无人机跟踪系统仿真平台的设计与实现

为解决无人机(Unmanned Aerial Vehicle, UAV)在进行地面目标跟踪实验时,存在验证难度大,成本高等问题,设计和实现了基于视景仿真软件和MATLAB/Simulink的仿真平台.首先,选择汽车作为地面目标,在视景仿真软件中导入UAV和汽车的三维模型,并设置虚拟云台和摄像机.其次,利用UAV、汽车与云台之间的相对运动模拟UAV跟踪过程中场景的变化,基于运动补偿的云台控制算法保证了虚拟摄像机始终指向目标.然后,虚拟摄像机采集目标所在区域的图片,图像跟踪算法跟踪图片中的目标,并利用目标图像模型解算目标在世界坐标系下的位置.最后,根据目标位置,使用参考点制导法生成期望的滚转角指令,引导UAV围绕目标盘旋飞行.视景仿真软件、图像跟踪算法和MATLAB/Simulink之间通过共享内存与UDP进行闭环通信.此外,提出一种实用可靠的标定方法,完成了视景仿真软件中虚拟摄像机内参矩阵的标定.仿真结果表明:该仿真平台能较好地模拟UAV对不同运动状态汽车的跟踪,得到的仿真结果具有较高的工程参考价值.本文的研究成果为目标跟踪实验提供了良好的仿真环境,有效减少实验成本.     

基于李代数的人体手臂惯性动作捕捉算法

为了实现实时人体手臂动作捕捉,提出了一种利用惯性传感器实现人体手臂动作捕捉的方法.利用惯性测量单元(IMU)解算出的四元数信息,得到手臂腕部、肘部和肩部关节点的位置.将惯性数据通过蓝牙无线通信方法传到上位机.采用具有毫米级动作捕捉精度的OptiTrack光学动作捕捉设备,得到人体手臂的位置数据,并将其作为基准位置数据.将IMU坐标系下解算出的位置信息变换到OptiTrack坐标系下进行对比.结果表明,该方法适用于自由活动环境下的动作跟踪,具有较高的动作捕捉精度.     

基于视觉-磁引导的无人机动态跟踪与精准着陆

针对无人机通过视觉对地面动态目标跟踪过程中视角固定易丢失目标,以及在着陆过程中由于成像畸变严重、画面不稳定导致定位精度差的问题,提出随动视觉跟踪的跟踪控制策略和基于视觉联合磁引导的获取无人机高精度相对位姿的方法. 在跟踪过程中,设计新型信标图案供无人机进行视觉识别获取目标的方位,识别速度可以达到5 ms/帧,通过随动视觉跟踪完成实时跟踪. 在着陆过程中,在动态目标上设置磁源,利用无人机检测磁场特性并通过BP神经网络解算相对位置;在信标图案内设置平行线特征,用于近镜头时辅助视觉解算相对角度. 在获取无人机相对位姿后,进行相应的运动控制即可完成着陆. 实验结果表明,跟踪过程稳定可靠,抗干扰能力强;着陆精度高,着陆误差小于2 cm.     

基于Unscented卡尔曼滤波的目标跟踪仿真分析

卡尔曼滤波技术是目标跟踪的理论基础之一.在工程应用中,多采用非线性滤波的方法对目标进行跟踪.介绍了Unscented变换,通过使用Unscented卡尔曼滤波(UKF)对目标跟踪进行仿真实验,Un-scented卡尔曼滤波有效地克服了传统的扩展卡尔曼滤波算法(EKF)的缺陷.给出了最佳估计的二阶近似,提高了对目标跟踪的精度和稳定性.仿真结果表明,该算法对目标在位置、速度跟踪方面均有良好的效果;针对目标机动,采用多模型滤波算法能够实现目标机动的精确跟踪.     

基于视觉的自主无人机目标跟踪着陆方法研究

无人机与地面无人车组成空地协同机器人系统,可以显著提高两者作业效率以及机器人系统的自主化程度。针对无人机自主回收过程中存在的定位困难和着陆成功率较低的问题,提出一种适用于空地异构系统自主无人机目标跟踪着陆方法。首先,运用机载视觉算法对降落标志进行目标识别与位置解算,对于无人机难以获得目标的运动状态导致跟踪着陆失败的问题,提出一种基于主动视觉的目标速度估计算法,实现目标无人车运动状态估计。其次,提出分阶段降落策略解决在动态目标上着陆时冗余度较低和目标易短暂丢失的问题,实现无人机对目标的自主跟踪着陆。利用视觉设备辅以无人机仿真实验平台进行实验,结果表明系统各部分都能有效运行,验证了所提出算法和策略的有效性。     

基于动态规划的多目标复合检测与跟踪算法

基于动态规划的多目标检测跟踪算法涉及计算量爆炸和邻近目标难分辨的问题．针对实际应用中目标个数未知和环境中强弱目标并存限制的情况,提出一种基于动态规划的多目标复合检测与跟踪算法．首先利用传统恒虚警率(CFAR)算法进行一次检测,实现对强目标的检测和剔除;然后采用基于动态规划检测前跟踪算法对一次检测后的数据进行分区动态规划,实现对微弱目标的检测与跟踪,从而实现复杂环境下密集目标的有效探测．通过仿真和实测数据对本文算法性能进行了验证,结果表明该算法的高效性和稳健性．     

基于小波变换与卡尔曼滤波的多目标跟踪

利用小波变换和卡尔曼滤波研究多目标检测与跟踪问题.采用小波三层分解原理,对图像进行去噪处理,得到的低频图像再进行背景差分运算,从而检测出运动目标.采用卡尔曼滤波先预测出目标在下一帧的位置,通过前后帧的目标位置计算半径值,结合k近邻算法在半径内采用k近邻数据关联,取与预测位置欧氏距离最短的点为目标在下一帧中出现的真实位置.通过MATLAB对实验进行仿真.结果表明,方法可有效提高多目标检测与跟踪的准确性和抗遮挡性.     

一种基于多帧积累粒子初始化的PF-TBD算法

针对低信噪比条件下传统粒子滤波-检测前跟踪(PF-TBD)算法粒子初始分布针对性不强而导致起始阶段检测和跟踪性能较差的问题,提出一种粒子初始化新算法.该算法首先利用目标幅度帧间的相关性,通过多帧的幅度积累,突出目标可能的位置;然后再根据这些位置初始化粒子,增强粒子分布的针对性,使粒子快速向目标真实位置聚集.理论分析和仿真结果表明,新算法提高了起始阶段目标的检测和跟踪性能.     

一种基于主成分分析的空间数据配准算法

提出基于主成分分析(Principal component analysis,PCA)实现空间数据配准的方法,空间数据主分量之间的空间关系反映了参考坐标系的空间关系.基本原理是利用PCA变换得到空间数据特征向量和重心坐标构造矩阵,利用构造矩阵之间的相似变换得到空间坐标系变换矩阵;利用变换矩阵对空间数据进行变换,再基于目标函数寻找变换矩阵的最优解.实验表明,该算法是获取空间参考坐标变换关系初值的有效手段.     

无人机编队视频序列中的多目标精确跟踪

针对无人机编队视频序列中的多目标精确跟踪的要求,使用STK三维建模软件模拟无人机编队飞行视频,通过双差分图像操作、多分辨率连通分支标记算法确定图像中的运动区域.提出了一种改进的贪婪算法,利用已确定的矩形运动区域作为初始轮廓,实现对无人机目标的精确轮廓提取.以运动区域的中心位置为输入,建立在线卡尔曼滤波器组对多目标进行跟踪,并由此提出了如何对多目标中的遮挡问题进行判定、分割的方法.仿真实验验证了文中提出的方法.     

面向无人机的逐点偏移式卫星导航欺骗干扰方法

针对无人机在失控肇事、干扰航管、窥视窃密、恐怖袭击等方面的危害,本文提出一种基于逐点拉偏式卫星导航欺骗方法,通过重构错误的导航坐标系诱骗目标无人机飞离敏感区域保护地面安全。该方法将整个无人机欺骗过程看作是单步位置欺骗拉偏的时间迭代过程,首先根据无人机的运动学模型以及外部量测信息估算出无人机的真实位置点以及真实控制输入量;然后考虑无人机飞行控制器对欺骗效果的影响,在真实控制输入量中抵消掉预先设置的欺骗控制力矩效果,设计构造虚假卫星信号使得GNSS/INS组合导航模式下的滤波估计无人机位置点仍靠近原始期望目标点,但发生了偏差;最后这种偏差产生的无人机轨迹跟踪控制输入量会导致无人机真实状态点往欺骗目标点偏移,实现单步卫星导航欺骗效果。单步欺骗过程在时间上的迭代运用,可实现无人机位置的逐点偏移式欺骗。仿真结果显示利用逐点偏移式卫星导航欺骗方法能使得目标无人机慢慢偏离原始轨迹而跟踪欺骗轨迹,且组合导航滤波器估计轨迹仍跟踪原始参考轨迹,达到了卫星导航欺骗的目的。本文提出的基于逐点拉偏式卫星导航欺骗干扰技术可用于保障重点区域/人员的低空安全防护。     

采用欺骗参数扩维估计的弹道目标跟踪方法

针对弹道导弹突防过程中施放的有源距离假目标干扰给反导雷达跟踪系统带来的挑战,提出了一种改进的基于欺骗参数扩维估计的弹道目标跟踪方法．首先,推导了球坐标系下真假弹道目标的普适动力学方程,建立了基于欺骗参数扩维估计的弹道目标跟踪状态方程和量测方程．然后,利用求容积卡尔曼滤波器(CKF)实现免微分计算,并采用联合概率数据互联(JPDA)算法实现航迹与点迹之间的数据关联．最后,通过对距离欺骗参数的估计结果设计干扰鉴别算法,实现跟踪和干扰鉴别的一体化和实时性．仿真结果表明,该方法不仅拥有良好干扰鉴别能力,且有较高的跟踪精度．     

无人机编队视频序列中的多目标精确跟踪

针对无人机编队视频序列中的多目标精确跟踪的要求,使用STK（satellitetoolkit）三雏建模软件模拟无人机UAV（unmanned aerial vehicle）编队飞行视频,通过双差分图像操作和多分辨率连通分支标记算法确定图像中的运动区域．提出了一种改进的贪婪算法,利用已确定的矩形运动区域作为初始轮廓,实现对无人机目标的精确轮廓提取．以运动区域的中心位置为输入,建立在线卡尔曼滤波器组对多目标进行跟踪,并由此提出了如何对多目标中的遮挡问题进行判定、分割的方法．仿真实验验证了文中所提的方法.     

未知环境中无人机适航地图构建与地面目标跟踪

提出一种无人机在未知环境中通过D-S证据理论构建目标适航地图,并结合适航地图和贝叶斯非线性滤波方法进行目标跟踪的算法.为解决观测间隔时间可能较长的问题,基于FPKE和适航地图来预测目标位置概率分布的时间演进;在量测更新时充分考虑无人机的观测视野,将未观测到目标应用于目标位置概率分布的量测更新.仿真结果表明,该算法能够有效提高无人机在未知环境中跟踪地面目标的准确性.     

面向嵌入式系统的复杂场景三维目标融合检测方法

为解决复杂道路场景下,运行在嵌入式设备上的3D目标检测算法存在准确率低、实时性差等问题,提出了一种基于视觉2D目标检测和激光雷达3D目标检测结果级融合的方法。首先在YOLOv3算法的网络结构引入注意力机制,得到图像坐标系下2D目标检测结果;其次融合谱聚类和基于动态半径阈值的欧式聚类,得到点云坐标系下3D目标检测结果;最后通过相机和激光雷达联合标定统一坐标系,利用交占比(IOU)方法得到融合检测结果。实验结果表明：文中提出的多传感器融合检测算法,在KITTI 3D目标检测数据集表现良好,并可以在实车嵌入式平台进行部署,实时获得目标的多维信息,为智能汽车在路径上最近的车辆(CIPV)进行目标跟踪和轨迹预测提供了有效的数据支撑。     

动态压缩感知波达方向跟踪算法

针对现有动态目标波达方向(DOA)跟踪方法在单快拍条件下估计精度较低甚至失效的问题,提出了一种基于动态压缩感知的DOA跟踪算法。首先,通过前一跟踪时刻所得到的先验DOA稀疏信息,获得当前跟踪时刻信号向量中各位置非零元素的分布概率,继而建立起动态DOA的稀疏概率模型。然后,采用加权l1范数最小化方法重构出当前跟踪时刻的信号向量,从而确定非零元素的位置,获得DOA的实时估计值,最终实现运动目标的动态DOA跟踪。本文算法可以在单快拍条件下实现对动态目标DOA的良好跟踪,并且在相同条件下具有比粒子滤波算法更好的跟踪性能。最后,通过仿真试验对所提算法进行了有效性验证。     

基于Meanshift与摄像机标定的无人机定位方法

针对在全球定位系统信号失效的情况下,提出一种利用机载相机拍摄的移动物体轨迹及其与无人机的相对位置解算无人机的绝对位置的方法.将Meanshift目标跟踪算法与摄像机标定技术相融合进行位置解算,即根据获得的摄像机内外参数、移动物体的图像像素坐标和无人机与移动物体的相对位置确定无人机的世界坐标.经多组实验数据验证,位置解算值绝对误差均不超过真实值的1%,分析结果证明了本方法在无人机自主定位领域的可行性.     

混合坐标下的卡尔曼滤波应用于水下被动目标跟踪

针对下水下被动目标跟踪数据率低、跟踪误差大的特点和难点,研究了混合坐标下的自适应推广卡尔曼滤波算法,并将其应用于水被动目标跟踪估计器设计,该算法充分应用了直角坐标系下动态方程的线性特性和极坐标系下测量方程的线性特性,针对两坐标系间协方差矩阵变换的近似,引入了虚拟噪声进行补偿。通过系统的MonteCarlo仿真结果表明：该算法在收敛速度和估计精度方面都优于单一坐标体系下的滤波算法。     

一种基于特征的动态目标检测与跟踪算法

为解决图像处理特征目标物易受环境影响的问题,采用图像处理和颜色匹配的方法,提出一种基于特征的动态目标的检测和跟踪算法．首先对图像进行灰度化处理并获取图像梯度,确定目标物的弱可疑区。利用非完全特征匹配确定强可疑区,再进行完全特征检测确定目标物的位置,并根据运动物体两次移动位置计算出跟踪摄像器件的旋转方向和角度,最终实现对动态目标物的检测与跟踪．实验证明,该算法能够较好地完成动态目标物的检测与跟踪．     

全景视觉非线性核相关滤波目标跟踪技术

为了实现全景视觉下目标跟踪,本文提出了基于非线性核相关滤波的全景视觉目标跟踪算法,该算法将岭回归与循环样本矩阵和经典的相关滤波联系在一起。通过核技巧,建立了非线性回归函数,解决了全景成像畸变的影响。通过在极坐标系下构造傅里叶形式的梯度方向直方图特征描述子(HOG),保证了全景目标的旋转不变性。针对全景成像特点设计自适应机制和基于极坐标表示的目标搜索机制。以OTB100库中存在平面内旋转情况的图像序列与原方法进行对比实验,本文算法跟踪精度提高13.5%。并在全景图像上进行实验,相比于原方法,本文算法能够实现有效全景视觉目标跟踪。