基于无人机的航拍车辆目标视觉检测与地理定位系统

发布时间：2021-12-15 20:03

　　随着深度学习技术的迅速发展和无人机产品的逐渐成熟,基于无人机平台的车辆目标视觉检测和地理定位具有深远的实际意义和广阔的应用前景。传统的人工提取特征的检测算法泛化能力差,检测精度低,运行速度慢。因此本文基于深度学习的方法实现车辆目标的实时检测。在检测的基础上,本文基于无人机实时传感信息实现了车辆目标的地理定位和跟踪方法,并实现了软硬件系统的架构设计和开发,具有重要的实用意义。本文的主要研究内容如下:比较分析了多种目标检测方法,重点研究了基于YOLOv3的实时目标检测算法及其优化,提出了一种基于尺度先验和二值化图像轮廓检测的优化方法,对车辆目标的检测结果进行优化。简单介绍了相机的成像模型和标定原理,提出了一种基于无人机实时传感器数据的车辆目标地理定位方法。针对相机的非线性成像模型,本文又提出了一种基于BP神经网络的距离转换方法用于检测目标的地理位置估计。另外本文基于目标地理定位结果实现了检测目标的跟踪以及目标运动状态的判断。结合上述设计的算法,本文实现了一整套实时车辆目标视觉检测与地理定位系统的软硬件架构设计和程序开发,包括安卓手机应用和移动工作站端软件。实验结果表明:本文设计的目标检测算... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：99 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 目标视觉检测
        1.2.2 目标地理定位
    1.3 论文主要研究内容
        1.3.1 研究内容
        1.3.2 研究重难点
    1.4 论文章节安排
第二章 基于无人机航拍图像的车辆目标检测
    2.1 需求分析及算法选择
        2.1.1 目标检测指标
        2.1.2 需求分析
        2.1.3 目标检测算法的选择
    2.2 基于无人机的航拍车辆目标视觉检测
        2.2.1 YOLO目标检测算法
        2.2.2 网络结构设计
        2.2.3 YOLO算法改进
        2.2.4 检测结果优化
    2.3 目标检测实验
        2.3.1 数据采集
        2.3.2 测试环境
        2.3.3 检测精度测试
        2.3.4 实时性测试
    2.4 本章小结
第三章 基于单目视觉的车辆目标地理定位
    3.1 单目相机成像模型
        3.1.1 坐标系转换
        3.1.2 线性相机模型
        3.1.3 非线性相机模型
    3.2 云台相机的参数标定
        3.2.1 张正友标定法
        3.2.2 相机标定实验
    3.3 相机姿态信息的获取和处理
        3.3.1 云台相机位姿信息的获取
        3.3.2 线性插值
    3.4 目标地理定位
        3.4.1 前提与假设
        3.4.2 基于相机成像模型的位置估计方法
        3.4.3 基于BP神经网络的位置估计方法
    3.5 基于地理坐标的目标跟踪
        3.5.1 位置预测
        3.5.2 数据关联
        3.5.3 目标运动状态判断
    3.6 目标地理定位实验
        3.6.1 基于相机成像模型的地理定位方法测试
        3.6.2 基于BP神经网络的地理定位方法测试
    3.7 本章小结
第四章 系统设计与实现
    4.1 系统整体设计分析
    4.2 系统硬件分析与构建
        4.2.1 无人机选型
        4.2.2 云台相机选型
        4.2.3 视频采集卡选型
        4.2.4 地面工作站选型
    4.3 系统软件设计与实现
        4.3.1 系统软件开发工具
        4.3.2 系统软件总体设计与分析
        4.3.3 基于DJI Mobile SDK的 Android软件开发
        4.3.4 基于Qt的系统软件开发
    4.4 实际效果展示
        4.4.1 目标检测与地理定位
        4.4.2 数据库管理
    4.5 本章小结
第五章 总结和展望
    5.1 论文总结
    5.2 不足与展望
致谢
参考文献
附录一
附录二
作者简介


【参考文献】：
期刊论文
[1]目标检测算法研究综述[J]. 方路平,何杭江,周国民.  计算机工程与应用. 2018(13)
[2]基于改进Mean-Shift算法的四旋翼无人机目标检测与跟踪[J]. 宋昭玮,梁天谊,顾佳欣,苏婷婷.  科教导刊(上旬刊). 2018(05)
[3]固定翼无人机地面车辆目标自动检测[J]. 李大伟,李明涛,郑建华,杨成伟.  电子设计工程. 2018(08)
[4]计算机视觉技术在目标航拍定位中的应用[J]. 石红岩,王江涛.  长春大学学报. 2017(04)
[5]一种基于多点观测的无人机目标定位方法[J]. 王春龙,马传焱,时荔蕙,郝博雅,周洲.  无线电工程. 2016(02)
[6]基于单帧图像的无人机目标定位误差分析[J]. 郭博雷,薛东彬.  中国电子科学研究院学报. 2014(04)
[7]航拍图像海上目标定位算法[J]. 吕宇波,兰培真.  上海海事大学学报. 2011(04)
[8]基于多帧图像同名点的无人机对地定位新方法[J]. 余家祥,萧德云,姜鲁东.  兵工学报. 2008(03)
[9]无人机对目标的大地定位[J]. 王剑锋,卢利斌,金国栋.  战术导弹技术. 2005(01)

硕士论文
[1]基于改进KCF算法的四旋翼无人机视觉跟踪系统设计[D]. 褚天鹏.哈尔滨工业大学 2018
[2]基于无人机的车辆和车道检测系统的设计与实现[D]. 赵凯迪.西安电子科技大学 2018
[3]视觉主导的无人机航拍目标快速检测技术研究[D]. 许晏铭.大连海事大学 2018
[4]基于数字航拍影像的地形信息提取技术的研究与实现[D]. 钱毅湘.苏州大学 2006



本文编号：3537060