微型无人机室内目标搜索与迫近技术研究
发布时间：2021-02-06 17:51
微型无人机一般指尺寸在10cm以下的超小体积无人机,其载荷能力有限,无法携带高性能传感器及机载计算机,因而在执行室内自主飞行任务方面存在困难。为此本文在导航、识别和控制方面提出了一种在微型无人机上装配单目相机及激光传感器,实现室内目标人物搜索及迫近的方案。为在含有多房间的室内环境中完成对目标人物的搜索任务,首先在本地基于激光测距实现了微型无人机的“沿边”路径规划,并通过在偏航角上引入自抗扰控制技术抑制了激光数据噪声导致的机身震颤,实现了对室内主要区域的遍历式探索。为改善激光沿边飞行在部分地形上通过性差、搜索路径冗余的问题,本文进一步设计了一种基于地面站辅助云计算的单目视觉导航算法。该算法通过全卷积神经网络对视觉传感器捕捉的前视画面进行图像深度恢复,再根据深度阈值图和图像梯度计算对深度恢复图进行分析完成路径规划,从而在激光无法正常工作时提供云端导航信息并在延边飞行的过程中实时优化冗余的搜索路径。在迫近方案上,本文首先设计了一种联合图像检测和跟踪的目标识别方案。在目标检测算法方面,通过对现有YOLOv3神经网络进行数据集处理、参数剪枝优化等方式在不过多影响识别准确率的前提下降低了算法的计算...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
美军现役反恐无人机目前无人机体积庞大导致的隐蔽性差的问题使得无人机在跟踪、监视等作
哈尔滨工业大学工程硕士学位论文-4-图1-2“杀人蜂”概念微型无人机1.2.2无人机室内导航研究现状目前在大中型无人机上应用较为广泛的室内导航避障方法通常基于即时定位与地图构建(simultaneouslocalizationandmapping，SLAM)。该技术主要分为前端、后端两部分，前端负责提取图像特征并进行数据关联(包括特征跟踪和闭环检测)，进而估计相邻帧间的相机运动以及局部地图；后端负责对前端生成的信息进行优化，以建立具有一致性的全局地图，消除在前端运行过程中产生的累计误差。其结构图如图1-3所示。图1-3SLAM算法原理该算法工作的原理是通过解算运动和观测方程,=(+)+,来获得未知环境中的无人机的位置信息与地形信息。以采集观测数据过程所使用的传感器类型来区分，SLAM的实现途径可以分为两大类。第一类方法，基于激光雷达、深度摄像头等高精度传感器建立精确地图[8-10]。在该类方法中，算法通过激光束获取包含了位置、方向和长度参数的直线特征，以及产生曲率或者法向量突变的点特征，然后使用最近邻算法、联合相a)识别b)打击
哈尔滨工业大学工程硕士学位论文-9-第2章系统总体设计与底层控制2.1引言微型无人机由于难以搭载算力较高的计算设备完成图像处理等复杂的计算任务，因而需要地面站通过云端辅助的方式提供支持。本课题主要研究通过结合微型无人机本地处理单点式激光传感器数据生成的导航、控制信息与地面站由图传回的单目视觉图像生成的云端导航、控制信息，完成微型无人机对目标搜索及迫近任务的方案。本章主要研究整套实验平台的设计、硬件设备的选用及底层控制器设计工作。2.2系统总体设计本课题设计的微型无人机目标识别与迫近系统包含地面站(云端)与无人机(本地端)两部分。其中本地端主要包含微型无人机的机身结构、传感器以及用于处理对实时性要求较高的飞控任务的底层计算设备，而云端地面站则为用以完成计算量较大的图像处理任务的高性能计算机。图2-1微型无人机实验平台在任务执行过程中，微型无人机上的图传计算芯片将采集的传感器信息压缩编码并进行上传。地面端接受飞行器传回的图像并解码，再由相应的导航、迫近处理算法处理得到相应的信息。最后，生成的控制指令通过数传链路反馈给微型无人机，无人机收到指令后将其作为底层的期望输入完成对控制指令的执行。根据任务性能要求，设计无人机室内目标搜索及控制系统如图2-2所示。
【参考文献】：
期刊论文
[1]一种微型无人机单目视觉SVO/INS组合导航方法[J]. 肖尧,阮晓钢,朱晓庆,董鹏飞,魏若岩. 中国惯性技术学报. 2019(02)
[2]基于金字塔LK光流法及超声传感的微型无人机障碍识别优化研究[J]. 祝奔奔,万舟,王亮. 陕西理工大学学报(自然科学版). 2019(01)
[3]美国无人机反恐中的若干国际法问题研究[J]. 孙浩. 吉林化工学院学报. 2018(02)
[4]Faster-RCNN的车型识别分析[J]. 桑军,郭沛,项志立,罗红玲,陈欣. 重庆大学学报. 2017(07)
[5]基于RGB-D相机的无人机快速自主避障[J]. 杨维,朱文球,张长隆. 湖南工业大学学报. 2015(06)
[6]基于深度图像的移动机器人动态避障算法[J]. 张毅,蒋翔,罗元,徐晓东,许新丽. 控制工程. 2013(04)
[7]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[8]基于卷积神经网络LeNet-5的车牌字符识别研究[J]. 赵志宏,杨绍普,马增强. 系统仿真学报. 2010(03)
[9]自抗扰控制技术[J]. 韩京清. 前沿科学. 2007(01)
[10]微型无人机军事应用、研究进展及关键技术[J]. 曲东才. 航空科学技术. 2004(02)
硕士论文
[1]使用无人机跨国定点清除恐怖分子的主要国际法问题[D]. 刘长利.湘潭大学 2017
本文编号：3020850
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
美军现役反恐无人机目前无人机体积庞大导致的隐蔽性差的问题使得无人机在跟踪、监视等作
哈尔滨工业大学工程硕士学位论文-4-图1-2“杀人蜂”概念微型无人机1.2.2无人机室内导航研究现状目前在大中型无人机上应用较为广泛的室内导航避障方法通常基于即时定位与地图构建(simultaneouslocalizationandmapping，SLAM)。该技术主要分为前端、后端两部分，前端负责提取图像特征并进行数据关联(包括特征跟踪和闭环检测)，进而估计相邻帧间的相机运动以及局部地图；后端负责对前端生成的信息进行优化，以建立具有一致性的全局地图，消除在前端运行过程中产生的累计误差。其结构图如图1-3所示。图1-3SLAM算法原理该算法工作的原理是通过解算运动和观测方程,=(+)+,来获得未知环境中的无人机的位置信息与地形信息。以采集观测数据过程所使用的传感器类型来区分，SLAM的实现途径可以分为两大类。第一类方法，基于激光雷达、深度摄像头等高精度传感器建立精确地图[8-10]。在该类方法中，算法通过激光束获取包含了位置、方向和长度参数的直线特征，以及产生曲率或者法向量突变的点特征，然后使用最近邻算法、联合相a)识别b)打击
哈尔滨工业大学工程硕士学位论文-9-第2章系统总体设计与底层控制2.1引言微型无人机由于难以搭载算力较高的计算设备完成图像处理等复杂的计算任务，因而需要地面站通过云端辅助的方式提供支持。本课题主要研究通过结合微型无人机本地处理单点式激光传感器数据生成的导航、控制信息与地面站由图传回的单目视觉图像生成的云端导航、控制信息，完成微型无人机对目标搜索及迫近任务的方案。本章主要研究整套实验平台的设计、硬件设备的选用及底层控制器设计工作。2.2系统总体设计本课题设计的微型无人机目标识别与迫近系统包含地面站(云端)与无人机(本地端)两部分。其中本地端主要包含微型无人机的机身结构、传感器以及用于处理对实时性要求较高的飞控任务的底层计算设备，而云端地面站则为用以完成计算量较大的图像处理任务的高性能计算机。图2-1微型无人机实验平台在任务执行过程中，微型无人机上的图传计算芯片将采集的传感器信息压缩编码并进行上传。地面端接受飞行器传回的图像并解码，再由相应的导航、迫近处理算法处理得到相应的信息。最后，生成的控制指令通过数传链路反馈给微型无人机，无人机收到指令后将其作为底层的期望输入完成对控制指令的执行。根据任务性能要求，设计无人机室内目标搜索及控制系统如图2-2所示。
【参考文献】：
期刊论文
[1]一种微型无人机单目视觉SVO/INS组合导航方法[J]. 肖尧,阮晓钢,朱晓庆,董鹏飞,魏若岩. 中国惯性技术学报. 2019(02)
[2]基于金字塔LK光流法及超声传感的微型无人机障碍识别优化研究[J]. 祝奔奔,万舟,王亮. 陕西理工大学学报(自然科学版). 2019(01)
[3]美国无人机反恐中的若干国际法问题研究[J]. 孙浩. 吉林化工学院学报. 2018(02)
[4]Faster-RCNN的车型识别分析[J]. 桑军,郭沛,项志立,罗红玲,陈欣. 重庆大学学报. 2017(07)
[5]基于RGB-D相机的无人机快速自主避障[J]. 杨维,朱文球,张长隆. 湖南工业大学学报. 2015(06)
[6]基于深度图像的移动机器人动态避障算法[J]. 张毅,蒋翔,罗元,徐晓东,许新丽. 控制工程. 2013(04)
[7]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[8]基于卷积神经网络LeNet-5的车牌字符识别研究[J]. 赵志宏,杨绍普,马增强. 系统仿真学报. 2010(03)
[9]自抗扰控制技术[J]. 韩京清. 前沿科学. 2007(01)
[10]微型无人机军事应用、研究进展及关键技术[J]. 曲东才. 航空科学技术. 2004(02)
硕士论文
[1]使用无人机跨国定点清除恐怖分子的主要国际法问题[D]. 刘长利.湘潭大学 2017
本文编号：3020850
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3020850.html
