小型无人直升机视觉定位与跟踪系统的设计与研究

发布时间：2017-05-21 21:15

  本文关键词：小型无人直升机视觉定位与跟踪系统的设计与研究，，由笔耕文化传播整理发布。

【摘要】：小型无人机直升机具有体积小、重量轻、成本低、可悬停、可垂直起降、无人员伤亡、隐蔽性好等优点。无论是在军用还是在民用上,都得到广泛的应用,例如：军事侦察、地质勘探、目标追踪等。而大部分应用又离不开机载视觉技术的发展,基于视觉的目标定位与跟踪也是很多无人机应用领域的关键技术。与声纳、激光、雷达等传感器相比,视觉传感器的信息量更加丰富,可以直观的对目标或场景进行监测。 本文以小型无人机为实验平台,对机载视觉定位与跟踪系统进行了全面的设计、研究与开发。针对视觉系统开发过程中的理论算法和工程问题,本文对其进行了阐述与研究。本文的研究目的在于完成小型无人机视觉系统的硬件搭建、软件开发、以及定位与跟踪算法的理论研究和实验验证。其中,本文突出论述了研究中需要解决的几大问题,包括增强目标识别算法在恶劣气象条件下的自适应性、研究针对无人机非稳定平台特性的目标定位算法、解决发动机的强烈机械振动带来的噪声影响、优化视觉系统并提高其整体实时性等。同时,本文在最后给出了详细的视觉系统硬件设计方案以及实验过程和结果。 对于地面移动目标的自动识别,主要问题在于真实实验中会有尾气油烟遮挡目标,而且还可能出现雾霭、阴天等天气。这些都需要目标识别算法具有较强的适应能力。同时,视觉系统在目标识别过程中无人工参与,因此还需要识别算法具有较高的识别率和鲁棒性。本文将Retinex理论、矩不变算法、色调分割等多个理论和算法相结合,并进行简化、改进和创新,最终达到预期性能。本文还对基于HMAX模型对人类大脑视觉皮层的仿生视觉进行了探索性的研究,为将来无人机视觉的发展做铺垫,使其走向智能化。 在目标的定位方面,本文主要研究的问题是如何确保和提高定位的精度。无人机姿态的变化和发动机的剧烈振动是造成定位误差的主要原因。本文融合组合惯性导航系统的姿态信息提出了一种快速的位置校正算法,该算法可消除无人机在随机动态飞行时姿态变化对定位的影响。然后,为了解决机械振动导致的定位振荡和噪声模型不易建立的问题。本文首先对无味卡尔曼滤波器(UKF)进行了简化,以解决噪声模型不确定的问题,同时将数字低通滤波器(DLF)的强平滑性融合到UKF中,以弥补简化后UKF滤波器平滑性变弱的问题。最终本文提出了一种新的LUKF滤波器,可以达到跟踪性和平滑性兼顾的效果。 本文在最后详细论述了视觉系统硬件的选型与搭建,以及系统软件的结构和流程。并且展示了部分地面实验和试飞实验的结果,旨在验证视觉系统各方面性能,并对实验结果进行了详细的分析。最终给出系统性能的结论性总结。
【关键词】：小型无人直升机 视觉系统 目标识别 定位与跟踪 UKF滤波 仿生视觉 Retinex理论
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：V279;TP391.41
【目录】：

• 致谢5-6
• 摘要6-8
• Abstract8-10
• 目录10-13
• 第一章 绪论13-21
• 1.1 概述13-15
• 1.1.1 无人机视觉技术的发展历程13-14
• 1.1.2 捷联式惯性导航系统介绍14
• 1.1.3 融合导航信息的视觉定位14-15
• 1.2 课题背景及研究意义15-19
• 1.2.1 国内外发展现状15-18
• 1.2.2 课题研究意义18-19
• 1.3 论文主要内容及章节安排19-21
• 第二章 小型无人直升机视觉定位跟踪系统设计21-27
• 2.1 无人机视觉系统设计介绍21-23
• 2.1.1 视觉系统硬件设计21-22
• 2.1.2 视觉系统软件设计22-23
• 2.2 研究的主要问题及基本解决方案23-26
• 2.2.1 完全自动的目标识别与提取23-24
• 2.2.2 基于三轴-六自由度平台的目标定位24-25
• 2.2.3 滤除机械振动引起的噪声25-26
• 2.2.4 提高各部分算法实时性26
• 2.3 本章小结26-27
• 第三章 地面目标的识别与定位算法27-61
• 3.1 地面目标的识别27-44
• 3.1.1 基于Retinex理论的色彩增强27-32
• 3.1.2 基于色彩分布的疑似目标提取32-35
• 3.1.3 改进的Hu矩目标轮廓匹配算法35-44
• 3.2 图像信息的畸变校正44-47
• 3.2.1 摄像头参数标定44-45
• 3.2.2 广角畸变校正45-47
• 3.3 融合导航信息的目标定位47-53
• 3.3.1 垂向机体坐标系47
• 3.3.2 目标位置校正47-52
• 3.3.3 真实空间的目标定位52-53
• 3.4 基于仿生视觉模型的目标识别53-59
• 3.4.1 HMAX模型概述53-54
• 3.4.2 Gabor滤波器的设计54-57
• 3.4.3 特征提取与Max滤波57-58
• 3.4.4 基于GRBF的目标特征匹配58-59
• 3.5 本章小结59-61
• 第四章 目标状态估计与跟踪策略61-81
• 4.1 目标状态估计61-75
• 4.1.1 UKF滤波器原理63-65
• 4.1.2 UKF滤波器的设计与改进65-71
• 4.1.3 目标实际位置和速度估计71-75
• 4.2 基于Mean-shift的跟踪算法改进75-79
• 4.2.1 Mean-shift算法原理及缺陷75-76
• 4.2.2 实时建立二维概率分布图76-78
• 4.2.3 全局与局部转换搜索机制78-79
• 4.3 本章小结79-81
• 第五章 无人机视觉系统平台搭建及实验结果分析81-99
• 5.1 实验系统硬件平台搭建81-86
• 5.1.1 控制与处理核心82-84
• 5.1.2 导航系统84
• 5.1.3 视觉传感器84-85
• 5.1.4 无线数字传输模块85
• 5.1.5 地面监控站85-86
• 5.2 视觉系统软件平台开发86-91
• 5.2.1 实时图像处理模块86-88
• 5.2.2 机载数据存储模块88-89
• 5.2.3 系统间通信模块89
• 5.2.4 地面监控系统89-90
• 5.2.5 离线测试与镜头参数标定90-91
• 5.3 视觉系统性能验证实验91-98
• 5.3.1 地面定位实验及实验分析92-95
• 5.3.2 实际飞行实验与实验总结95-98
• 5.4 本章小结98-99
• 第六章 总结与展望99-101
• 6.1 论文总结99-100
• 6.2 研究展望100-101
• 参考文献101-106
• 作者简介106
• 硕士期间发表的论文106

【参考文献】

中国期刊全文数据库 前9条

1 刘危,解旭辉,李圣怡;捷联惯性导航系统的姿态算法[J];北京航空航天大学学报;2005年01期

2 秦博,王蕾;无人机发展综述[J];飞航导弹;2002年08期

3 董国忠;王省书;胡春生;;无人机的应用及发展趋势[J];国防科技;2006年10期

4 徐贵力;倪立学;程月华;;基于合作目标和视觉的无人飞行器全天候自动着陆导引关键技术[J];航空学报;2008年02期

5 LUM Kai-Yew;CHEN Ben M.;LEE Tong H.;;Development of a vision-based ground target detection and tracking system for a small unmanned helicopter[J];Science in China(Series F:Information Sciences);2009年11期

6 陈迪仕;李平;韩波;禹科;谌婷;;基于RTLinux的飞控系统进程间通信方案[J];计算机工程;2012年14期

7 陈硕,沈模卫;颜色恒常理论及模型探索[J];心理科学;2003年02期

8 吴显亮;石宗英;钟宜生;;无人机视觉导航研究综述[J];系统仿真学报;2010年S1期

9 王林;彭辉;朱华勇;沈林成;;应用无人机跟踪地面目标——最新研究进展[J];系统仿真学报;2010年S1期

中国博士学位论文全文数据库 前4条

1 丁卫;基于超小型无人机的地面目标实时图像跟踪[D];上海大学;2007年

2 任沁源;基于视觉信息的微小型无人直升机地标识别与位姿估计研究[D];浙江大学;2008年

3 徐玉;微小型无人直升机飞控平台与姿态融合算法研究[D];浙江大学;2008年

4 谷雨;空中机器人视觉导航与控制若干问题研究[D];浙江大学;2009年

中国硕士学位论文全文数据库 前2条

1 申星;面向小型无人直升机的SINS/GPS组合导航系统研究[D];浙江大学;2012年

2 马动涛;无人直升机控制系统设计及控制方法研究[D];西北工业大学;2005年

  本文关键词：小型无人直升机视觉定位与跟踪系统的设计与研究，由笔耕文化传播整理发布。

本文编号：384867