无人机平台运动目标检测与跟踪及其视觉辅助着陆系统研究

论文摘要

无人机因其特有优势而一直备受各国军事专家的青睐。特别是在最近几次局部战争中,无人机更因其赫赫战功,而成为各国军事发展的重要方向之一。论文以无人机平台对运动目标检测跟踪和无人机辅助着落导航系统为背景,研究了图像角点特征提取、像机自运动消除、复杂背景下运动目标跟踪、目标尺度方向自适应跟踪、小目标实时高精度跟踪和无人机辅助着陆系统等方面的相关算法,系统总结了作者在攻读博士学位期间所做的研究和取得的成果。论文创新点如下:(1)传统梯度算子抗噪性不好,而且在梯度方向计算准确性上存在一定误差,论文在分析Gabor小波的基础上,提出了一种新梯度算子。新算子在抗噪性和梯度方向计算的准确性上优于传统梯度算子。针对图像角点特征提取问题,本文提出一种基于Gabor梯度的角点检测算法。新算法在定位精度、噪声抑制等方面比经典算法有一定的提高。(2)对于像机自身存在运动情况下对运动目标进行检测跟踪问题,常用的一类算法是先消除像机自身运动,然后再对目标进行检测跟踪。论文针对像机运动消除问题,提出了一种基于Gabor特征描述的像机自运动消除方法。实验结果表明,新算法可以有效地消除像机自身运动,检测出和像机存在相对运动的目标。(3)目标在复杂背景中运动时,变化的背景会在一定程度上影响跟踪算法的稳定性和可靠性,所以应尽量抑制背景。对于目标跟踪而言,目标中和背景差异大的区域对于跟踪的有效性、稳定性贡献较大。根据以上原则,论文提出了一种目标区域差异性权值计算方法。实验结果表明,权值计算方法有效地抑制了背景,权值计算结果符合人类直观感受。在获取目标差异性权值的基础上,本文提出了一种基于目标差异性加权的最小二乘影像匹配运动目标跟踪算法。仿真实验分析和自然图像跟踪结果表明,对于复杂背景下运动目标进行跟踪,新方法比传统方法更为有效准确。论文将差异性权值与Mean Shift跟踪算法结合起来,提出了一种基于目标差异性加权的Mean Shift运动目标跟踪算法,并对算法的收敛性及收敛条件进行了讨论。实验结果表明,改进的Mean Shift算法比传统跟踪算法在目标跟踪稳定性、可靠性等方面有一定提高。(4)对于目标跟踪问题,目标的初始特征建立或目标的描述区域是否准确是整个跟踪过程中至关重要的一环。针对该问题,本文在分析尺度空间理论的基础上,提出了一种目标最佳椭圆描述区域计算方法,该方法为准确描述目标区域特性奠定了基础。针对图像上同时存在旋转缩放变化的运动目标进行自适应跟踪问题,在分析Mean Shift跟踪算法和尺度空间理论的基础上,本文提出了一种尺度方向自适应Mean Shift跟踪算法。实验表明,新算法比现有的Mean Shift改进算法更为有效,即可以准确获得目标的位置、大小、方向信息。(5)针对小目标实时高精度检测跟踪问题,提出一种基于正负正则化LOG算子的尺度自适应小目标实时高精度检测跟踪方法。实验证明,新方法在实时性、尺度自适应性、检测准确性以及抗噪声性上均有较好的表现。(6)无人机安全进场着陆过程中,其引导控制尤为关键。目前GPS导航因其精度高、使用简单而普遍使用,但信号易受干扰,特别是战争时期不能获得准确的GPS信息。论文提出了一种基于摄影测量的无人机辅助着陆导航系统。实验表明,该系统可以实时高精度地获得无人机相对跑道的相对位置,同时可以实时保存无人机着陆过程图像,为事后分析提供有效数据。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究背景
• 1.1.1 运动目标检测跟踪技术的研究目的和意义
• 1.1.2 无人机辅助着陆技术的研究目的和意义
• 1.2 国内外相关研究进展
• 1.2.1 基于视觉的目标跟踪算法研究进展
• 1.2.2 图像角点检测算法研究进展
• 1.2.3 运动目标检测研究进展
• 1.2.4 小目标检测跟踪研究进展
• 1.2.5 无人机着陆导航技术发展现状
• 1.3 论文主要内容及创新点
• 1.3.1 论文主要内容
• 1.3.2 主要研究成果的发表情况
• 第二章 基本理论介绍
• 2.1 尺度空间理论
• 2.1.1 尺度空间基本概念
• 2.1.2 Lindeberg 的特征尺度选择理论
• 2.2 Gabor 小波
• 2.2.1 Gabor 函数的提出
• 2.2.2 Gabor 小波的生物学背景
• 2.2.3 二维Gabor 小波
• 2.3 Mean Shift 理论
• 2.3.1 概率密度的基本估计形式
• 2.3.2 Parzen 窗法
• 2.3.3 Mean Shift 过程原理
• 2.3.4 经典Mean shift 跟踪算法
• 2.3.5 经典Mean Shift 跟踪算法实现步骤
• 2.3.6 核密度估计的带宽选择
• 2.4 本章小结
• 第三章 基于 Gabor 梯度的角点检测算法研究
• 3.1 角点特征分类及检测准则
• 3.2 常用角点特征检测算法
• 3.2.1 Moravec 角点检测算法
• 3.2.2 Harris 角点检测算法
• 3.2.3 Forstner 角点检测算子
• 3.2.4 SUSAN 角点算子
• 3.3 Gabor 梯度算子原理及分析
• 3.3.1 Gabor 梯度算子定义
• 3.3.2 Gabor 梯度算子边缘方向检测结果及分析
• 3.4 基于 Gabor 梯度的角点检测算法原理
• 3.4.1 算法原理
• 3.4.2 算法步骤
• 3.5 实验结果及分析
• 3.5.1 仿真图角点检测结果
• 3.5.2 真实图像角点检测实验结果
• 3.6 本章小结
• 第四章 基于 Gabor 特征描述的像机自运动消除方法研究
• 4.1 图像仿射变换的数学模型
• 4.1.1 常用坐标系及其关系
• 4.1.2 不同视点图像间的仿射近似模型
• 4.2 基于特征匹配的像机自运动消除算法总体框架
• 4.3 基于 Gabor 特征描述的像机自运动消除算法原理
• 4.3.1 兴趣点提取
• 4.3.2 特征描述区域确定
• 4.3.3 特征方向确定
• 4.3.4 特征描述向量建立
• 4.3.5 像机自运动消除
• 4.4 基于 Gabor 特征描述的像机自运动消除算法步骤
• 4.4.1 计算图像上每一点的特征尺度
• 4.4.2 自动提取兴趣点
• 4.4.3 确定兴趣点的特征方向
• 4.4.4 建立特征描述
• 4.4.5 前后视图交叉匹配
• 4.4.6 建立图像之间变换模型
• 4.4.7 鲁棒估计仿射变换模型参数
• 4.4.8 消除像机自运动
• 4.5 像机自运动消除实验结果及分析
• 4.5.1 机场背景图像
• 4.5.2 丛林背景图像
• 4.5.3 山地背景图像
• 4.5.4 岛屿图像
• 4.6 本章小结
• 第五章 基于差异性加权的运动目标跟踪方法研究
• 5.1 复杂背景下单帧目标区域差异性权值确定方法
• 5.1.1 目标区域差异性权值的具体计算步骤
• 5.1.2 目标区域差异性权值的计算结果
• 5.2 差异性加权最小二乘图像匹配跟踪算法
• 5.2.1 DWLSIM 的算法原理
• 5.2.2 DWLSIM 算法步骤
• 5.3 DWLSIM 算法实验结果分析
• 5.3.1 跟踪精度仿真实验
• 5.3.2 实际图像跟踪结果比较
• 5.3.3 四种算法平均处理时间比较
• 5.4 加权 Mean Shift 算法
• 5.4.1 加权Mean Shift 过程
• 5.4.2 加权Mean Shift 过程收敛性证明
• 5.5 差异性加权 Mean Shift 跟踪算法原理及步骤
• 5.5.1 差异性加权Mean Shift 跟踪算法原理
• 5.5.2 差异性加权Mean Shift 跟踪算法步骤
• 5.6 DWMS 算法实验结果分析
• 5.6.1 复杂背景下运动飞机跟踪结果（一）
• 5.6.2 复杂背景下运动飞机跟踪结果（二）
• 5.6.3 四种算法平均处理时间比较
• 5.7 本章小结
• 第六章 尺度方向自适应 Mean Shift 跟踪算法研究
• 6.1 引言
• 6.2 目标最佳椭圆描述区域计算方法
• 6.2.1 椭圆型正则化LOG 算子
• 6.2.2 目标最佳椭圆描述区域计算步骤
• 6.2.3 实验结果及分析
• 6.3 尺度方向自适应 Mean Shift 算法原理
• 6.3.1 核函数选择
• 6.3.2 建立初始帧的目标特征灰度直方图
• 6.3.3 计算当前帧候选特征直方图向量
• 6.3.4 相似性函数
• 6.3.5 Mean Shift 采样权值
• 6.3.6 更新目标特征直方图
• 6.4 尺度方向自适应 Mean Shift 的算法步骤
• 6.4.1 确定初始帧中目标最佳椭圆描述并统计目标特征直方图
• 6.4.2 对每帧图像，逐一求取目标的位置、尺度和角度参数
• 6.4.3 更新目标特征直方图
• 6.5 实验结果及分析
• 6.5.1 跟踪结果及分析（一）
• 6.5.2 跟踪结果及分析（二）
• 6.6 本章小结
• 第七章 基于摄影测量的无人机辅助着陆系统
• 7.1 基于摄影测量的无人机辅助着陆航系统总体方案
• 7.1.1 需求分析
• 7.1.2 总体方案
• 7.2 系统涉及的关键技术研究
• 7.2.1 双目交会测量技术
• 7.2.2 像机远场高精度标定技术
• 7.2.3 小目标自动检测与跟踪技术
• 7.2.4 图像实时存储技术
• 7.2.5 天气影响及解决措施研究
• 7.3 无人机辅助着陆系统实际测量结果分析
• 7.3.1 相同尺度参数的PNNLOG 算子和高斯算子的检测结果对比
• 7.3.2 正则化正负LOG 算子对小目标检测跟踪结果
• 7.3.3 无人机着陆过程定位测量结果
• 7.4 本章小结
• 第八章 结束语
• 8.1 本文主要研究成果及创新点
• 8.2 有待进一步研究的几个问题
• 致谢
• 参考文献
• 附录A 摄像机标定
• 附录B PNNLOG 算子性质证明
• 作者在学期间取得的学术成果