基于深度学习优化光流算法的载体位置测量方法
发布时间：2021-02-17 16:05
在现代战争中,无人作战平台的优势越来越受到各国的重视,导航作为无人作战平台的关键技术,是指引无人作战平台完成跟踪定位、侦查预警、精准打击等各项作战任务的保障。位置信息获取则是导航技术中不可或缺的一环。光流法作为一种常用的测速手段,通过积分获得载体位置信息的过程中,易受到光照变化、物体相对移动、以及累积误差的影响,导致位置信息获取不准确,同时实时性也较差。为进一步提高载体位置解算的精度与实时性,本文在结合深度学习与经典光流算法的基础上进行了一系列优化,并通过实验完成了可行性验证,具体过程如下:首先,进行了经典光流算法的介绍,阐述了几种光流算法的优缺点与适用性,并给出了一种光流测速系统的硬件实现方法,利用Google Earth作为仿真环境对金字塔LK光流算法在不同环境下的表现进行了评估,得出了最适合光流进行速度解算的高度为12-30m。其次,利用卷积神经网络和聚类算法对金字塔LK光流算法进行了相应的改进,减少了常规光流测速方法易受行人、车辆等物体的相对移动的影响,提高了复杂环境下光流速度的解算精度,实验结果表明,所提出的改进光流算法的速度误差由4.66m/s降低到了1.58m/s。然后,...
【文章来源】：中北大学山西省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
无人作战平台Fig.1-1Theunmannedcombatplatform.
中北大学学位论文2的获取[4]。视觉导航作为一种新兴的导航方式，具有体积小，成本低，导航信息丰富等优点，特别适用于无人作战平台的自主导航。基于视觉传感器的导航技术来源于自然界。研究成果表明，蜜蜂飞行时，环境事物呈现在复眼视网膜上的图像都在运动，这种运动即为“光流”[5]。蜜蜂利用光流提供的丰富的空间信息进行精确导航，如保持姿态水平、相对速度测量等；此外，蜜蜂在归巢过程中，可综合利用嗅觉、视觉等信息返回巢穴，其中视觉信息是指通过识别巢穴附近的明显标志物，从而确定归巢。图1-2蜜蜂利用光流导航示意图Fig.1-2Theschematicdiagramofopticalflowusedbybeestonavigate.目前，基于视觉的导航方法已在无人作战平台中得到了应用，并取得了良好的试验效果。但在实际应用过程中，尤其是在城市巷战这种复杂环境背景条件下，其性能受到一定的限制。具体表现为：城市巷战环境具备自然景物复杂、场景信息多变、不确定因素较多等特点。在这种环境下无人作战平台会遇到静态类的树木、建筑物、电线以及动态类的行人、车辆、各种鸟类等，多种类型的障碍物增加了光流测速的难度，现有技术在上述复杂环境中难以实现精确视觉特征识别，高精度导航无法实现。近些年，随着人工智能技术的快速发展，深度学习在图像处理领域体现出优越的性能[6]。研究成果表明，卷积神经网络作为深度学习的一种，在图像分割具有深层次挖掘图像特征等优点，特别适用于复杂背景环境下的视觉图像处理，所以将卷积神经网络与经典光流测速算法相结合，提高经典光流法的环境适应能力，对提高无人作战平台在城市巷战环境下的作战能力是十分必要的。
中北大学学位论文4光流计算精度[14]。图1-3PX4FLOW光流传感器Fig.1-3TheopticalflowsensorofPX4FLOW.光流作为新兴视觉导航中不可或缺的一部分，在国内也引起了广大研究学者的关注。2014年，吕强和张洪涛等人成功利用光流组合惯性单元进行了无人机悬停实验[15,16]。2015年，宋宇使用两个光流传感器解决了小型无人机在室内对速度、位置和姿态的获取问题，不足是该光流传感器获取姿态的精度与飞行高度有关[17]。在同一年，张聪炫利用基于图像金字塔分层的全局优化直接重建方法，有效解决了位移较大带来的图像边缘溢出问题[18]。2016年，东北大学的肖军等人提出使用Harris角点结合LK光流法跟踪对象，并引入光流误差法，消除跟踪失败的角点，提高了LK光流法的跟踪精度[19]。2017年，华北理工大学的陈至坤提出在HS光流法中添加动量因子来加快HS光流算法的速度，并将此方法运动到机器人上，加快了机器人的避障速度[20]。2018年，王瑞荣等人针对环境光照微弱或光流传感器距地高度小于摄像头焦距等问题，利用Elman神经网络对载体速度进行了预测，提高了导航对环境的适应性[21]。2019年，山东理工大学的孙晓峰等人利用LK光流算法作为车道线区域内的一种障碍物信息评价指标，提高了汽车无人自动驾驶对障碍物检测的精度，完成了高速公路上的车载实验[22]。表1-1国内外研究现状对比Tab.1-1Comparisonofresearchstatusathomeandabroad.国外单位时间光流应用指标杨百翰大学2010年改进无人机避障较经典光流算法避障效率提高30%首尔国立大学2015年机器人室内定位在移动1000mm时定位误差为0.02%布达佩斯大学2016年机器人定位在长1200mm宽1600mm区域内定位最大误差小于220mm宾夕法尼亚大学2018年微型飞行器定位在长3000mm宽2500mm区?
【参考文献】：
期刊论文
[1]小型无人侦察车远程定位系统研究[J]. 吴青青,段红建,王璞,方帆. 自动化技术与应用. 2020(01)
[2]改进光流法的避障与辅助导航算法[J]. 孙晓峰,宫金良,张彦斐. 激光杂志. 2019(10)
[3]基于脉冲耦合神经网络的HS变分光流算法研究[J]. 宋涛,陈兵,赵明富,黄铮,王勃,黄俊木. 激光杂志. 2019(02)
[4]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)
[5]改进ORB特征光流的飞行器室内导航方法[J]. 郝志洋,张虹波,车进,赵子君,葛聪乐. 弹箭与制导学报. 2019(01)
[6]一种四旋翼无人机定位的改进LK光流算法[J]. 李振宇,谢云,王松乐,肖洪波. 机床与液压. 2018(21)
[7]面向弱光流环境的惯性/光流组合导航方法研究[J]. 王瑞荣,陈瞳,李晓红. 电光与控制. 2019(01)
[8]无GPS导航下基于光流的小型无人机导航算法[J]. 曾幼涵,姜香菊. 传感器与微系统. 2018(09)
[9]用于无人机导航的光流测速优化方法[J]. 杨盛伟,赵伟,刘建业. 电光与控制. 2019(01)
[10]一种改进的HS光流法在机器人避障系统中的应用[J]. 陈至坤,曾凯,RAMAN Paranjape,钱俊蕾,王福斌. 科学技术与工程. 2017(04)
博士论文
[1]基于卷积神经网络的交通密度估计及车辆检测方法研究[D]. 罗志明.厦门大学 2017
[2]惯性/地磁匹配组合导航相关技术研究[D]. 朱占龙.东南大学 2015
硕士论文
[1]基于深度卷积神经网络的目标跟踪算法研究[D]. 陈会志.南京邮电大学 2019
[2]面向建筑物检测的无人机定位导航系统研究[D]. 罗阳.广东工业大学 2019
[3]无人机光流测速优化算法研究[D]. 杨盛伟.南京航空航天大学 2019
[4]无人作战移动平台控制系统及路径规划算法研究[D]. 董培方.南京理工大学 2018
[5]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[6]基于模糊核聚类的电力系统切负荷损失评估[D]. 李蕊.湖北工业大学 2015
[7]基于SIFT的图像拼接和特征提取的研究[D]. 戴维理.电子科技大学 2015
[8]基于SIFT算法的图像匹配方法研究[D]. 汪松.西安电子科技大学 2013
[9]基于光流法的运动目标检测与跟踪技术[D]. 裴巧娜.北方工业大学 2009
本文编号：3038223
【文章来源】：中北大学山西省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
无人作战平台Fig.1-1Theunmannedcombatplatform.
中北大学学位论文2的获取[4]。视觉导航作为一种新兴的导航方式，具有体积小，成本低，导航信息丰富等优点，特别适用于无人作战平台的自主导航。基于视觉传感器的导航技术来源于自然界。研究成果表明，蜜蜂飞行时，环境事物呈现在复眼视网膜上的图像都在运动，这种运动即为“光流”[5]。蜜蜂利用光流提供的丰富的空间信息进行精确导航，如保持姿态水平、相对速度测量等；此外，蜜蜂在归巢过程中，可综合利用嗅觉、视觉等信息返回巢穴，其中视觉信息是指通过识别巢穴附近的明显标志物，从而确定归巢。图1-2蜜蜂利用光流导航示意图Fig.1-2Theschematicdiagramofopticalflowusedbybeestonavigate.目前，基于视觉的导航方法已在无人作战平台中得到了应用，并取得了良好的试验效果。但在实际应用过程中，尤其是在城市巷战这种复杂环境背景条件下，其性能受到一定的限制。具体表现为：城市巷战环境具备自然景物复杂、场景信息多变、不确定因素较多等特点。在这种环境下无人作战平台会遇到静态类的树木、建筑物、电线以及动态类的行人、车辆、各种鸟类等，多种类型的障碍物增加了光流测速的难度，现有技术在上述复杂环境中难以实现精确视觉特征识别，高精度导航无法实现。近些年，随着人工智能技术的快速发展，深度学习在图像处理领域体现出优越的性能[6]。研究成果表明，卷积神经网络作为深度学习的一种，在图像分割具有深层次挖掘图像特征等优点，特别适用于复杂背景环境下的视觉图像处理，所以将卷积神经网络与经典光流测速算法相结合，提高经典光流法的环境适应能力，对提高无人作战平台在城市巷战环境下的作战能力是十分必要的。
中北大学学位论文4光流计算精度[14]。图1-3PX4FLOW光流传感器Fig.1-3TheopticalflowsensorofPX4FLOW.光流作为新兴视觉导航中不可或缺的一部分，在国内也引起了广大研究学者的关注。2014年，吕强和张洪涛等人成功利用光流组合惯性单元进行了无人机悬停实验[15,16]。2015年，宋宇使用两个光流传感器解决了小型无人机在室内对速度、位置和姿态的获取问题，不足是该光流传感器获取姿态的精度与飞行高度有关[17]。在同一年，张聪炫利用基于图像金字塔分层的全局优化直接重建方法，有效解决了位移较大带来的图像边缘溢出问题[18]。2016年，东北大学的肖军等人提出使用Harris角点结合LK光流法跟踪对象，并引入光流误差法，消除跟踪失败的角点，提高了LK光流法的跟踪精度[19]。2017年，华北理工大学的陈至坤提出在HS光流法中添加动量因子来加快HS光流算法的速度，并将此方法运动到机器人上，加快了机器人的避障速度[20]。2018年，王瑞荣等人针对环境光照微弱或光流传感器距地高度小于摄像头焦距等问题，利用Elman神经网络对载体速度进行了预测，提高了导航对环境的适应性[21]。2019年，山东理工大学的孙晓峰等人利用LK光流算法作为车道线区域内的一种障碍物信息评价指标，提高了汽车无人自动驾驶对障碍物检测的精度，完成了高速公路上的车载实验[22]。表1-1国内外研究现状对比Tab.1-1Comparisonofresearchstatusathomeandabroad.国外单位时间光流应用指标杨百翰大学2010年改进无人机避障较经典光流算法避障效率提高30%首尔国立大学2015年机器人室内定位在移动1000mm时定位误差为0.02%布达佩斯大学2016年机器人定位在长1200mm宽1600mm区域内定位最大误差小于220mm宾夕法尼亚大学2018年微型飞行器定位在长3000mm宽2500mm区?
【参考文献】：
期刊论文
[1]小型无人侦察车远程定位系统研究[J]. 吴青青,段红建,王璞,方帆. 自动化技术与应用. 2020(01)
[2]改进光流法的避障与辅助导航算法[J]. 孙晓峰,宫金良,张彦斐. 激光杂志. 2019(10)
[3]基于脉冲耦合神经网络的HS变分光流算法研究[J]. 宋涛,陈兵,赵明富,黄铮,王勃,黄俊木. 激光杂志. 2019(02)
[4]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)
[5]改进ORB特征光流的飞行器室内导航方法[J]. 郝志洋,张虹波,车进,赵子君,葛聪乐. 弹箭与制导学报. 2019(01)
[6]一种四旋翼无人机定位的改进LK光流算法[J]. 李振宇,谢云,王松乐,肖洪波. 机床与液压. 2018(21)
[7]面向弱光流环境的惯性/光流组合导航方法研究[J]. 王瑞荣,陈瞳,李晓红. 电光与控制. 2019(01)
[8]无GPS导航下基于光流的小型无人机导航算法[J]. 曾幼涵,姜香菊. 传感器与微系统. 2018(09)
[9]用于无人机导航的光流测速优化方法[J]. 杨盛伟,赵伟,刘建业. 电光与控制. 2019(01)
[10]一种改进的HS光流法在机器人避障系统中的应用[J]. 陈至坤,曾凯,RAMAN Paranjape,钱俊蕾,王福斌. 科学技术与工程. 2017(04)
博士论文
[1]基于卷积神经网络的交通密度估计及车辆检测方法研究[D]. 罗志明.厦门大学 2017
[2]惯性/地磁匹配组合导航相关技术研究[D]. 朱占龙.东南大学 2015
硕士论文
[1]基于深度卷积神经网络的目标跟踪算法研究[D]. 陈会志.南京邮电大学 2019
[2]面向建筑物检测的无人机定位导航系统研究[D]. 罗阳.广东工业大学 2019
[3]无人机光流测速优化算法研究[D]. 杨盛伟.南京航空航天大学 2019
[4]无人作战移动平台控制系统及路径规划算法研究[D]. 董培方.南京理工大学 2018
[5]卷积神经网络在图像分类中的应用研究[D]. 吴正文.电子科技大学 2015
[6]基于模糊核聚类的电力系统切负荷损失评估[D]. 李蕊.湖北工业大学 2015
[7]基于SIFT的图像拼接和特征提取的研究[D]. 戴维理.电子科技大学 2015
[8]基于SIFT算法的图像匹配方法研究[D]. 汪松.西安电子科技大学 2013
[9]基于光流法的运动目标检测与跟踪技术[D]. 裴巧娜.北方工业大学 2009
本文编号：3038223
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3038223.html
