基于机器视觉的无人机自适应移动着陆研究
发布时间：2022-10-10 14:07
近年来因为机器学习和深度学习的高速发展,计算机硬件水平的不断提高,人工智能开始出现在人们视野中。在世界智能化的趋势下,结合无人机领域应用,无人机执行完自主任务返航时,着陆在不规则运动的移动目标上是其中重要的一个环节。本文针对于该方向,结合现阶段无人机行业的研究情况,通过实际的调研并且开展了基于机器视觉的无人机自适应移动着陆研究课题。主要包含以下工作:（1）设计了基于深度学习的单目视觉目标识别算法及深度估计策略,解决了传统无人机跟踪均依赖于人工合作标识的问题,特别是在中远距离时,相机识别目标受人工标识大小的限制。该算法通过YOLOv3-Tiny进行小目标识别同时应用了三维信息标定检测策略判断其相对的三维位置。（2）针对于长时间跟踪问题,传统的算法的实时性并不高,而基于深度卷积神经网络算法又存在容错性较低的特点,本文提出了不规则运动下的实时跟踪算法。该算法对TLD算法进行改进,通过在检测模块和其相关流程中融合YOLOv3-Tiny算法,使其检测模块中的窗口生成部分利用深度学习的检测算法在GPU上运行,另外的在线学习模块与跟踪模块在CPU上运行,通过GPU与CPU混合处理策略,提高了 TLD...
【文章页数】：100 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外发展现状
1.2.1 基于视觉的移动目标识别与跟踪研究现状
1.2.2 移动平台着陆国内外研究现状
1.3 论文主要研究目标及内容
1.3.1 研究目标
1.3.2 主要研究内容
1.4 论文章节安排
第二章 基于深度学习的单目视觉目标识别算法及深度估计策略
2.1 前言
2.2 深度学习的目标检测与识别算法选型及训练
2.2.1 R-CNN系列算法
2.2.2 YOLO系列算法检测原理
2.2.3 算法训练
2.3 应用于深度学习检测的单目相机标定
2.3.1 单目相机成像模型
2.3.2 基于深度学习的单目相机三维标定策略
2.4 本章小结
第三章 不规则的运动下实时跟踪算法
3.1 前言
3.2 视觉跟踪算法分类
3.3 移动目标轨迹预估
3.4 融合YOLOv3-Tiny的改进TLD算法
3.4.1 传统的TLD算法
3.4.2 TLD算法的改进策略及算法步骤
3.5 本章小结
第四章 移动着陆过程策略
4.1 前言
4.2 无人机着陆策略
4.3 Apriltags算法
4.4 基于互补滤波的无人机垂直高度估计
4.5 基于无模型控制串级PID的路径跟踪算法
4.5.1 目标路径跟踪分析
4.5.2 路径跟踪控制系统设计
4.5.3 仿真应用效果分析
4.6 本章小结
第五章 仿真与实际系统平台建设及验证
5.1 系统验证平台选择与介绍
5.1.1 仿真平台介绍
5.1.2 DJIM210 V2系统平台介绍
5.2 仿真平台验证
5.2.1 定点着陆仿真
5.2.2 移动着陆仿真
5.3 基于M210 V2的系统平台验证
5.3.1 轨迹跟踪控制器验证
5.3.2 自主着陆实验设计
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的主要工作及成果
【参考文献】：
期刊论文
[1]无人机航测技术在矿山测绘中的应用研究[J]. 肖俊,曾瑞栋. 世界有色金属. 2019(17)
[2]无人机技术在农业生产中的应用分析[J]. 季珊珊,党鹏,李忱. 现代农业科技. 2019(22)
[3]无人机航拍在交通事故处理中的应用[J]. 范秋寒. 汽车实用技术. 2019(21)
[4]无人机车辆组合物流配送路径规划探讨[J]. 任新惠,岳一笛,尹晓丽,赵嶷飞. 飞行力学. 2020(02)
[5]基于深度学习的目标检测算法研究进展[J]. 谢娟英,刘然. 陕西师范大学学报(自然科学版). 2019(05)
[6]无人机在军事中的应用与发展[J]. 相亮亮. 科技展望. 2016(14)
[7]Adaboost检测和混合粒子滤波融合的多目标跟踪[J]. 初红霞,秦进平,谢忠玉,张荣沂. 华中科技大学学报(自然科学版). 2013(07)
[8]旋翼无人机视觉跟踪系统[J]. 范保杰,朱琳琳,崔书平,李向军,唐延东. 红外与激光工程. 2011(01)
[9]无人机技术现状与发展趋势[J]. 李磊. 硅谷. 2011(01)
[10]基于SIFT特征目标跟踪算法研究[J]. 蔺海峰,马宇峰,宋涛. 自动化学报. 2010(08)
硕士论文
[1]基于卷积神经网络的无人机目标检测算法研究[D]. 廖佳伟.西安电子科技大学 2018
[2]基于无人机平台的动态目标检测系统开发[D]. 张宁.浙江大学 2018
[3]基于视觉的无人机检测与跟踪系统研究[D]. 王丹.哈尔滨工业大学 2016
[4]基于无模型自适应控制方法的四旋翼飞行器姿态调整[D]. 郑健.北京交通大学 2015
[5]基于Meanshift的目标跟踪系统研究[D]. 南玮健.南京邮电大学 2015
[6]基于视觉的四旋翼飞行器目标识别及跟踪[D]. 朱玮.南京航空航天大学 2014
[7]基于粒子滤波的视觉目标跟踪算法研究[D]. 李梦丽.中南大学 2012
[8]基于DSP＆CPLD的超小型无人直升机飞控系统研究与设计[D]. 陈青松.浙江大学 2006
本文编号：3689755
【文章页数】：100 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外发展现状
1.2.1 基于视觉的移动目标识别与跟踪研究现状
1.2.2 移动平台着陆国内外研究现状
1.3 论文主要研究目标及内容
1.3.1 研究目标
1.3.2 主要研究内容
1.4 论文章节安排
第二章 基于深度学习的单目视觉目标识别算法及深度估计策略
2.1 前言
2.2 深度学习的目标检测与识别算法选型及训练
2.2.1 R-CNN系列算法
2.2.2 YOLO系列算法检测原理
2.2.3 算法训练
2.3 应用于深度学习检测的单目相机标定
2.3.1 单目相机成像模型
2.3.2 基于深度学习的单目相机三维标定策略
2.4 本章小结
第三章 不规则的运动下实时跟踪算法
3.1 前言
3.2 视觉跟踪算法分类
3.3 移动目标轨迹预估
3.4 融合YOLOv3-Tiny的改进TLD算法
3.4.1 传统的TLD算法
3.4.2 TLD算法的改进策略及算法步骤
3.5 本章小结
第四章 移动着陆过程策略
4.1 前言
4.2 无人机着陆策略
4.3 Apriltags算法
4.4 基于互补滤波的无人机垂直高度估计
4.5 基于无模型控制串级PID的路径跟踪算法
4.5.1 目标路径跟踪分析
4.5.2 路径跟踪控制系统设计
4.5.3 仿真应用效果分析
4.6 本章小结
第五章 仿真与实际系统平台建设及验证
5.1 系统验证平台选择与介绍
5.1.1 仿真平台介绍
5.1.2 DJIM210 V2系统平台介绍
5.2 仿真平台验证
5.2.1 定点着陆仿真
5.2.2 移动着陆仿真
5.3 基于M210 V2的系统平台验证
5.3.1 轨迹跟踪控制器验证
5.3.2 自主着陆实验设计
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的主要工作及成果
【参考文献】：
期刊论文
[1]无人机航测技术在矿山测绘中的应用研究[J]. 肖俊,曾瑞栋. 世界有色金属. 2019(17)
[2]无人机技术在农业生产中的应用分析[J]. 季珊珊,党鹏,李忱. 现代农业科技. 2019(22)
[3]无人机航拍在交通事故处理中的应用[J]. 范秋寒. 汽车实用技术. 2019(21)
[4]无人机车辆组合物流配送路径规划探讨[J]. 任新惠,岳一笛,尹晓丽,赵嶷飞. 飞行力学. 2020(02)
[5]基于深度学习的目标检测算法研究进展[J]. 谢娟英,刘然. 陕西师范大学学报(自然科学版). 2019(05)
[6]无人机在军事中的应用与发展[J]. 相亮亮. 科技展望. 2016(14)
[7]Adaboost检测和混合粒子滤波融合的多目标跟踪[J]. 初红霞,秦进平,谢忠玉,张荣沂. 华中科技大学学报(自然科学版). 2013(07)
[8]旋翼无人机视觉跟踪系统[J]. 范保杰,朱琳琳,崔书平,李向军,唐延东. 红外与激光工程. 2011(01)
[9]无人机技术现状与发展趋势[J]. 李磊. 硅谷. 2011(01)
[10]基于SIFT特征目标跟踪算法研究[J]. 蔺海峰,马宇峰,宋涛. 自动化学报. 2010(08)
硕士论文
[1]基于卷积神经网络的无人机目标检测算法研究[D]. 廖佳伟.西安电子科技大学 2018
[2]基于无人机平台的动态目标检测系统开发[D]. 张宁.浙江大学 2018
[3]基于视觉的无人机检测与跟踪系统研究[D]. 王丹.哈尔滨工业大学 2016
[4]基于无模型自适应控制方法的四旋翼飞行器姿态调整[D]. 郑健.北京交通大学 2015
[5]基于Meanshift的目标跟踪系统研究[D]. 南玮健.南京邮电大学 2015
[6]基于视觉的四旋翼飞行器目标识别及跟踪[D]. 朱玮.南京航空航天大学 2014
[7]基于粒子滤波的视觉目标跟踪算法研究[D]. 李梦丽.中南大学 2012
[8]基于DSP＆CPLD的超小型无人直升机飞控系统研究与设计[D]. 陈青松.浙江大学 2006
本文编号：3689755
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3689755.html
