基于增量式SFM的特定目标加速定位方法

针对当前增量式运动恢复结构法中每加入一幅图片需要循环多次光束平差迭代造成的大计算量和三维重建过程点云目标针对性弱等问题,提出两步改进方法。首先,引入一种分段调节函数。在三角化步骤之后,计算系统的重投影误差,通过比较此误差与事先设定的阈值,以此判断后续局部迭代优化步骤的运行方式。随后,待所有图像注册完毕,使用SURF算法进行二次图像匹配。确定特定目标的图像坐标和对应空间相对位置,并完成对应点云重建过程,同时滤除无用冗余信息。实验证明,改进方法在基本维持原有定位精度的基础上,可以较大的提高系统运行速度,并且能够从众多目标中快速准确地找到所需目标位置,最终生成空间点云,具有较强的实用价值。     

无地面控制的无人机影像全自动快速拼接

为了满足地理国情监测、灾害应急保障需要快速响应和服务的应用需求,该文提出一种无地面控制的无人机影像全自动快速拼接方法。该方法利用尺寸不变特征匹配和相关系数匹配获取分布均匀且高精度的像点观测,通过自由网光束法平差获取定向参数和加密点物方坐标,最后通过结合影像的色彩一致性处理和顾及重叠的面Voronoi图接缝线网络快速拼接获取测区影像图。实验结果表明:所提出的方法可有效解决无人机影像的快速拼接问题,获取的影像图具有较高的拼接精度,同时色彩过渡自然。     

无人机影像序贯实时平差

无人机已经成为突发事件应急测绘的首要选择,但采用传统的POS辅助光束法平差仍是一种"延迟"事后处理的方法。本文将平差中序贯平差的方法作用于POS辅助光束法平差,极大地减少了平差的计算量。采用真实数据进行了实验,实验结果表明本文方法的测量平差精度优于40cm,且达到了实时平差的效果。     

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Voronoi图划分的节点模糊信息定位算法

针对基于接收信号强度的无线传感器网络节点定位算法精度低的问题,提出一种基于Voronoi图划分的节点模糊信息定位算法。根据锚节点个数对定位区域进行Voronoi图划分,将整个定位区域划分为不同的Voronoi区域,同时获得各个Voronoi区域的顶点坐标。使用高斯滤波方法筛选出可以作为参考节点的顶点坐标,通过顶点坐标和锚节点联合定位未知节点。利用模糊信息定位方法计算出未知节点的最终位置。实验结果表明,相比M ANLFI算法和FINL-DT算法,该算法能够有效提高节点定位精度,降低网络能耗。     

基于图划分抽样算法的图表示学习

在基于神经网络的图表示算法中,当节点属性维度过高、图的规模过大时,从内存到显存的数据传输会成为训练性能的瓶颈。针对这类问题,该方法将图划分算法应用于图表示学习中,降低了内存访问的I/O开销。该方法根据图节点的度数,将图划分成若干个块,使用显存缓存池存储若干个特征矩阵块。每一轮训练,使用缓存池中的特征矩阵块,以此来减少内存到显存的数据拷贝。针对这一思想,该方法使用基于图划分的抽样算法,设计显存的缓存池来降低内存的访问,运用多级负采样算法,降低训练中负样本采样的时间复杂度。在多个数据集上,与现有方法对比发现,该方法的下游机器学习准确率与原算法基本一致,训练效率可以提高2~ 7倍。实验结果表明,基于图划分的图表示学习能高效训练模型,同时保证节点表示向量的测试效果。今后的课题可以使用严谨的理论证明,阐明图划分模型与原模型的理论误差。     

基于尺度不变特征的影像自动拼接

影像拼接主要存在拼接错位和拼接缝的问题.本文首先采用RANSAC算法剔除SIFT特征匹配的误匹配点并进行初始单应矩阵估计;其次引入光束法平差消除误差的累积,实现精确的全局对准从而避免拼接错位;最后采用多波段融合消除拼接缝效应.试验证明,本文实现的影像自动拼接算法很好地克服了以上问题,得到视觉效果较好的拼接影像.     

一种基于归一化割的图像分割算法

归一化割准则不仅度量了不同分组之间的总体不相似性,同时度量了各个组之内的总体相似性.具体研究了基于归一化割的图像分割算法,并将其应用于不同类型的图像分割中,取得了较好的效果.     

静止背景下基于图割的运动目标检测算法

运动目标检测是计算机视觉应用领域中基本而又重要的一步。针对背景差法检测边缘粗糙,存有空洞、噪点的不足,提出一种基于图割的运动目标检测算法。首先把问题转化为能量最小化的组合优化问题,然后构造网络使能量与网络的割的容量相对应,最后利用最大流-最小割算法寻找其最优解。实验结果表明,算法检测精度高、鲁棒性强。     

基于半直接法SLAM的大场景稠密三维重建系统

当前三维重建系统大多基于特征点法和直接法的同时定位与地图重建(SLAM)系统,特征点法SLAM难以在特征点缺失的地方具有较好的重建结果,直接法SLAM在相机运动过快时难以进行位姿估计,从而造成重建效果不理想.针对上述问题,文中提出基于半直接法SLAM的大场景稠密三维重建系统.通过深度相机(RGB-D相机)扫描,在特征点丰富的区域使用特征点法进行相机位姿估计,在特征点缺失区域使用直接法进行位姿估计,减小光度误差,优化相机位姿.然后使用优化后较准确的相机位姿进行地图构建,采用面元模型,应用构建变形图的方法进行点云的位姿估计和融合,最终获得较理想的三维重建模型.实验表明,文中系统可适用于各个场合的三维重建,得到较理想的三维重建模型.     

基于多视角多监督网络的无人机图像定位方法

针对现有跨视角图像匹配算法精度低的问题,提出了一种基于多视角多监督网络（MMNet）的无人机（UAV）定位方法。首先,所提方法融合卫星视角和UAV视角,在统一的网络架构下学习全局和局部特征并以多监督方式训练分类网络并执行度量任务。具体来说,MMNet主要采用了重加权正则化三元组损失（RRT）学习全局特征,该损失利用重加权和距离正则化加权策略来解决多视角样本不平衡以及特征空间结构紊乱的问题。同时,为了关注目标地点中心建筑的上下文信息,MMNet对特征图进行方形环切割来获取局部特征。然后,分别用交叉熵损失和RRT执行分类和度量任务。最终,使用加权策略聚合全局和局部特征来表征目标地点图像。通过在当前流行的UAV数据集University-1652上进行实验,可知MMNet在UAV定位任务的召回率Recall@1 (R@1)及平均精准率（AP）上分别达到83.97%和86.96%。实验结果表明,相较于LCM、SFPN等方法,MMNet显著提升了跨视角图像的匹配精度,进而增强了UAV图像定位的实用性。     

无人机图像拼接算法综述

无人机图像拼接是一个日益受到关注的研究领域,已经成为了照相绘图学、计算机图形学等研究的热点。首先给出了无人机图像拼接的一般步骤,重点归纳了三种特色鲜明的配准算法,然后简单阐述了图像融合的步骤和算法,最后通过归纳分析选定了适合无人机图像拼接的算法,并且展望了该领域的前景。     

基于改进遗传算法的无人机路径规划

针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机(UAV)路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径.首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复...     

低小慢无人机降落野外场景识别方法

针对低小慢无人机野外飞行场景复杂自主降落场景识别问题,提出了一种融合局部金字塔特征和卷积神经网络学习特征的野外场景识别算法。首先,将场景分为4×4和8×8块的小场景,使用方向梯度直方图（HOG）算法提取所有块的场景特征,所有特征首尾连接得到具有空间金字塔特性的特征向量。其次,设计一个针对场景分类的深度卷积神经网络,采用调优训练方法得到卷积神经网络模型,并提取深度网络学习特征。最后,连接两个特征得到最终场景特征,并使用支持向量机（SVM）分类器进行分类。所提算法在Sports-8、Scene-15、Indoor-67以及自建数据集上较传统手工特征方法的识别准确率提高了4个百分点以上。实验结果表明,所提算法能有效提升降落场景识别准确率。     

基于改进教学算法的无人机航路规划

针对传统教-学优化（TLBO）算法进行航路规划时收敛速度慢、容易陷入局部最优的问题,提出一种自适应交叉教-学优化（AC-TLBO）算法。首先,该算法令传统教-学优化（TLBO）算法的教学因子随着迭代次数而发生变化,提高算法的学习速度;其次,当算法可能要陷入局部最优时,加入一定的扰动,使算法尽可能地跳出局部最优;最后,为了进一步提升算法的收敛效果,在算法中引入遗传算法的交叉环节。利用传统教-学优化（TLBO）算法、自适应交叉教-学优化（AC-TLBO）算法和量子粒子群优化（QPSO）算法进行无人机航路规划,仿真结果表明,在10次规划中,自适应交叉教-学优化（AC-TLBO）算法有8次找到了全局最优路径,而传统教-学优化（TLBO）算法和量子粒子群优化（QPSO）算法分别只找到了2次和1次;而且自适应交叉教-学优化（AC-TLBO）算法的收敛速度高于另外两种算法。     

基于MAVLink协议的无人机系统安全通信方案

MAVLink是一种应用于无人机（UAV）与地面站（GCS）之间的轻量级通信协议,它定义了一组包括UAV状态和GCS控制命令的UAV与GCS交互的双向消息。针对MAVLink协议缺乏足够的安全机制,存在可能导致严重威胁和隐患的安全漏洞的问题,提出了一种基于MAVLink协议的UAV系统安全通信方案。首先,UAV持续交替广播连接请求。然后,GCS向UAV发送公钥,双方利用DH算法进行密钥协商计算出共享密钥,并使用AES算法对MAVLink消息包进行加密通信,完成身份认证;若UAV在规定时间内未收到GCS发送的公钥或对MAVLink消息包解密错误则主动断开连接,更新公钥后重新广播连接请求。另外,针对UAV系统存在被恶意篡改的安全问题,在启动引导时对UAV系统固件进行了自校验。最后,基于形式化验证工具UPPAAL证明了所提方案具有活性、可连接性以及连接唯一性,并对UAV PX4 1.6.0与GCSQgroundControl3.5.0的通信过程进行抓包测试。结果表明,所提的UAV系统安全通信方案能够防止在UAV与GCS通信过程中存在的恶意窃听、篡改消息、中间人攻击等恶意攻击,并且对UAV性能影响较小,较好地解决了MAVLink协议存在的安全漏洞。     

基于仿真的无人机遥感图像拼接误差分析

针对多幅无人机遥感图像连续拼接时,累积误差逐渐增大导致拼接的图像严重扭曲变形的问题,提出了一种基于前方交会的投影误差修正算法。该算法根据前方交会原理,解算出同名点对所对应3D点的空间坐标;然后,将所有3D点正射投影到同一物平面上,并将正射点重投影到像平面上,获取校正后的同名点对;最后,利用M估计抽样一致性(MSAC)算法估计单应性矩阵,并进行图像拼接演示。仿真实验结果表明,所提算法能有效地消除投影误差,进而达到抑制无人机遥感图像拼接误差的目的。     

基于MapX的无人机生存力分析系统

生存力是无人机设计和使用中最优先考虑的技术指标之一,针对现代战场仿真对态势实时显示及分析结果直观表现的要求,应用MapX组件技术研制了无人机生存力分析系统。首先,简要介绍了MapX的主要框架和特点,讨论了无人机生存力分析系统的功能、组成,并给出了系统的模块划分和程序流程;然后,详细分析了在VC++环境中结合MapX技术实现战区地图显示、漫游、缩放以及作战想定、生存力数据显示处理的功能;最后,给出了生存力分析仿真算例。仿真实验表明,该系统能真实、直观、动态地表现无人机所处的战场地理环境,便于生存力影响因素的分析。     

采用去抖动模糊算法的稠密三维重建

针对无人机在航拍大场景对象进行三维重建时因抖动产生的图像模糊现象,以及二维图像序列经运动恢复结构SFM后得到的点云较为稀疏,可视化差等不足,采用去抖动模糊算法恢复模糊图像的原始图像信息,然后在运动恢复结构的基础上进行基于点云的稠密三维重建,最后对稠密重建后的点云进行泊松表面重建以得到表面致密、均匀的三维模型。实验结果表明,去抖动模糊算法可以有效地提高图像的质量,大场景对象经过基于点云的稠密三维重建后得到的重建效果逼真,可视化强。     

基于孪生区域候选网络的无人机指定目标跟踪

基于孪生网络的目标跟踪目前取得了阶段性进展,即克服了孪生网络的空间不变性在深度网络中的限制,然而其仍存在外观变化、尺度变化、遮挡等因素影响跟踪性能.针对无人机(UAV)指定目标跟踪中的目标尺度变化大、目标运动模糊及目标尺度小等问题,提出了基于孪生区域候选注意力机制网络的跟踪算法Attention-SiamRPN+.首先...