论文部分内容阅读
为了让无人机在森林、室内、以及建筑物繁多的城市且GPS信号较弱甚至失效的情况下都能对隐蔽目标进行侦查并及时采取措施,需要对UAV装备视觉传感器等任务设备采集更加可靠的运动目标图像信息,并对图像进行检测、识别和跟踪。同时结合无人机控制系统闭环周期短的特点,需要保证其视觉系统每个环节的实时性和整个视觉伺服系统的精确度与稳定性。本文根据视觉图像处理算法和四旋翼飞行器控制原理,研究了目标检测、目标识别、目标跟踪以及视觉伺服等技术,并且设计了小型无人机视觉识别与跟踪系统。主要研究工作和成果如下:首先,本文在嵌入式任务板上实现了MobileNet-SSD算法。在目标检测与识别方面,基于SSD目标检测算法,在无人机嵌入式任务板上,对机载摄像头采集到的视频流进行处理,实现了地面运动目标的实时检测,通过将更加轻量级的MobileNet与SSD相结合,提高了SSD算法的实时性。其次,针对运算性能较差的嵌入式开发平台,本文对TLD算法进行了改进和实验。在目标跟踪方面,基于经典long-term目标跟踪算法TLD进行改进,通过采用缩小目标搜索区域和动态调整方差分类器阈值的改进策略,对比于原生TLD算法,它的实时性提升了13.16%,同时也确保了它的精确度。然后,针对运算性能较强的嵌入式开发平台,本文提出了基于双重孪生网络与相关滤波器的目标跟踪算法。通过深入研究基于深度学习的目标跟踪算法SiamFC和融合了相关滤波器特点的目标跟踪算法CFnet,并且将相似性学习问题中的外观特征和图像分类问题中的语义特征进行结合,设计了双重全卷积孪生网络,提高了视觉目标跟踪的鲁棒性。最后,本文设计了无人机视觉伺服控制系统。本文论述了该无人机视觉识别和跟踪系统硬件平台的选择以及软件系统的实现,采用PID控制规律,通过设计视觉伺服IBVS控制程序,实现了无人机对所选择目标的实时跟踪。