室外目标跟踪飞行机器人的设计与实现

发布时间：2020-07-19 15:00

【摘要】：目标跟踪是计算机视觉领域的重要研究方向之一。无人机技术发展迅速,现已广泛应用于各个行业。将无人机与计算机视觉结合,可实现对地面目标的主动识别与持续跟踪,在军事侦查、公共安全等领域具有重要的意义。论文主要针对基于四旋翼无人机机载视觉传感器的指定行人目标识别与跟踪任务,构建了飞行机器人系统,设计了目标识别与跟踪算法,在公开数据集与自建航拍数据集上进行了验证。论文的主要工作如下:首先,构建了飞行机器人系统。选用四旋翼作为飞行机器人机体,使用Pixhawk作为飞行控制单元,搭载Jetson TX2嵌入式处理器与高清摄像头作为机载视觉模块。此外,设计了室外目标跟踪飞行机器人的软件架构及工作流程。其次,设计并实现了一种基于深度学习的航拍图像指定行人识别方法。采用Tiny-YOLOv3对航拍图像中的行人与对应的人脸进行检测,裁剪并对齐检测到的人脸图像,使用FaceNet进行人脸验证,进而确定目标行人。考虑到航拍图像俯视视角的特殊性,为提升所训练模型的鲁棒性,构建了不同飞行高度和相对距离下的航拍数据集,对行人与人脸两个类别进行标注,训练Tiny-YOLOv3目标检测模型,裁剪人脸图像训练人脸分类模型。在自建测试集上对所实现的指定行人识别方法进行了验证。再次,针对目标遮挡引起的跟踪失败问题,设计了一种基于SSDA(Sequential Similarity Detection Algorithm)的fDSST(fast Discriminative Scale Space Tracking)抗遮挡改进目标跟踪算法。通过相关滤波器响应图振荡程度判断目标是否存在遮挡,采取高置信度的模型更新策略,并使用SSDA算法对丢失的目标进行重检测。分别使用公开数据集以及自建航拍数据集对改进算法进行验证,实验结果显示,相较于SAMF(Scale Adaptive with Multiple Features tracker)、SRDCF(Spatially Regularized Correlation Filter)和fDSST等算法,改进算法有效地提升了抗遮挡能力。最后,移植目标识别与跟踪算法到飞行机器人平台,并使用一种细分图像的无人机跟随目标策略,对飞行机器人系统进行了测试实验。结果表明,当目标未受遮挡或从遮挡中恢复后,飞行机器人均能实现指定行人的识别与跟踪。
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242;V279
【图文】：

效果图,车辆跟踪,效果图

西南科技大学硕士学位论文坏对目标跟踪有着较大的影响，很多优秀算法采用小型神经网络进行特征够有效地获取目标特征，同时有助于提升算法速度。基于深度学习的方法具跟踪精度，但是在跟踪速度上仍有很大的提升空间。1.2.2 目标跟踪飞行机器人研究现状998 年美国康奈大学 Olson 等提出一种基于模型的跟踪系统（Model bang in quasi real-time）[41],系统使用了类似于模板匹配的方法对图像中的目标进结合了位置估计与图像配准的方法对移动目标进行跟踪，可以用于检测与跟动目标。即使目标发生一定程度的形变，算法依旧能够保持对目标的检测，存的图像模板进行对比，即使目标被短暂遮挡，在其从遮挡中恢复后，算法对目标进行跟踪，实际效果如图 1-1 所示。

效果图,系统跟踪,效果图

（a）直方图均衡化（b）边缘检测（c）检测到坦克位置图 1-1 车辆跟踪效果图[41]2006 年美国佛罗里达中心大学 Ali 等发布了一个基于无人机的监控系统简称COA[42]，该系统能够实现图像运动补偿以及图像拼接，对车辆、行人等多种动进行检测和轨迹跟踪。COCOA 系统主要分为三部分，即首先对图像进行运动补拼接，然后进行动目标检测，最后跟踪检测到的目标。系统集成了包括基于梯度于特征的多种对齐方法，以便于捕获到图像后更好地对齐图像。目标检测模块主用帧差累积和背景建模的方法从对齐的图像中检测运动物体。然后使用基于团块踪方法在整个视频中进行跟踪，进而分析目标的运动轨迹。COCOA 系统处理结图 1-2。

和跟踪,目标检测与跟踪,目标尺度,绪论

1 绪论2010 年 Ibrahim 提出了一种移动目标检测和跟踪系统，引入了 SIFT（Scanvariant feature transform）[43]特征实现航拍视角的运动目标检测与跟踪。SIFT 特征旋转不变和尺度不变等优点，在目标尺度存在变化和背景比较复杂的情况下，仍有较好的检测和跟踪效果。该系统部分处理结果如图 1-3。

【相似文献】