面向图像三维重建的无人机航线规划

随着无人机技术的发展,无人机序列影像三维重建越来越受到人们的关注。为完整重建任务区域的三维模型并减少无人机飞行功耗,提出一种面向图像三维重建的无人机航线规划算法。针对凸多边形任务区域,在图像重叠度和时间连续性的要求下,基于光栅法规划扫描航线并结合最佳扫描方向使得转弯次数最少。借助Gazebo仿真平台,对比验证了无人机按照该算法规划的航线飞行时功耗更小,且拍摄得到的序列影像能够重建任务区域三维模型。     

基于三维重建的大区域无人机影像全自动拼接方法

低成本无人机由于不具有精密的惯性导航系统,其拍摄区域有可能是一些难以布设控制点的无人区,因此无法采用传统的航空摄影测量处理手段获得拍摄区域的拼接影像。为此,提出一种基于三维重建的无人机影像全自动拼接方法。利用从运动恢复结构和多视角立体算法重建拍摄区域的密集点云,根据密集点云数据采用一种基于邻点分布约束的点坐标插值算法内插待定点空间坐标,运用间接微分纠正方法对影像进行几何校正,从而获得几何一致的拼接影像。实验结果表明,该方法全程无需人工干预且拼接耗时短,相邻影像之间几何拼接精度约为2.5个像素。     

基于红外影像辅助的无人机自主巡检规划方法设计

为了提高对电网线路的自主巡检能力,设计了基于红外影像辅助技术的无人机自主巡检规划方法.在对电网线路实施红外成像处理的基础上,在机器视觉环境下提取红外影像的边缘轮廓特征量和纹理信息.然后结合对红外影像的信息融合和边缘区域检测结果提取影像的像素类别,通过模糊聚合融合处理方法检测影像的主成分特征,从而完成对影像信息增强处理....     

一种辅助轮廓线的断层医学图像三维重建算法

针对轮廓线重建过程中的轮廓分叉问题,提出了一种改进的多轮廓线三维重建算法,通过构造辅助轮廓线将多轮廓线的连接转换为单轮廓线的连接,改进了利用多轮廓线进行三维重建的不足,利用可接受表面实现特征点的三角化,并根据曲率的变化拟合重建过程中的不光滑表面,进而实现断层医学图像的三维重建。实验结果证明,运用本算法在保证重建物体正确的同时,缩短了体数据的构造时间,加快了整个表面的重建速度。     

基于规则信息的无人机图像建筑物提取

基于规则信息的无人机图像建筑物提取,首先要对待处理图像进行图像分割,经过大量的实验确定分割阈值为0.3,通过定义规则信息,解决了建筑物纹理特征与光谱特征与道路、裸地相似的问题,同时,将原始图像的提取结果和与进行主成分分析(PCA)处理后的图像的提取结果进行对比,证明了PCA后的图像提取精度高达85%。     

医学断层图像三维重建的辅助轮廓线法

在原有的轮廓线基础上生成与之相似的辅助轮廓线．然后把各轮廓线三角化形成一层层的三角面片,最后按一定的规则把各层三角面片从外到内直接连接形成四面体,从而完成三维重构．文中算法尤其适合基于断层轮廓线的医学图象三维重构,与已有的三维重构法（如MC．MT,Delaunay四面体化）相比,具有算法简单、思路自然、易于实现的特点．     

分层的线性迭代三维重建方法

为了重建三维物体,提出了一种基于分层的线性迭代三维重建方法,该方法首先利用所有图像序列构成的行向量生成的线性子空间之和与空间结构点构成的行向量生成的子空间是同一线性子空间及在该子空间中任何一个基底都可以作为射影重建的特性,线性迭代地完成射影重建,然后利用相机参数之间的相互约束关系,线性迭代地实现相机的自定标,完成到欧氏重建的过渡.模拟实验和真实实验表明:该重建方法具有鲁棒性好、收敛性好及重投影误差小等优点.     

基于运动恢复结构方法的植株三维重建

为了探究基于运动恢复结构(Structure From Motion, SFM)方法的植株三维重建模型的效果,为植物三维重建工作提供研究案例,本文以紫叶鸭跖草(setcreasea pallida)为研究对象,在搭建序列图像获取平台的基础上,选取35幅、75幅、105幅序列图像进行三维重建的对比分析;同时从植株表型参数方面,对植株三维重建模型进行精度评价。结果表明：75幅图像序列的重建效果最好;不同图像序列的模型计算的植株高度相对误差（Relative Error, RE）均小于2.5%,决定系数（coefficient of determination, R2）均大于0.998;不同图像序列的模型提取叶片长和叶片宽的RE均小于2.89%,R2均大于0.958。因此,序列图像的数量与重建模型的效果有关,但二者并非呈正相关关系;序列图像的数量对重建叶片的长与宽的误差影响较小;SFM方法应用于结构比较复杂的植株的三维重建可以取得较好的重建效果。     

小型四旋翼无人机序列影像三维重建实验

传统航空影像三维重建受到时效性、成本等限制,而无人机三维重建技术是解决中小范围三维地形问题的有效手段。基于小型四旋翼无人机航拍序列影像开展了三维重建实验。首先分析了小型无人机航拍三维重建流程的特点,随后重点讨论了无人机三维重建中涉及的关键问题,包括无人机飞行姿态控制、航速、航高、重叠度和拍照模式选择等,最后对比了不同软件的重建结果。实验结果表明,通过优化控制无人机飞行姿态、航高、航速、重叠度等因素,选择合理的序列影像获取模式,在不同的软件中均可完成精度较高的精细地物三维重建。     

基于侧影轮廓的图像三维重建方法

针对自标定单幅图像的三维重建问题,提出一种基于侧影轮廓的图像三维重建方法。使用成角度平面镜装置拍摄目标物体,对所得图像进行边缘跟踪,得到闭合的轮廓曲线,利用满足平面镜成像原理的2对侧影轮廓计算灭点,根据灭点间的约束关系计算相机参数,在此基础上重建得到物体的三维模型。实验结果表明,该方法能快速重建逼真的三维模型。     

无人机自组网路由协议研究综述

随着无人机软硬件技术的发展,多无人机集群自组织形成的无人机自组网（Flying Ad-Hoc networks, FANETs）受到了越来越多的来自学术界和工业界的关注,其灵活的部署和快速的反应能力使其能高效地完成多种多样的任务。而无人机自组网路由协议是提高服务质量（Quality of service, QoS）最重要的方法之一,但无人机自组网的移动性和动态性给路由协议的设计带来了严峻的挑战。传统的移动路由协议不能很好地满足无人机自组网的路由需求,因此研究者们从基于拓扑、地理和分层的角度提出了各式各样的无人机自组网路由协议,旨在克服移动性和提高网络的服务质量,并指出未来无人机自组网的路由协议可以考虑机会路由、软件定义网络（Software defined network,SDN）决策和预测驱动决策等综合提高QoS。本文主要针对无人机自组网网络特征,从不同的路由方法出发,SDN对路由协议进行总结和归纳,并对未来的研究方向进行了展望。     

Nonlocal Prior Bayesian Tomographic Reconstruction

Bayesian approaches, or maximum a posteriori (MAP) methods, are effective in providing solutions to ill-posed problems in image reconstruction. Based on Bayesian theory, prior information of the target image is imposed on image reconstruction to suppress noise. Conventionally, the information in most of prior models comes from weighted differences between pixel intensities within a small local neighborhood. In this paper, we propose a novel nonlocal prior such that differences are computed over a broader neighborhoods of each pixel with weights depending on its similarity with respect to the other pixels. In such a way connectivity and continuity of the image is exploited. A two-step reconstruction algorithm using the nonlocal prior is developed. The proposed nonlocal prior Bayesian reconstruction algorithm has been applied to emission tomographic reconstructions using both computer simulated data and patient SPECT data. Compared to several existing reconstruction methods, our approach shows better performance in both lowering the noise and preserving the edges.

Exploring Image Generation for UAV Change Detection

Change detection (CD) is becoming indispensable for unmanned aerial vehicles (UAVs), especially in the domain of water landing, rescue and search. However, even the most advanced models require large amounts of data for model training and testing. Therefore, sufficient labeled images with different imaging conditions are needed. Inspired by computer graphics, we present a cloning method to simulate inland-water scene and collect an auto-labeled simulated dataset. The simulated dataset consists of six challenges to test the effects of dynamic background, weather, and noise on change detection models. Then, we propose an image translation framework that translates simulated images to synthetic images. This framework uses shared parameters (encoder and generator) and 22 × 22 receptive fields (discriminator) to generate realistic synthetic images as model training sets. The experimental results indicate that: 1) different imaging challenges affect the performance of change detection models; 2) compared with simulated images, synthetic images can effectively improve the accuracy of supervised models.      

未知复杂环境中的无人机平滑飞行路径规划

针对无人机实时路径规划问题,提出了一种基于双层决策的平滑路径规划方法,以弥补现有方法在复杂飞行环境中对路径平滑性优化的不足,增强路径的易跟踪性.本文首先给出路径平滑性度量,然后建模上、下层决策目标、威胁规避与无人机性能约束并引入变长规划时间,进而设计基于双层决策的路径规划模型.规划过程中通过嵌入启发式优化策略来进一步改善路径的全局与局部平滑度,并提高路径搜索效率.大量复杂场景中的仿真及与现有经典方法的对比结果表明:该方法能够实时避开复杂危险区域,规划适合飞行的、较短的平滑路径.     

基于多任务的无人机编队控制研究

考虑到多架无人机编队飞行的特点,将松散编队及协同思想应用到紧密编队控制中,提出了一个三架无人机协同作战编队的飞行控制系统设计方法;在编队飞行动力学模型的基础上,设计了基于特征结构配置的无人机横侧向控制律,进行指定航路的飞行控制;然后,设计编队控制器,两架僚机可紧紧跟随长机并保持队形稳定;仿真结果表明,设计的控制器可以控制多架无人机进行紧密编队飞行,具有一定的实用性和推广价值。     

A review of path following control strategies for autonomous robotic vehicles: Theory,simulations, and experiments

This article presents an in-depth review of path following control strategies that are applicable to a wide range class of marine, ground, and aerial autonomous robotic vehicles. From a control system standpoint, path following can be formulated as the problem of stabilizing a path following error system that describes the dynamics of position and possibly orientation errors of a vehicle with respect to a path, with the errors defined in an appropriate reference frame. In spite of the large variety of path following methods described in the literature we show that, in principle, most of them can be categorized in two groups: stabilization of the path following error system expressed either in the vehicle's body frame or in a frame attached to a “reference point” moving along the path, such as a Frenet-Serret (F-S) frame or a Parallel Transport (P-T) frame. With this observation, we provide a unified formulation that is simple but general enough to cover many methods available in the literature. We then discuss the advantages and disadvantages of each method, comparing them from the design and implementation standpoint. We further show experimental results of the path following methods obtained from field trials testing with under-actuated and over-actuated autonomous marine vehicles. In addition, we introduce open-source Matlab and Gazebo/ROS simulation toolboxes that are helpful in testing path following methods before their integration in the combined guidance, navigation, and control systems of autonomous vehicles.     

Fault‐tolerant formation control of multiple UAVs in the presence of actuator faults

In order to counteract actuator faults in formation flight of multiple unmanned aerial vehicles (UAVs), this paper presents a fault‐tolerant formation control (FTFC) design methodology, in which the reference generator and the finite‐time convergence of FTFC gains are explicitly considered. Feasible references in response to actuator faults can be generated by considering the health and mission conditions of an overall team of UAVs. Moreover, by applying an auxiliary integrated regressor matrix and vector method, FTFC gains can converge within a finite amount of time to facilitate the fault accommodation process. Thus, the negative effects resulting from failed actuators can be compensated by the healthy/redundant actuators in UAVs. Simulation studies of UAV formation flight are carried out to exemplify the effectiveness of this design approach. Copyright © 2015 John Wiley & Sons, Ltd.     

基于多视角的高精度三维人脸重建

提出了一种多阶段优化的方法来解决基于多视角图片在未知姿态、表情以及光照条件下的高精度三维人脸重建问题.首先,通过重新渲染合成的方法将参数化模型拟合到输入的多视角图片,然后在纹理域上求解一个光流问题来获取不同视角之间的对应关系.通过对应关系可以恢复出人脸的点云,并利用基于明暗恢复几何的方法来恢复人脸细节.在真实数据以及合成数据下的实验结果表明,文中方法能够恢复出带有几何细节的高精度的三维人脸模型,并且提高了现有方法的重建精度.     

基于显著图融合的无人机载热红外图像目标检测方法

利用无人机载的热红外图像开展行人及车辆检测, 在交通监控、智能安防、防灾应急等领域中, 具有巨大的应用潜力. 热红外图像能够在夜间或者光照条件不理想的情况对场景目标清晰成像, 但也往往存在对比度低、纹理特征弱的缺点. 为此, 本文提出使用热红外图像的显著图来进行图像增强, 作为目标检测器的注意力机制, 并研究仅使用热红外图像和其显著图提高目标检测性能的方法. 此外, 针对无人机内存不足、算力有限的特点, 设计使用轻量化网络YOLOv3-MobileNetv2作为目标检测模型. 在实验中, 本文训练了YOLOv3网络作为检测的评价基准网络. 使用BASNet生成显著图, 通过通道替换和像素级加权融合两种方案将热红外图像与其对应的显著图进行融合增强, 比较了不同方案下YOLOv3-MobileNetv2模型的检测性能. 统计结果显示, 行人及车辆的平均精确度(Average precision, AP)相对于基准分别提升了6.7%和5.7%, 同时检测速度提升了60%, 模型大小降低了58%. 该算法模型为开拓无人机载热红外图像的应用领域提供了可靠的技术支撑.