基于改进KCF算法的四旋翼无人机视觉跟踪系统设计

发布时间：2020-03-29 19:43

【摘要】：四旋翼无人机是一种性能优良的飞行器,自由度高,所以机动性强,能实现机体坐标系下x和y方向的单独控制,可定点悬浮。因其优良的性能应用领域极其广泛。本文基于四旋翼无人机研究了视觉跟踪系统的设计,包括视觉跟踪算法和位置控制算法,最后在实物平台进行了无人机端和地面站端的设计。首先,本文进行了基于四旋翼无人机的视觉跟踪系统的模型建立工作,包含四旋翼无人机的动力学模型和目标成像模型的建立,无人机动力学模型的建立为位置控制算法的研究打下基础,目标成像模型建立的目的是为了解析无人机与目标物之间的位置差。其次,针对无人机摄取的图像序列(包含目标物及其周围相关的背景信息),采用基于卡尔曼滤波器改进的KCF(核相关滤波)目标跟踪算法。KCF目标跟踪算法在测试集上的测试结果表明具有抗部分遮挡、光线变化等干扰的优越性。但在测试后发现KCF在应对航拍时物体快速移动或者相机抖动的挑战时有诸多缺陷,所以本文在KCF算法的基础上增加了预测和修正功能。随后,针对无人机模型的欠驱动子系统和全驱动子系统设计了串级PD控制器和PD控制器。仿真结果表明,所设计的用于跟踪的位置控制器性能良好。最后,在实物平台进行了基于Opencv视觉库和大疆SDK的算法实现,包括无人机平台的视觉跟踪算法实现和位置控制算法实现,并通过WIFI实时将跟踪结果回传至地面端,地面端具有显示模块实时显示跟踪画面以供监控并且可以向无人机发送任务指令,如起飞、降落、目标物的选取等。
【图文】：

框图,框图,视频,模块

其中包括平台运动补偿，运动检测和对象跟踪。图 1-1 显示了从机载传感器接收视频和遥测信息的系统框图。接收视频运动补偿模块后，对齐记录视频并生成相应的对齐图像。为了增加系统的灵活性，该系统将多种视频对齐方法集成到 COCOA 中。这些方法包括基于梯度的方式，基于特征的方式和基于遥测的方式。第二个模块是移动物体检测模块，该模块从对齐的图像中检测运动的物体。在这个阶段，使用累积帧差异和环境建模的方法来计算目标物和环境像素。通过使用基于水平集的分割方法来进一步处理检测到的区域以获取对象的轮廓。轮廓有助于系统对被跟踪物体的确切外型进行建模。最后，通过使用基于团块（blob）的跟踪方法在整个视频中跟踪区域。该跟踪系统对于小目标也具有很好的跟踪性能，但是该系统只能应用于背景单调、简单的情况下，，当背景繁杂多变，干扰因素较多时便会出现误判导致跟踪失效。图 1-2 COCOA 系统的跟踪效

移动物体,环境建模,水平集,帧差

并生成相应的对齐图像。为了增加系统的成到 COCOA 中。这些方法包括基于梯度方式。第二个模块是移动物体检测模块，该。在这个阶段，使用累积帧差异和环境建模使用基于水平集的分割方法来进一步处理廓有助于系统对被跟踪物体的确切外型进ob）的跟踪方法在整个视频中跟踪区域。该踪性能，但是该系统只能应用于背景单调扰因素较多时便会出现误判导致跟踪失效
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V279

【参考文献】