分析无人机基于视觉无人机自动着陆相关技术
最后更新时间:2024-03-15
作者:用户投稿本站原创
点赞:7147
浏览:23079
论文导读:近况17-351.2.1合作目标的设计与检测17-271.2.2基于视觉的无人机位姿估计27-331.2.3基于视觉的动目标跟踪33-351.3本论文的主要工作35-37第2章摄像机成像模型及其标定策略37-562.1摄像机成像模型37-412.1.1参考坐标系37-382.1.2摄像机线性模型38-412.2非线性模型41-432.2.1镜头畸变类型41-422.2.2摄相机非线性成像
摘要:无人机在军用和民用中具有广阔的运用前景。对于无人机来说,要能够在执行完既定任务后实现安全、可靠地回收,以利于重复利用。但是目前关于无人机系统安全回收方面的探讨和运用还有着着很多不足,探讨资料表明,无人机回收历程中失败导致的飞行事故占整个执行任务中飞行事故的80%以上。本论文针对基于视觉的无人机自动着陆技术进行了深入探讨,探讨内容主要包括以下三方面:(1)摄像机运动条件下运动目标的检测策略。首先探讨了一种基于运动补偿的动目标检测策略,该策略通过补偿全局背景将动态背景静态化,然后采取三帧差分法进行运动目标检测。由于该策略涉及到角点检测、角点匹配和运动参数估计等,检测历程复杂,运算量大。针对该不足,本论文提出了一种动态背景下基于YCbCr颜色空间的动目标检测策略,首先根据YCbCr颜色模型建立颜色直方图并进行图像分割,图像分割后进行图像后续处理并检测出运动目标。实验结果显示,该策略精度优于常用的基于运动补偿的动目标检测策略,并且实时性更好。(2)基于视觉的无人机位姿估计策略。根据摄像机投影原理,探讨了两种适用于实验平台的无人机位姿估计策略,即基于单目视觉和基于动态立体视觉的无人机位姿估计策略。然后设计了一套室内无人机位姿估计仿真系统,采取实用性强的LED光源作为合作目标。仿真结果显示,本论文提出的基于动态立体视觉的位姿估计策略的估计精度显著优于基于单目视觉的位姿估计策略。(3)基于视觉的运动目标跟踪策略。为了使无人机安全平稳地降落在运动平台上,需要采取视觉算法跟踪运转中的运动平台才能进行降落。针对视觉跟踪不足,首先探讨了基于UKF的动目标跟踪策略,然后探讨了基于波门跟踪法的动目标跟踪策略。实验结果显示,基于UKF的动目标跟踪策略能比较好地预测跟踪目标的轨迹,但其运算量比较大,历程繁琐;基于波门跟踪法的动目标跟踪策略能很好地预测并跟踪运动目标,因为采取波门跟踪原理,跟踪算法实时性强,抗噪性好,该策略在动目标跟踪中有非常实用的价值。关键词:动目标检测论文位姿估计论文跟踪论文动态立体视觉论文无人机论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要6-8
Abstract8-15
第1章 绪论15-37
3.
4.
5.
5.
5.
结论117-121
参考文献121-131
攻读硕士学位期间发表的论文和获得的科研成果131-133
致谢133-134
摘要:无人机在军用和民用中具有广阔的运用前景。对于无人机来说,要能够在执行完既定任务后实现安全、可靠地回收,以利于重复利用。但是目前关于无人机系统安全回收方面的探讨和运用还有着着很多不足,探讨资料表明,无人机回收历程中失败导致的飞行事故占整个执行任务中飞行事故的80%以上。本论文针对基于视觉的无人机自动着陆技术进行了深入探讨,探讨内容主要包括以下三方面:(1)摄像机运动条件下运动目标的检测策略。首先探讨了一种基于运动补偿的动目标检测策略,该策略通过补偿全局背景将动态背景静态化,然后采取三帧差分法进行运动目标检测。由于该策略涉及到角点检测、角点匹配和运动参数估计等,检测历程复杂,运算量大。针对该不足,本论文提出了一种动态背景下基于YCbCr颜色空间的动目标检测策略,首先根据YCbCr颜色模型建立颜色直方图并进行图像分割,图像分割后进行图像后续处理并检测出运动目标。实验结果显示,该策略精度优于常用的基于运动补偿的动目标检测策略,并且实时性更好。(2)基于视觉的无人机位姿估计策略。根据摄像机投影原理,探讨了两种适用于实验平台的无人机位姿估计策略,即基于单目视觉和基于动态立体视觉的无人机位姿估计策略。然后设计了一套室内无人机位姿估计仿真系统,采取实用性强的LED光源作为合作目标。仿真结果显示,本论文提出的基于动态立体视觉的位姿估计策略的估计精度显著优于基于单目视觉的位姿估计策略。(3)基于视觉的运动目标跟踪策略。为了使无人机安全平稳地降落在运动平台上,需要采取视觉算法跟踪运转中的运动平台才能进行降落。针对视觉跟踪不足,首先探讨了基于UKF的动目标跟踪策略,然后探讨了基于波门跟踪法的动目标跟踪策略。实验结果显示,基于UKF的动目标跟踪策略能比较好地预测跟踪目标的轨迹,但其运算量比较大,历程繁琐;基于波门跟踪法的动目标跟踪策略能很好地预测并跟踪运动目标,因为采取波门跟踪原理,跟踪算法实时性强,抗噪性好,该策略在动目标跟踪中有非常实用的价值。关键词:动目标检测论文位姿估计论文跟踪论文动态立体视觉论文无人机论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要6-8
Abstract8-15
第1章 绪论15-37
1.1 课题的提出15-17
1.2 国内外探讨近况17-35
1.2.1 合作目标的设计与检测17-27
1.2.2 基于视觉的无人机位姿估计27-33
1.2.3 基于视觉的动目标跟踪33-35
1.3 本论文的主要工作35-37
第2章 摄像机成像模型及其标定策略37-562.1 摄像机成像模型37-41
2.1.1 参考坐标系37-38
2.1.2 摄像机线性模型38-41
2.2 非线性模型41-432.1 镜头畸变类型41-42
2.2 摄相机非线性成像模型42-43
2.3 摄像机标定策略43-54
2.3.1 传统标定策略44-47
2.3.2 自标定策略47-49
2.3.3 基于主动视觉的标定策略49-50
2.3.4 张正友标定法50-54
2.4 本章小结54-56
第3章 基于摄像机运动的动目标检测策略探讨56-793.1 全局运动估计与补偿57-66
3.1.1 背景运动参数模型的建立57-59
3.1.2 特点点的提取与匹配59-64
3.1.3 全局运动参数的鲁棒估计64-65
3.1.4 全局运动补偿65-66
3.2 基于运动补偿的动目标检测策略66-683.
2.1 三帧差分法66-67
3.2.2 图像分割67
3.2.3 形态学处理67-68
3.3 基于 YCBCR 颜色空间的动目标检测策略68-753.1 颜色空间模型70-73
3.2 颜色空间模型的选取73-74
3.3 图像去噪74-75
3.4 实验结果与浅析75-77
3.5 本章小结77-79
第4章 基于视觉的无人机位姿估计策略探讨79-994.1 合作目标的设计79-80
4.2 合作目标的检测策略80-84
4.2.1 基于区域生长法的连通区域标记80-81
4.2.2 轮廓跟踪81-82
4.2.3 椭圆检测82-84
4.3 实验平台84-884.
3.1 整体结构84-86
4.3.2 电气结构和硬件系统86-8论文导读:位姿估计89-934.4.2基于动态立体视觉的无人机位姿估计93-964.5实验结果与浅析96-984.6本章小结98-99第5章基于视觉的运动目标跟踪策略探讨99-1175.1基于UKF的动目标跟踪策略99-1045.1.1UT变换100-1015.1.2基于UKF状态估计的动目标跟踪策略101-1045.2波门跟踪原理104-1055.2.1跟踪波门设计104-1055.2跟踪方式
84.4 基于视觉的无人机位姿估计策略88-96
4.1 基于单目视觉的无人机位姿估计89-93
4.2 基于动态立体视觉的无人机位姿估计93-96
4.5 实验结果与浅析96-98
4.6 本章小结98-99
第5章 基于视觉的运动目标跟踪策略探讨99-1175.1 基于 UKF 的动目标跟踪策略99-104
5.1.1 UT 变换100-101
5.1.2 基于 UKF 状态估计的动目标跟踪策略101-104
5.2 波门跟踪原理104-1055.
2.1 跟踪波门设计104-105
5.2.2 跟踪方式105
5.3 基于波门跟踪法的动目标跟踪策略105-1095.
3.1 基于轨迹拟合的位置预测策略105-107
5.3.2 波门跟踪历程107-108
5.3.3 实验平台与位置估计策略108-109
5.4 实验结果与浅析109-1155.
4.1 基于 UKF 的动目标跟踪策略的结果与浅析109-111
5.4.2 基于波门跟踪法的动目标跟踪策略的结果与浅析111-115
5.5 本章小结115-117结论117-121
参考文献121-131
攻读硕士学位期间发表的论文和获得的科研成果131-133
致谢133-134