面向小型无人机的视觉高度测量和目标识别技术研究与FPGA优化

摘要

小型无人机（Unmanned Aerial Vehicle，简称UAV）的飞行姿态评估与视觉导航是小型无人机系统的两大关键技术。本文对小型无人机飞行姿态评估中的高度测量与视觉导航中的目标识别技术进行了相关研究与FPGA（Field Programmable Gate Array，简称FPGA）优化。
　　本研究主要内容包括：⑴针对小型无人机飞行高度测量在低空飞行以及城市、室内等复杂环境下传统传感器失效、测量精度不准确的情况和现有视觉高度测量方法受限于人工标志的问题，本文提出了一种自然环境下的基于光流法的视觉高度测量方法，为小型无人机的飞行姿态评估提供了一个有效的高度信息源。⑵针对光流法稠密性、实时性和灵活性的需求，本文设计了一种基于FPGA的参数可调的金字塔 LK(Lucas-Kanade)光流估计并行结构，同时，该结构具有可扩展性。金字塔LK光流，是LK光流的金字塔分层实现，该方法在扩展LK光流估计范围的同时又保持了LK光流估计良好的局部性和潜在的并行性。⑶针对视觉导航小型无人机在飞行过程中视角不断变化的特点，选择了一种目前流行的深度学习算法CDBN（Convolutional Deep Belief Network），利用该方法的平移不变性，进行视频场景中有无建筑物的图像二分类。⑷针对CDBN的深度学习结构训练时间长但又存在很大潜在并行度的特点，对其中的核心单元CRBM（Convolutional Restricted Boltzmann Machine）在定制的FPGA硬件架构下进行了优化设计。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1 课题研究背景

1.2 国内外研究现状

1.3 课题技术背景

1.4 小型无人机系统简介

1.5 论文结构

第二章 基于光流法的高度测量

2.1 高度测量的方法

2.2 光流法简介

2.3 基于光流法测量高度

2.4 实验分析

2.5 本章小结

第三章 金字塔LK光流的FPGA硬件加速器设计

3.1 金字塔LK光流

3.2 FPGA硬件设计

3.3 实验分析

3.4 本章小结

第四章 基于Convolutional DBN（CDBN）的目标识别

4.1 深度学习算法

4.2 CDBN算法介绍

4.3 基于CDBN的目标识别

4.4 实验分析

4.5 本章小结

第五章 面向定制结构的Convolutional RBM（CRBM）算法优化

5.1 深度学习处理结构简介

5.2 CRBM算法的数据分析

5.3 定制结构下的CRBM算法优化设计

5.4 本章小结

第六章 结束语

6.1 工作总结

6.2 研究展望

致谢

参考文献

作者在学期间取得的学术成果