论文部分内容阅读
目标追踪是旋翼无人机的一个重要的研究以及应用方向。本文针对无人机目标追踪任务中目标形态多变、追踪场景多变、传感器信号不稳定等问题,设计了一种基于双目视觉的旋翼无人机长时间目标追踪算法,并设计实验验证本文算法可用于行人、车辆追踪,引导降落,目标引导等多种场景。本文主要的工作与贡献如下(1)本文回顾了金字塔L-K光流法以及Sift特征点匹配的理论知识,介绍了双目系统目标定位的原理,列举了常用的视觉坐标系及其转换矩阵。(2)提出了一种基于TLD框架的目标追踪算法,该算法通过Adaboost算法扩展了经典的TLD算法中检测器模块,提高了目标检测的速度。该算法使用Harris角点作为光流跟踪点,光流计算后综合FB误差与MSD匹配误差筛选光流跟踪点,提高了计算精度和算法效率。(3)市场上大多无人机目标追踪系统仅适用于高空环境,从而无法完成对小型目标的追踪;由于目标在视野中的尺寸、形态等随时间发生变化,这些系统无法长时间有效追踪目标;常见的无人机跟踪系统无法脱离GPS导航系统,同时追踪过程中不能保证与目标相对位置保持不变。针对上述问题本文提出了基于TLD框架目标追踪—目标区域Sift特征点匹配—视差计算—目标位姿估计—航点计算的导航算法。针对目标外形是否已知,本文提出了 PNP/RANSAC算法的目标位姿估计方法。为了解决GPS失锁时绝对航点坐标无法计算的问题,提出在相机坐标系下边测算边定位的方法,实现了无GPS下纯目标引导。(4)本文设计多种实验场景,验证该算法可以应用于预设场景并解决(3)中的问题,其中行人目标形态多变,车辆目标追踪场景快速变化。在室内环境下分别对目标外形已知和未知的目标进行位姿测算。在室外复杂环境下以高空“俯视”方式完成对行人、车辆的跟踪实验和目标引导降落实验,以低空“平视”方式完成目标追踪实验并且在无GPS情况下,在低空中完成目标引导实验进而克服传感器信号不稳定的问题。