基于MEANSHIFT的小型无人机位置解算方法研究

摘要

无人机产生于20世纪20年代，随着高新科技的快速发展，无人机将在未来的军事以及民用领域显现越发广阔的应用前景。由于其具有尺寸小、隐蔽性好、质量轻、成本低、性价比高等优点，无人机的自主飞行关键技术备受瞩目，而无人机的定位算法是无人机自主飞行的关键技术之一。近年来，许多国内外专家对无人机的定位方法进行了深入的探究。本文主要基于meanshift目标跟踪算法提出一种对处于悬停状态中的无人机实时定位的方法。
　　首先，介绍了无人机定位领域的基础知识和摄像机标定理论，对meanshift目标跟踪算法进行了详细介绍，由于meanshift跟踪算法的局限性，特引入Kalman滤波技术，并运用其预测和校正技术，针对目标快速移动和发生遮挡的情况，提出了一种融合Kalman的改进meanshift算法。此算法的关键点是根据已知目标模板和候选目标模板之间的颜色直方图匹配度决定算法的下一步是通过Kalman预测进行目标追踪还是选择通过融合Kalman校正技术的meanshift算法进行目标追踪，从而得到准确的跟踪轨迹。经实验验证，这种改进的meanshift算法具有较好的鲁棒性，可以实现实验的预期目标。
　　然后，介绍了基于meanshift目标跟踪算法的无人机位置解算方法。将基于摄像机标定的定位方法与此方法形成对比，说明本方法的可行性与实用性。本方法利用改进后的meanshift目标跟踪算法提取出目标运动轨迹，并根据机载摄像头图像中任意两点在世界坐标系下的间距与相应的在图像像素坐标系下的间距之比不变的理论知识和空间距离公式来解算悬停无人机的世界坐标。
　　最后，在实验室环境中进行定位实验，以四轴飞行器为飞行载体，验证了根据改进meanshift目标跟踪算法解算无人机世界坐标的可行性。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 国内外无人机发展现状

1．2．2 国内外无人机定位方法研究现状

1．3 课题关键技术

1．4 论文研究内容及结构安排

第二章 无人机导航基础知识

2．1 无人机导航系统

2．1．1 自主导航系统

2．1．2 非自主导航系统

2．2 导航传感器

2．2．1 惯性传感器

2．2．2 视觉传感器

2．2．3 激光测距传感器

2．3 摄像机标定

2．3．1 标定原理

2．3．2 坐标转换关系

2．4 本章小结

第三章 meanshift目标跟踪算法

3．1 视频目标处理基础知识

3．1．1 目标检测方法

3．1．2 目标跟踪方法

3．1．3 特征提取方法

3．2 meanshift理论

3．2．1 meanshift向量

3．2．2 概率密度梯度

3．2．3 基本meanshift算法

3．3 meanshift在目标跟踪中的应用

3．3．1 meanshift跟踪原理

3．3．2 meanshift跟踪算法流程

3．3．3 meanshift目标跟踪的优缺点分析

3．4 融合Kalman滤波的meanshift目标跟踪算法

3．4．1 Kalman滤波

3．4．2 融合Kalman的meanshift目标跟踪方法

3．4．3 实验结果及分析

3．5 本章小结

第四章 基于meanshift的小型无人机位置解算方法设计

4．1 引言

4．2 基于摄像机标定的小型无人机位置解算方法

4．2．1 方法介绍

4．2．2 方法不足

4．3 基于meanshift的小型无人机位置解算方法

4．3．1 方法介绍

4．3．2 方法分析及说明

4．4 本章小结

第五章 基于meanshift的小型无人机位置解算仿真实验

5．1 实验载体

5．1．1 载体介绍

5．1．2 载体硬件构成

5．1．3 载体平稳性能测试

5．2 实验平台

5．3 基于摄像机标定的飞行器位置解算仿真实验

5．3．1 实验场景

5．3．2 采用摄像机标定反算飞行器位置

5．3．3 实验结果与不足

5．4 基于meanshift的飞行器位置解算仿真实验

5．4．1 实验场景

5．4．2 采用融合Kalman的meanshift算法对小车跟踪

5．4．3 解算飞行器位置

5．4．4 实验结果及分析

5．5 实验对比分析

5．6 本章小结

第六章 总结与展望

6．1 本文工作总结

6．2 工作展望

参考文献

发表论文和参加科研情况说明

致谢