论文部分内容阅读
自主目标检测和跟踪技术是无人机自主能力中的重要体现,在无人机导航、搜索、精确打击、以及打击后的效果评估等方面发挥着重要作用。由于视觉信息的丰富性、及其传感器系统的隐蔽性,基于视觉目标检测和目标跟踪技术,受到国内外学者越来越多的关注。然而,由于受到计算机视觉理论和技术发展的制约,以及机载应用场景的复杂多变、机载计算资源的制约、载机平台的运动等多种应用环境因素的影响,机载视觉自主目标检测和跟踪技术还有许多理论和技术问题亟待解决。
本文结合自主无人机的技术需求,针对视觉导航中的地理特征提取问题、运动目标检测和跟踪问题展开了深入的研究,重点工作包括:多种分辨率下的典型线状目标的快速检测算法和描述方法研究;中分辨率地面运动目标的检测算法和高分辨率路面图像的车辆提取技术研究;针对MS算法环境适应性差的缺陷展开的提高MS算法稳定性和全局跟踪能力的研究等等,并取得了部分成果。论文工作的主要贡献如下:
①利用道路等目标在低分辨率航空图像中呈线状的特性,结合密度估计的思想,提出了一种基于LWF的线状目标检测和描述算法。该方法首先深入分析了灰度图像和二值图像在采用不同外形函数时的计算准则,为各种领域中的LWF计算提供依据;接着提出了基于LWF的小目标检测算子和中心线检测算子以提取航空图像中的线状目标及其中心线,并分析了不同外形函数对检测结果的影响,最终分别选用常数外形函数和高斯外形函数来实现上述两个算子,二者可分别通过积分图像法和累积图像法快速计算;最后采用增量拟合的方法来矢量化提取出的线状目标的中心线。实验证明,该算法效率很高,对参数的依赖性小,对噪声不敏感且具有较强的环境适应性。
②提出了一种基于总变分和形态学的航空图像道路检测算法。在深入分析了中高分辨率航空图像中道路特性的基础上,提出了基于邻域总变分的似然函数、变分灰度直方图、基于区域总变分似然函数及长宽比的变分几何准则、变分几何模式频谱等概念并将其成功运用到道路检测中。实验证明,该算法效率较高且具有良好的稳定性和较强的环境适应能力。
③提出了一种基于时空域融合分析的地面运动目标检测算法。时域分析方面,综合利用多分辨率分析技术、FAST算子计算效率高、SUSAN算子定位精度好的特性,提出了一种称为SFAST的特征检测算子,该方法提取的特征点定位精度高,空间分布范围广,能够代表图像中明显的结构特征,故适合于基于匹配的运动区域检测。空域分析方面,提出了一种采用LWF和变分分析技术来生成显著性图像和显著目标区域的方法。实验证明,结合时域和空域分析的方法检测效果较好,环境适应性强,且效率很高,可满足机载监控系统在线处理的需要。
④提出了一种基于纹理和颜色分析的高分辨率航空图像路面车辆检测算法,以处理跟踪失败时路面车辆的重新定位或跟踪阶段新出现的路面车辆的检测等任务。纹理分析利用扩展的LBP分析技术形成有效的路面约束,颜色分析基于NCT变换。实验证明,该算法效率较高且具有较强的环境适应性。
⑤对经典MS跟踪器在稳定性和全局跟踪能力方面进行了改进,提出了稳健的具有全局跟踪能力的APMS跟踪器。稳定性方面,引入并分析了目标模型特征和候选特征交叉选择的基本思想及其效果。全局跟踪能力方面,介绍了一种基于多分辨率分析的方法及一种自适应决定分辨率等级的准则,在实现全局跟踪能力的同时减小了算法的计算复杂度。实验证明,该方法效率很高,对目标的初始化误差不敏感,且可处理存在相机抖动或目标被遮挡的情况。