面向小型无人机的视觉高度测量和目标识别技术研究与FPGA优化

论文摘要

小型无人机（Unmanned Aerial Vehicle,简称UAV）的飞行姿态评估与视觉导航是小型无人机系统的两大关键技术。本文就小型无人机飞行姿态评估中的高度测量与视觉导航中的目标识别技术进行了相关研究与FPGA（Field Programmable Gate Array,简称FPGA）优化。（1）针对小型无人机飞行高度测量在低空飞行以及城市、室内等复杂环境下传统传感器失效、测量精度不准确的情况和现有视觉高度测量方法受限于人工标志的问题,本文提出了一种自然环境下的基于光流法的视觉高度测量方法,为小型无人机的飞行姿态评估提供了一个有效的高度信息源。（2）针对光流法稠密性、实时性和灵活性的需求,本文设计了一种基于FPGA的参数可调的金字塔LK（Lucas-Kanade）光流估计并行结构,同时,该结构具有可扩展性。金字塔LK光流,是LK光流的金字塔分层实现,该方法在扩展LK光流估计范围的同时又保持了LK光流估计良好的局部性和潜在的并行性。（3）针对视觉导航小型无人机在飞行过程中视角不断变化的特点,选择了一种目前流行的深度学习算法CDBN（Convolutional Deep Belief Network）,利用该方法的平移不变性,进行视频场景中有无建筑物的图像二分类。（4）针对CDBN的深度学习结构训练时间长但又存在很大潜在并行度的特点,对其中的核心单元CRBM（Convolutional Restricted Boltzmann Machine）在定制的FPGA硬件架构下进行了优化设计。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景
• 1.2 国内外研究现状
• 1.2.1 小型无人机的飞行高度测量
• 1.2.2 光流法的硬件加速
• 1.2.3 深度学习
• 1.2.4 CRBM的硬件加速
• 1.3 课题技术背景
• 1.3.1 FPGA概述
• 1.3.2 OpenCV简介
• 1.4 小型无人机系统简介
• 1.5 论文结构
• 第二章 基于光流法的高度测量
• 2.1 高度测量的方法
• 2.2 光流法简介
• 2.2.1 光流法的概念
• 2.2.2 光流法的分类
• 2.3 基于光流法测量高度
• 2.3.1 高度测量模型
• 2.3.2 小型无人机运动的光流分析
• 2.3.3 测量方法
• 2.4 实验分析
• 2.4.1 实验对比
• 2.4.2 性能分析
• 2.5 本章小结
• 第三章 金字塔LK光流的FPGA硬件加速器设计
• 3.1 金字塔LK光流
• 3.1.1 LK光流估计
• 3.1.2 金字塔LK光流
• 3.2 FPGA硬件设计
• 3.2.1 视频图像数据在SDRAM中的存储和读取
• 3.2.2 图像金字塔构建的硬件设计
• 3.2.3 LK光流核的硬件设计
• 3.2.4 中值滤波模块的硬件设计
• 3.2.5 Scaling模块的硬件设计
• 3.2.6 Warping模块的硬件设计
• 3.3 实验分析
• 3.3.1 功能验证
• 3.3.2 性能分析
• 3.3.3 与之前工作对比
• 3.3.4 资源使用情况
• 3.4 本章小结
• 第四章 基于Convolutional DBN（CDBN）的目标识别
• 4.1 深度学习算法
• 4.2 CDBN算法介绍
• 4.2.1 CRBM算法介绍
• 4.2.2 CD（Contrastive Divergence）学习
• 4.2.3 稀疏规则
• 4.2.4 max-pooling
• 4.2.5 CDBN算法
• 4.3 基于CDBN的目标识别
• 4.3.1 基于CDBN的MNIST手写体数字识别
• 4.3.2 基于CDBN的Caltech-101测试集识别
• 4.3.3 基于CDBN的小型无人机视频场景中有无建筑的二分类
• 4.4 实验分析
• 4.5 本章小结
• 第五章 面向定制结构的Convolutional RBM（CRBM）算法优化
• 5.1 深度学习处理结构简介
• 5.1.1 深度学习处理结构的整体架构
• 5.1.2 深度学习处理结构的FPGA架构
• 5.2 CRBM算法的数据分析
• 5.2.1 CRBM的卷积运算数据分析
• 5.2.2 CRBM的max-pooling操作数据分析
• 5.3 定制结构下的CRBM算法优化设计
• 5.3.1 定制结构的汇编指令集与运算单元
• 5.3.2 定制FPGA硬件结构下的CRBM优化设计
• 5.3.3 MNIST测试集上的CRBM算法流程
• 5.4 本章小结
• 第六章 结束语
• 6.1 工作总结
• 6.2 研究展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果