USV返航过程中的光视觉目标跟踪方法研究

摘要

水面无人艇(Unmanned Surface Vehicle，USV)是新兴的水面作战平台之一，在民用、军事领域都发挥着重要作用，具有广阔的发展前景。水面无人艇的可见光视觉系统和雷达、红外传感器相比，在近距离时获取的图像颜色和纹理信息更加丰富。当水面无人艇完成任务需要返回港口既定位置，对已知的静态参照物进行跟踪时，基于可见光的目标模板匹配、识别和跟踪是其实现自主、准确和快速返回港口的重要技术。
　　本文以水面无人艇港口的已知静态目标为研究对象，在大量实验的基础上，研究了基于光视觉的水面目标跟踪技术。本文主要实现了水面无人艇可见光图像的预处理、可见光目标的识别和可见光目标的跟踪。主要研究内容如下:
　　(1)本文对可见光图像成像原理、返航过程中的目标特性、图像噪声特性进行详细分析，并从滤波去噪和图像高亮区域去除两方面，进行方法研究及实验，实现水面可见光图像预处理。
　　(2)本文采用水面无人艇的目标模板库特征和场景特征相匹配的方法实现港口已知目标的识别。为了保证水面无人艇目标识别的准确性和实时性，本文研究了多种图像局部特征检测方法。针对SURF方法实时性不高的问题，本文结合SURF特征提取和LBP特征描述对原SURF方法进行改进，并采用欧氏距离最近邻法和随机抽样一致性法完成图像匹配。本文通过大量实验，多角度比较了改进型匹配算法和常用的基于局部不变特征的匹配算法，并在改进型匹配算法的基础上，实现了目标识别。
　　(3)STAPLE目标跟踪算法实现了相关滤波模板特征方法和颜色特征方法的互补结合，有利于USV返航过程中尺度不断变化、目标快速运动和光照变化等问题的解决，但对海上风浪及无人艇机械振动引起的运动模糊场景下的目标跟踪效果不佳。为此，本文在对STAPLE的滤波器进行训练时，合理增加背景信息，使得原算法对运动模糊有较强的适应能力。
　　(4)为了更好地解决USV返航过程中，航行速度快，对算法实时性要求较高的问题，本文对算法的运算过程进行了优化，对平移滤波器和尺度滤波器分别进行了PCA降维以及QR分解，提高了算法的运行速度。
　　(5)目标跟踪过程中，若目标受到遮挡，将会使累计误差逐渐变大，容易导致目标跟丢。本文使用特征点匹配跟踪和背景感知的STAPLE相结合的方法，加入遮挡检查，并制定遇遮挡跟踪策略，有效地解决了某些因目标被遮挡导致跟踪失败的问题。

目录

声明

摘要

第1章绪论

1．1课题研究背景及意义

1．2课题研究现状分析

1．2．1水面无人艇国内外研究现状

1．2．2基于视觉的目标识别技术研究现状

1．2．3基于视觉的目标跟踪技术研究现状

1．3论文的主要研究内容和章节安排

第2章USV返航过程中的可见光图像预处理

2．1引言

2．2光学图像特征分析

2．2．1可见光成像原理分析

2．2．2 USV返航过程中的目标特性分析

2．2．3图像噪声特性分析

2．3水面图像滤波去噪

2．3．1线性滤波

2．3．2非线性滤波

2．3．3去噪方法结果分析

2．4水面图像高亮区域去除

2．4．1数学形态学原理

2．4．2水面高亮区域去除效果分析

2．5本章小结

第3章USV返航过程中的可见光目标识别

3．1引言

3．2常用的局部特征检测方法

3．2．1 SIFT算子

3．2．2 SURF算子

3．2．3 ORB算子

3．3改进型SURF的图像匹配方法

3．3．1改进的SURF的特征点描述方法

3．3．2特征点匹配方法

3．3．3多角度比较图像匹配方法

3．4可见光目标标记

3．5本章小结

第4章USV返航过程中的可见光目标跟踪

4．1引言

4．2 STAPLE目标跟踪算法

4．2．1 STAPLE目标跟踪算法的理论基础

4．2．2 STAPLE目标跟踪算法的数学描述

4．3改进的STAPLE目标跟踪方法

4．3．1背景感知的STAPLE目标跟踪方法

4．3．2 STAPLE跟踪算法速度提升

4．4基于STAPLE的抗遮挡跟踪方法

4．4．1特征点的数据库建立及匹配分类

4．4．2有效集建立

4．4．3遮挡判断及有效集更新

4．4．4记忆更新策略

4．5本章小结

第5章改进算法的实验验证

5．1引言

5．2．1 CT跟踪算法

5．2．2 TLD跟踪算法

5．3实验环境与实验方案设计

5．4实验结果与分析

5．4．1目标无干扰状态下跟踪效果验证

5．4．2目标噪声干扰状态下跟踪效果验证

5．4．3目标运动模糊状态下跟踪效果验证

5．4．4目标部分遮挡状态下跟踪效果验证

5．4．5目标严重遮挡状态下跟踪效果验证

5．4．6实验结果分析

5．5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢