基于视觉的夜间无人机导航特征的提取

在不借助外在设备和在普遍性假设的情况下，对基于视觉的无人机夜间自主着陆所需的跑道位置和方向特征提取进行了研究，降低了对外界信息和其他测量仪器的依赖性，增强了独立自主性，进一步降低了成本。对夜间机场跑道，其上的指示灯是反映其位置和方向的重要特征，这些指示灯具有明显的线性特征。通过对视频图像采用灰度形态学和邻域处理的方法进行处理，得到足够的特征点，将这些特征点所反映的跑道的边缘及中线，用Hough变换进行提取。对实际视频图像的实验证明了该方法的有效性。     

基于改进Hough变换的前视机场跑道识别方法

提出了一种基于Hough变换的前视机场跑道识别算法。该算法基于跑道灰度图的直线边缘特征，利用直线边缘特有的灰度方向和直线方向一致的特点改进了基于二值化边缘点的传统Hough法，并在此基础上实现了复杂背景下的机场跑道识别。真实跑道图像测试表明本算法具有良好的识别效果。     

机场跑道异物定位算法研究

跑道异物的存在给机场安全造成了很大的危险隐患,为了减小异物存在导致的经济和人身安全的影响,利用三维坐标定位技术,将Hough变换改进后用于确定跑道位置,归一化算法实现以机场跑道灯为特征点的匹配,同时为了提高匹配效果,采用特征点旋转整合,有效获取特征点位置。结合传感器逐区域扫描时的方位改变与像机初始坐标系换算关系,确定跑道异物的相对空间位置,实现对跑道异物的定位。该算法利用坐标变换方法,理论基础完善,实际应用时,所需传感器数目较少,成本较低,定位准确,有很好的应用价值。     

用于UAV视觉导航的跑道检测与跟踪

跑道检测与跟踪是UAV视觉导航研究的重点内容.针对UAV着陆过程中跑道变化情况,提出一种新的方法,利用单目视觉信息,基于距离跑道的远近不同采用不同的策略实现跑道检测与跟踪,帮助UAV自主降落在安全区域.当距离较远时,利用地平线检测和模板匹配的方法对跑道进行定位;结合模板更新策略实现跑道跟踪;当距离较近时,在融合远距离跑道方位信息的基础上利用改进型Canny算子和Hough变换对跑道边缘进行更精确的描述.实验结果表明,利用该方法可以有效地对跑道进行检测和跟踪,并且具有较快的处理速度.     

基于自适应特征融合的无纹理3D目标跟踪

基于轮廓匹配的无纹理3D目标跟踪算法需要根据3D模型和2D投影轮廓的3D—2D匹配点连续估计目标的位置和姿态,但在背景复杂和运动模糊的情况下容易错配导致跟踪失败.针对此问题,提出一种基于自适应特征融合的3D目标跟踪算法.首先在3D模型投影轮廓附近进行轮廓匹配和颜色统计建模,以提取轮廓特征和颜色特征;然后定义基于轮廓特征和颜色特征自适应加权的能量函数,并计算其相对于位置和姿态参数的偏导数;最后通过LM优化算法求解位置和姿态参数的最优值.为处理目标和相机的快速运动,采用由粗到细的策略在多尺度视频帧中迭代跟踪.定性和定量实验结果表明,在复杂背景和运动模糊的情况下,该算法仍能实现快速稳定的跟踪,具有较高的精确性和鲁棒性.     

基于视觉的无人机着陆时机场标记的检测与识别

主要研究基于视觉的无人机在自主着陆时,机场跑道在图像中的检测和识别问题.首先,提取一些高亮度斑点,然后采用特殊聚类处理算法对这些含背景噪声、伪目标的点进行聚类.并根据透视原理、矩形约束条件以及目标的前视约束条件共同建立识别模型.在这些聚类中使用识别模型进行识别,这在很大程度上减少计算时间.实验表明,在距离跑道较远、跑道标记不很清晰的情况下,仍然可以有效检测和识别跑道,适合于基于视觉的无人机的自主着陆过程.     

基于模糊熵高斯聚类的弱点状动目标跟踪技术

研究了一种基于最大模糊熵高斯聚类的实时图像目标跟踪算法:在目标初始信息(位置、速度)已知的情况下,应用最大模糊熵高斯聚类的方法进行跟踪窗内测量点融合,将融合后的点输入到Kalman滤波器中进行预测目标点下一个状态的位置,在预测位置继续开一个跟踪窗进行检测、融合,直至所有图像都被跟踪完为止。理论及实验结果表明,在序列图像情况下该算法能够在保持跟踪实时性的同时,提供较高的跟踪精度。     

基于粒子滤波的欠驱动移动机器人多目标点跟踪控制

针对欠驱动移动机器人的多目标点跟踪问题,提出了一种基于粒子滤波的高精度跟踪控制方法;具体地,在考虑移动机器人采样噪声的情况下,首先利用粒子滤波对移动机器人的位置信息进行处理,得到精准可靠的移动机器人状态信息;在此基础上,根据欠驱动移动机器人的运动学模型以及目标点的分布状况,设计基于反馈控制的多目标点跟踪控制方法;相对于传统的欠驱动移动机器人目标点跟踪控制算法,改进了该控制方法中增益参数的约束条件,有效避免了移动机器人在接近目标点时产生的奇异现象,有效提高了移动机器人对目标点的跟踪精度;此外,分析了该目标点跟踪控制系统的稳定性,并通过数值仿真验证了所提方法的可行性与有效性.     

基于特征融合的改进LCT跟踪算法

为解决LCT算法在目标形变与快速移动情况下跟踪效果差的问题,提出一种基于特征融合的跟踪算法。在梯度方向直方图特征相关滤波的基础上,提取目标与背景颜色直方图特征,得到颜色特征的目标预测位置。在此基础上,根据跟踪置信度确定特征融合权重,综合考虑梯度特征与颜色特征得到跟踪结果。实验结果证明,与LCT算法相比,该算法的距离精度和重叠精度分别提高了11.5%和21.2%,平均中心位置误差减少了15.3像素。     

基于线特征的机场跑道定位算法

提出了一种基于线特征的机场跑道识别定位算法。首先,将方向小波变换用于目标的边缘检测,得到了定位准确、边缘连续、背景较为干净的机场边缘图;然后,利用标定了梯度方向的边缘点作为Hough变换的基本元素,将Hough变换的全局"投票"过程变为目标方向上的局部投票,并且将直线段的检测和定位过程融为一体,从而得到跑道的描述信息。实验结果验证了该算法的有效性和稳健性。     

适用于机场跑道识别的改进Hough变换

机场跑道的卫星图片经过处理后表现出来的骨架特征为边缘直线,在边缘图像中检测直线通常使用的方法是Hough变换（HT）.由于（HT）是一种穷举式的搜索,在处理复杂图像时存在大量无效计算,实时性较差.针对机场跑道识别的实时性要求,提出一种改进的用于在二值图像中检测直线的快速Hough变换算法,此算法克服了标准Hough变换以图像边界点为扫描边界的缺点,并且能及时中断无谓的扫描,较好地解决了无效累积问题,实验证明,与标准Hough变换相比,它不仅具备Hough变换原有的高可靠性和抗干扰能力,而且具备Hough变换所不具备的高效性和低存储,克服了标准Hough变换的高计算代价和耗存储的缺点.     

指针式仪表读数的机器视觉智能识别方法

为快速准确地自动识别指针式仪表读数,采用机器视觉技术,结合减影法和Hough变换法对仪表读数进行智能识别.对指针式仪表图像进行图像二值化、形态学处理和边缘检测预处理;利用Hough变换检测仪表中的指针,计算得到指针方向和定位圆形,实现指针式仪表的智能识别.实验结果表明:读数识别的平均相对误差为0.91%,精度较高,能较好地识别指针式仪表读数.     

基于Hough变换的实验数据坏点剔除方法

在实验测试中,除了获得包含误差的正常数据,实验员常常也可能观察到一些明显错误的点,我们称之为"坏点"。坏点的存在可能会严重影响实验最终结果的可靠性,所以在数据分析前,应该被处理掉。以往的常规坏点处理方法多为肉眼查看,手动排除。这种方法工作量大,并且判断依据不够明确,只靠"感觉",另外,在接收到大量数据的时候,手动法无能为力。本文在使用计算机编程的基础上,应用Hough变换,提出了一种坏点剔除的新方法,可处理符合直线拟合特征的实验数据中的坏点;作为扩展应用,该方法也可以处理以下两种数据:可通过函数变换转化为符合线性分布的数据和Hough变换可处理的服从曲线分布的数据。仿真实验和实际应用表明,本方法具有较好的性能。     

基于运动约束二步聚类Hough变换航迹起始算法

针对基于减法聚类的Hough变换航迹起始法存在的虚假航迹起始率高、目标航迹点缺失严重的问题,提出了一种基于运动二步约束聚类的Hough变换航迹起始法;该算法首先采用直观法滤除部分杂波点;随后利用Hough变换进行低阈值筛选;然后利用减法聚类得到多个聚类中心;最后由最近邻法判断出每个样本点所归属于聚类中心,得到目标航迹的数目以及参数;仿真表明,在密集杂波环境下,文章提出的算法的航迹起始概率近似是多级Hough变化航迹起始算法的1.2倍,同时虚假航迹起始概率是多级Hough变化航迹起始算法的三分之一,结果表明该算法改善了航迹起始的性能,特别适合于密集杂波下低信噪比目标的目标检测问题。     

基于形态学和Hough变换的QR码校正与定位方法

提出一种基于形态学和Hough变换的定位及校正方法。先利用图像形态学的处理方法去除无关的背景信息并提取二维码轮廓,再利用Hough变化检测边缘并提取角点位置,然后通过逆投影校正图像,最后利用位置探测图形进行精确定位。通过实验证明本方法的有效与稳定性。该方法提供了二维码在复杂背景中准确定位的一种新途径。     

基于自动化采煤设备定位系统应用研究

介绍了一种基于雷达的长壁采煤机械定位系统,该系统基于雷达测距传感器,用于确定采矿设备相对于矿山煤巷基础设施的位置,通过试验验证了使用雷达传感器进行定位的合理性。为了从单个雷达信号中估计两个关键的定位参数,即沿轨位置和跨轨位置,研究了几种概率数据处理技术,对于跨轨位置,传统的卡尔曼滤波方法足以实现可靠的估计,对于沿轨位置估计,必须通过跟踪算法来识别煤巷肋墙上的特定基础设施元素,我们在三维交互显示中探索了一种新的可视化分析方法以方便识别重要特征用于分类器算法,基于分类器的输出,使用已识别的元素作为位置路径点,可以提供一个稳定和准确的采矿设备定位估计。     

基于Mask R-CNN的机场地面保护区航空器识别研究

为解决民航中小机场缺乏低成本运行的防跑道侵入技术的问题,提出了一种通过摄像头获取地面保护区图像信息以防止跑道侵入的模型。该模型首先利用迁移学习Mask R-CNN对航空器进行识别和跟踪,通过结合摄像头在地面保护区的布局方案,提出了一种基于摄像头的检测结果判断是否发生跑道侵入的逻辑电路。该模型通过等比例缩小的机场模型进行实验验证。结果表明,该模型的跟踪准确率为95%,可以有效地跟踪机场场面目标,进而判断跑道侵入的发生。