基于多目标跟踪的无人机自主航迹优化
发布时间：2020-12-12 12:08
凭借其可靠的机动性和环境适应性,无人机已经在各个领域都实现了大量的应用。为了更好的提升无人机在多目标跟踪任务中的智能性,本文针对无人机对多运动目标的跟踪问题进行研究,并设计了一套动态的多目标跟踪无人机航迹规划方案。该方案利用无人机上的相机所拍摄的图像序列对多个运动目标进行动态跟踪,估算出运动目标位置并对该多个运动目标设计优化无人机航迹,实现无人机对多运动目标的跟踪任务。具体研究内容如下:(1)设计多尺度的运动目标跟踪的实用型算法。对比分析核相关滤波算法与均值漂移算法的优缺点,利用核相关滤波算法对运动目标进行初始位置判定,融入均值漂移算法实现多尺度估计,提出融合的改进方法,保证跟踪效果。(2)研究基于卡尔曼预测的单目视觉运动目标数据处理方法。在对运动目标位置进行估算的基础上,通过卡尔曼滤波进行时序上的位置预测,预先生成无人机运动轨迹,避免无人机飞行调整滞后于目标运动的问题,实现目标跟踪数据与航迹规划的动态结合。(3)提出多运动目标跟踪的无人机航迹优化方案。针对多运动目标无人机跟踪监视的实际问题,结合蚁群算法与遗传算法,开展无人机航迹规划的技术验证,得到局部最优的多目标跟踪无人机航迹规划方...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
偏移向量示意图
所以具有尺度自适应的均值漂移算法的具体流程如下图 2.2 所示：图 2.2 尺度自适应的均值漂移算法原理流程图2.2.4 增加尺度估计后的均值漂移算法对比实验本文所有实验编程的软件配置均处于 64 位 Window10 操作系统下的 VS2013+Opencv3.0 的编译环境中。硬件配置均为英特尔酷睿 i5-8400 处理器，CPU 主频为 2.8GHz，安装 8GB 运行单通道内存，内存主频为 2400MHz。通过在相同数据集上进行带有尺度变化和不带有尺度变化的均值漂移算法的跟踪实验，对比算法的跟踪效果。下文将以一个尺度逐渐变大的车辆图像序列作为示例，对 2 种算法的跟踪结果进行对比分析。图像序列数据的尺寸为 384*288 像素，目标车辆的原始尺寸为 30*25 像素，目标车辆在序列中的平均尺度大小为 58*48 像素。在图像序列的开始帧，将运动目标的真实位置及尺度大小分别输入算法当中作为目标模板，
基于多目标跟踪的无人机自主航迹优化避免手动选取目标所导致的误差，然后开始实验跟踪的流程。图 2.3 为带有尺度变化和不带有尺度变化的均值漂移算法跟踪结果对比图。并且对 2 种目标跟踪算法的尺度估计结果及运行速度进行采集，如表 2.1 是两种算法间的所耗时及跟踪窗口大小数据对比。若算法跟踪窗口平均尺寸的平均尺度大小与目标真实尺度的平均大小越接近则算法精度越高。算法的平均帧率越高，代表算法运行效率越快，根据普遍的视频要求，算法的实时性要求为 25 帧/秒。
【参考文献】：
期刊论文
[1]消防无人机侦察功能的应用研究[J]. 崔彦琛,吴立志,朱红伟,郭可新,黄俊杰. 消防技术与产品信息. 2018(11)
[2]一种核相关滤波器的多尺度目标跟踪方法[J]. 李远状,韩彦芳,于书盼. 电子科技. 2018(10)
[3]基于细菌觅食的改进蚁群算法[J]. 张立毅,肖超,费腾. 计算机工程与科学. 2018(10)
[4]一种尺度自适应的核相关滤波跟踪算法[J]. 林庆,占林森. 信息技术. 2018(09)
[5]快速尺度自适应核相关滤波目标跟踪算法[J]. 何雪东,周盛宗. 激光与光电子学进展. 2018(12)
[6]应急测绘无人机资源多目标优化调度方法[J]. 朱庆,韩会鹏,于杰,杜志强,张骏骁,吴晨,沈富强. 武汉大学学报(信息科学版). 2017(11)
[7]无人机遥感技术国内松材线虫病监测研究综述[J]. 张红梅,陆亚刚. 华东森林经理. 2017(03)
[8]基于连续自适应均值漂移和立体视觉的无人机目标跟踪方法[J]. 张天翼,杨忠,韩家明,宋佳蓉,朱家远. 应用科技. 2018(02)
[9]基于相关滤波的视频目标跟踪算法综述[J]. 吴小俊,徐天阳,须文波. 指挥信息系统与技术. 2017(03)
[10]基于蚁群算法的火灾动态疏散[J]. 傅军栋,刘业辉,李江辉. 华东交通大学学报. 2017(03)
硕士论文
[1]基于改进CamShift算法的嵌入式目标跟踪系统设计[D]. 任楷飞.中北大学 2018
[2]割草机器人路径跟踪与避障方法研究[D]. 陈鹏.中原工学院 2018
[3]基于蚁群算法的航线自动设计[D]. 李可.大连海事大学 2018
[4]基于无人机的车辆实时跟踪算法研究[D]. 吴仁坚.西安电子科技大学 2017
[5]基于时空上下文的目标跟踪算法研究[D]. 许三妹.西安科技大学 2017
[6]基于MeanShift的运动目标跟踪算法研究[D]. 李洋.沈阳理工大学 2016
[7]城市快递配送条件下的多目标车辆路径优化研究[D]. 杨志清.哈尔滨工业大学 2015
[8]面向视觉跟踪的运动目标轮廓提取算法研究[D]. 李谷全.南华大学 2011
[9]均值偏移算法在目标跟踪中的研究与应用[D]. 姜智.南京理工大学 2009
本文编号：2912531
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
偏移向量示意图
所以具有尺度自适应的均值漂移算法的具体流程如下图 2.2 所示：图 2.2 尺度自适应的均值漂移算法原理流程图2.2.4 增加尺度估计后的均值漂移算法对比实验本文所有实验编程的软件配置均处于 64 位 Window10 操作系统下的 VS2013+Opencv3.0 的编译环境中。硬件配置均为英特尔酷睿 i5-8400 处理器，CPU 主频为 2.8GHz，安装 8GB 运行单通道内存，内存主频为 2400MHz。通过在相同数据集上进行带有尺度变化和不带有尺度变化的均值漂移算法的跟踪实验，对比算法的跟踪效果。下文将以一个尺度逐渐变大的车辆图像序列作为示例，对 2 种算法的跟踪结果进行对比分析。图像序列数据的尺寸为 384*288 像素，目标车辆的原始尺寸为 30*25 像素，目标车辆在序列中的平均尺度大小为 58*48 像素。在图像序列的开始帧，将运动目标的真实位置及尺度大小分别输入算法当中作为目标模板，
基于多目标跟踪的无人机自主航迹优化避免手动选取目标所导致的误差，然后开始实验跟踪的流程。图 2.3 为带有尺度变化和不带有尺度变化的均值漂移算法跟踪结果对比图。并且对 2 种目标跟踪算法的尺度估计结果及运行速度进行采集，如表 2.1 是两种算法间的所耗时及跟踪窗口大小数据对比。若算法跟踪窗口平均尺寸的平均尺度大小与目标真实尺度的平均大小越接近则算法精度越高。算法的平均帧率越高，代表算法运行效率越快，根据普遍的视频要求，算法的实时性要求为 25 帧/秒。
【参考文献】：
期刊论文
[1]消防无人机侦察功能的应用研究[J]. 崔彦琛,吴立志,朱红伟,郭可新,黄俊杰. 消防技术与产品信息. 2018(11)
[2]一种核相关滤波器的多尺度目标跟踪方法[J]. 李远状,韩彦芳,于书盼. 电子科技. 2018(10)
[3]基于细菌觅食的改进蚁群算法[J]. 张立毅,肖超,费腾. 计算机工程与科学. 2018(10)
[4]一种尺度自适应的核相关滤波跟踪算法[J]. 林庆,占林森. 信息技术. 2018(09)
[5]快速尺度自适应核相关滤波目标跟踪算法[J]. 何雪东,周盛宗. 激光与光电子学进展. 2018(12)
[6]应急测绘无人机资源多目标优化调度方法[J]. 朱庆,韩会鹏,于杰,杜志强,张骏骁,吴晨,沈富强. 武汉大学学报(信息科学版). 2017(11)
[7]无人机遥感技术国内松材线虫病监测研究综述[J]. 张红梅,陆亚刚. 华东森林经理. 2017(03)
[8]基于连续自适应均值漂移和立体视觉的无人机目标跟踪方法[J]. 张天翼,杨忠,韩家明,宋佳蓉,朱家远. 应用科技. 2018(02)
[9]基于相关滤波的视频目标跟踪算法综述[J]. 吴小俊,徐天阳,须文波. 指挥信息系统与技术. 2017(03)
[10]基于蚁群算法的火灾动态疏散[J]. 傅军栋,刘业辉,李江辉. 华东交通大学学报. 2017(03)
硕士论文
[1]基于改进CamShift算法的嵌入式目标跟踪系统设计[D]. 任楷飞.中北大学 2018
[2]割草机器人路径跟踪与避障方法研究[D]. 陈鹏.中原工学院 2018
[3]基于蚁群算法的航线自动设计[D]. 李可.大连海事大学 2018
[4]基于无人机的车辆实时跟踪算法研究[D]. 吴仁坚.西安电子科技大学 2017
[5]基于时空上下文的目标跟踪算法研究[D]. 许三妹.西安科技大学 2017
[6]基于MeanShift的运动目标跟踪算法研究[D]. 李洋.沈阳理工大学 2016
[7]城市快递配送条件下的多目标车辆路径优化研究[D]. 杨志清.哈尔滨工业大学 2015
[8]面向视觉跟踪的运动目标轮廓提取算法研究[D]. 李谷全.南华大学 2011
[9]均值偏移算法在目标跟踪中的研究与应用[D]. 姜智.南京理工大学 2009
本文编号：2912531
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/2912531.html
