共查询到20条相似文献,搜索用时 62 毫秒
1.
跑道检测识别与跟踪是基于视觉的无人机自主着陆的前提和难点,本文根据固定翼无人机基于视觉自主着陆的特点设计了包括跑道检测、跑道特征提取、跑道识别和跑道跟踪的方案,并在ARM Cortex-A9处理器中基于Linux系统使用OpenCV实现了该方案.最后按照逐步递进的方式分别对检测、检测识别、检测识别与跟踪结果进行了实验验证,并对实时性进行了分析.实验结果表明,通过该方案可以准确地识别图像中的跑道并具有较快的跟踪速度. 相似文献
2.
3.
基于人脸检测的人脸跟踪算法 总被引:10,自引:0,他引:10
文章提出了一种基于人脸检测技术的人脸跟踪算法。该算法利用前一帧的人脸检测结果预测当前帧中人脸可能的尺度与位置范围,在限定的范围内采用模板匹配与人工神经网分类的方法定位人脸,从而实现快速而可靠的人脸跟踪。由于使用了人脸检测技术,该方法可以自动定位初始人脸。实验表明该方法在具有复杂、动态变化背景的图象序列中是很有效的,速度为5-11Hz,可用于实时性系统。 相似文献
4.
一类视频序列中的人脸检测与实时跟踪算法 总被引:1,自引:0,他引:1
提出一种新的人脸快速检测与实时跟踪算法,能够对视频序列中的人脸进行快速、准确地检测和跟踪。算法分为开始状态、目标丢失状态的人脸检测和连续状态的目标跟踪。首先预测人脸两眼之间的中心位置,得到人脸的预测位置并对预测位置处的图像进行模板匹配,快速检测出人脸准确位置。然后利用检测出的人脸修正人脸模板,并在检测出的位置、旋转度、缩放比例等条件下,对后面序列图像进行小位置、小角度的快速跟踪。实验采用了多种环境下的大量视频,结果显示该算法能够快速跟踪视频序列中的人脸并具有很高的准确性、鲁棒性。 相似文献
5.
针对通用目标检测算法在交通场景下检测多目标时存在的小目标漏检和误检问题,提出了一种适用于交通场景下的目标检测与跟踪算法。基于K-means++聚类算法计算出适合交通场景下目标检测的锚定框(Anchor Box)和深度可分离卷积的思想优化目标检测算法。其次,利用匈牙利匹配将卡尔曼滤波的预测值和目标检测的实际值相关联匹配,以实现目标跟踪。实验结果证明,改进后的目标检测与跟踪算法较原始算法在mAP方面提升了2.3%,达到了99.13%;速度提升了20%,达到了30帧/秒,对交通场景下的特定目标均实现了准确检测跟踪,保持了较好的实时性。 相似文献
6.
移动机器人的视觉导航有多种方法,本文主要在直线信息丰富的室内环境中,对移动机器人导航采用基于Hough变换的直线检测与跟踪的方法,实验仿真结果表明,该方法是可行的。 相似文献
7.
8.
具有参数跟踪自适应观测器的故障检测与诊断系统 总被引:1,自引:1,他引:0
本文简单概括了故障检测与诊断的方法,介绍了具有参数自适应跟踪观测器的故障检测与诊断系统,分析了收敛性和渐近稳定性的条件,分别对参数匹配和不匹配两种情况的故障检测与诊断问题进行了讨论. 相似文献
9.
10.
车辆检测算法是汽车辅助驾驶系统中的核心算法之一。为了对摄像机抖动下的目标进行鲁棒跟踪,提出了一种新的基于投影的曲线模型匹配方法,利用投影的完整度、匹配点相对于模型的偏移量期望和方差的加权和作为相似性度量。在此基础上建立模型匹配算法,利用车辆模型匹配进行车辆的检测和跟踪。实验结果表明,该算法具有良好的适应能力,对不同车型、大小、颜色的车辆都能够进行很好的检测和跟踪,并能够在车辆颠簸造成摄像机抖动的情况下保持目标的稳定跟踪。 相似文献
11.
针对小型无人飞行器跟踪目标的问题,提出了一种基于双目视觉和Camshift算法的无人飞行器目标跟踪以及定位算法。双目相机得到的左右图像通过Camshift算法处理可得到目标中心特征点,对目标中心特征点进行三维重建,得到机体坐标系下无人飞行器与目标间的相对位置和偏航角,应用卡尔曼滤波算法对测量值进行了优化,将所得估计值作为飞行控制系统的反馈输入值,实现了无人飞行器自主跟踪飞行。结果表明所提算法误差较小,具有较高的稳定性与精确性。 相似文献
12.
针对无人机(UAV)跟踪过程中垂直跟踪框在处理尺度变化、相似物体和纵横比变化时限制了跟踪精度提升的问题,提出一种基于像素分类的多尺度UAV航拍目标旋转跟踪算法。首先,设计MS-ResNet以提取目标多尺度特征;然后,在具有正交特性的多通道响应图上设计像素二分类模块,从而进一步精确细化分类和回归分支的结果;同时,为了提高像素分类精度,使用并行通道空间注意力(scSE)模块在空间域和通道域上筛选目标特征;最后,在像素分类基础上生成贴合目标实际大小的旋转跟踪框,从而避免正样本受到污染。实验结果表明:所提算法在无人机跟踪数据集UAV123上的成功率和准确率分别为60.7%和79.5%、与孪生区域建议跟踪网络(SiamRPN)相比,成功率与准确率分别提升了5个百分点、2.7个百分点,同时速度为67.5 FPS,满足实时要求。所提算法具有良好的尺度适应能力、辨别能力和鲁棒性,能有效应对UAV跟踪任务。 相似文献
13.
14.
在无人机跟踪过程中,遮挡、光照变化、背景干扰等影响会导致跟踪目标丢失。基于SiamRPN算法提出一种无人机目标跟踪算法。通过在网络中加入空间条带池和全局上下文模块建立远程上下文关系,以适应不同的跟踪场景。同时利用改进交并比的计算方法提取目标特征,并回归精准的预测框。在UAV123数据集上的实验结果表明,相比SiamRPN、SiamFC、SAMF等算法,该算法的跟踪性能较优且具有较强的鲁棒性,尤其在背景干扰环境下,其精确率和成功率较SiamRPN算法分别提升了6.54%和11.63%。 相似文献
15.
相较于未带臂的无人机,带臂无人机(UAV)的飞行轨迹会出现较大偏差,更难以稳定控制。为了解决带臂UAV的精确轨迹控制问题,提出基于专家PID的带臂四旋翼无人机控制方法。首先,将机械臂搭载于UAV上把它们作为整体,并通过拉格朗日方程建立了带臂UAV的运动学和动力学系统模型;其次,设计专家PID控制器用于对系统的稳定控制;然后利用五次多项式对带臂UAV的机械臂进行轨迹规划;最后,通过仿真验证专家PID控制方法对带臂UAV稳定控制的有效性。实验结果表明,相较于常规PID控制,所提基于专家PID的控制方法提高了系统的响应速度,且能够有效地抑制外部扰动;该方法对于动作情况下的机械臂能够稳定地跟踪其轨迹,且具有很好的抗扰性和鲁棒性。 相似文献
16.
针对无人机自动驾驶仪参数标称值偏离实际值情况下的航迹跟踪问题,提出一种无人机三维航路自适应跟踪导引律。首先在无人机自动驾驶仪参数无偏离的条件下,推导出能够跟踪三维航路的速度指令、航迹倾斜角指令和航迹方位角指令,并使用Lyapunov稳定性理论证明了跟踪系统全局渐进稳定;之后考虑自动驾驶仪参数标称值偏离实际值的情况,设计自适应算法在线估计自动驾驶仪参数,得到无人机三维航路自适应跟踪导引律。仿真实验表明所提出的自适应跟踪导引律能够使无人机在自动驾驶仪参数偏离条件下有效跟踪三维航迹。 相似文献
17.
18.
基于无人机高光谱数据的玉米叶面积指数估算 总被引:1,自引:0,他引:1
无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index, LAI)对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58;RMSE为0.16~0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R 2为0.85~0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R2为0.66~0.72,RMSE为0.12~0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76~1.77/mNDVI))精度最高(R2=0.72,RMSE=0.13)。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。 相似文献
19.
为了解决欠驱动四旋翼无人机(UAV)在实际飞行中存在的外界干扰问题,同时提高在系统参数摄动情况下的精确轨迹跟踪效果,设计了一种基于扩张状态观测器(ESO)和积分型反步滑模算法的飞行控制策略。首先,根据系统的半耦合特性和严反馈结构特点,采用反步法设计姿态内环和位置外环控制器;然后,将抗干扰能力较强的滑模控制融入其中,使得系统的鲁棒性得到增强;接着,为了减小系统的稳态误差,引入积分环节;最后,利用ESO实时估算出系统的内、外总扰动并对控制量进行补偿。通过Lyapunov稳定判据,可以说明该系统是一个全局渐进稳定的系统,并通过仿真分析验证了所提控制方法的有效性和鲁棒性。 相似文献
20.
无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index, LAI)对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58;RMSE为0.16~0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R 2为0.85~0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R2为0.66~0.72,RMSE为0.12~0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76~1.77/mNDVI))精度最高(R2=0.72,RMSE=0.13)。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。 相似文献