 羅陽(yáng).廣東工業(yè)大學(xué) 2019
[3]無(wú)人機(jī)光流測(cè)速優(yōu)化算法研究[D]. 楊盛偉.南京航空航天大學(xué) 2019
[4]無(wú)人作戰(zhàn)移動(dòng)平臺(tái)控制系統(tǒng)及路徑規(guī)劃算法研究[D]. 董培方.南京理工大學(xué) 2018
[5]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D]. 吳正文.電子科技大學(xué) 2015
[6]基于模糊核聚類的電力系統(tǒng)切負(fù)荷損失評(píng)估[D]. 李蕊.湖北工業(yè)大學(xué) 2015
[7]基于SIFT的圖像拼接和特征提取的研究[D]. 戴維理.電子科技大學(xué) 2015
[8]基于SIFT算法的圖像匹配方法研究[D]. 汪松.西安電子科技大學(xué) 2013
[9]基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)[D]. 裴巧娜.北方工業(yè)大學(xué) 2009



本文編號(hào)：3038223