旋翼无人机对地目标检测与态势估计方法研究

发布时间：2017-08-14 14:38

  本文关键词：旋翼无人机对地目标检测与态势估计方法研究

  更多相关文章： 四旋翼无人机 目标检测 多目标跟踪 改进霍夫森林 态势估计

【摘要】：旋翼无人机在人工智能领域的研究和应用受到日益广泛的重视,其中,无人机对地面多目标的检测、跟踪及其全局态势估计是关注的要点。本文针对无人机室内自定位,对地面多目标进行快速检测、跟踪问题进行了深入研究,并在此基础上进行无人机对地面目标全局态势估计的方法研究。首先,研究了无人机室内及时准确定位问题。采用Kalman滤波方法将光流信息和视觉地标结果融合实现定位。用RANSAC方法提取地面特征,将特征点进行逆投影变换,匹配为视觉地标,计算出无人机位置,通过Kalman滤波将其与光流传感器信息融合,以在保证定位精度的同时提高定位速度。其次,结合支持向量机(SVM)方法,研究了无人机对地面运动目标的检测方法。由于无人机飞行速度、姿态频繁快速变化,使其对地面多运动目标的检测要求实时性高、适应性强。采用了背景建模方法提取前景目标,将其作为感兴趣区域,在此基础上以方向梯度直方图(HOG)为特征,采用基于支持向量机(SVM)的多目标检测器对前景进行检测,在确保检测准确性的同时有效提高目标检测的实时性。再次,提出了一种基于改进霍夫森林框架的多相似目标跟踪算法。针对单目视觉对多相似目标的跟踪算法因遮挡等因素影响而失效的问题,通过引入在线学习霍夫森林框架将目标跟踪转化为轨迹关联最大后验概率问题,以实现对多相似目标的持续跟踪。通过在线采集多目标样本,提取目标外观和运动特征构建霍夫森林,进行森林训练得到轨迹关联概率,从而关联多目标轨迹。引入低秩逼近Hankel矩阵方法进行轨迹校验,进行误匹配轨迹修复。有效提高了单目摄像机对多个相似目标有遮挡情况下跟踪的准确性和鲁棒性。最后,采用隐形马尔科夫模型对无人机感兴趣区域内多地面目的全局态势进行估计。对地面移动目标进行了建模分析,提取态势要素,采用Baum-Welch算法进行隐形马尔科夫模型参数训练得到预测模型,应用训练得到的模型对多目标全局态势进行预测,进而为四旋翼无人机搜寻并跟踪目标提供决策依据。
【关键词】：四旋翼无人机 目标检测 多目标跟踪 改进霍夫森林 态势估计
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V279
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 研究背景及研究意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 运动目标检测研究现状11-12
• 1.2.2 基于视觉的目标跟踪12
• 1.2.3 态势估计研究现状12-13
• 1.3 课题研究内容13-15
• 第二章 基于光流和视觉地标的定位算法15-25
• 2.1 无人机自主定位系统介绍15
• 2.2 基于光流和视觉地标的定位算法15-21
• 2.2.1 视觉地标全局定位算法16-19
• 2.2.2 光流传感器定位19
• 2.2.3 视觉地标与光流传感器融合定位算法19-21
• 2.3 实验及结果分析21-24
• 2.3.1 融合算法定位精度验证21-23
• 2.3.2 算法实时性验证23-24
• 2.4 本章小结24-25
• 第三章 基于结合SVM的快速运动目标检测25-35
• 3.1 基于结合SVM的快速运动目标检测算法框架25
• 3.2 HOG特征提取25-27
• 3.3 SVM多目标检测27-30
• 3.3.1 SVM核函数的选择27-28
• 3.3.2 SVM多目标检测过程28-30
• 3.4 背景建模方法30-32
• 3.5 实验及结果分析32-34
• 3.5.1 实验环境32
• 3.5.2 结果分析32-34
• 3.6 本章小结34-35
• 第四章 基于改进霍夫森林框架的多目标跟踪算法35-43
• 4.1 多目标跟踪方法35-36
• 4.2 霍夫森林算法36-38
• 4.2.1 霍夫森林样本采集36-37
• 4.2.2 霍夫森林训练37-38
• 4.3 改进霍夫森林算法38-40
• 4.3.1 改进霍夫森林算法38
• 4.3.2 轨迹校验及修复38-40
• 4.4 实验及结果分析40-42
• 4.4.1 实验数据和评价值指标40-41
• 4.4.2 结果分析41-42
• 4.5 本章小结42-43
• 第五章 旋翼无人机对多地面目标赛场态势估计方法研究43-52
• 5.1 态势估计分析方法43-45
• 5.1.1 态势估计问题43-44
• 5.1.2 隐马尔可夫模型态势估计介绍44-45
• 5.2 态势要素提取45-46
• 5.3 基于隐马尔科夫模型的态势预测46-47
• 5.3.1 模型参数学习46
• 5.3.2 态势预测46-47
• 5.4 实验及结果分析47-51
• 5.4.1 仿真平台设计47-48
• 5.4.2 试验分析48-51
• 5.5 本章小结51-52
• 结论52-53
• 参考文献53-57
• 致谢57-58
• 攻读学位期间发表的学术论文58

，

本文编号：673182