一种基于多样性正实例的单目标跟踪算法

单目标跟踪是计算机视觉领域中最具有挑战性的应用场景之一. 针对跟踪过程中目标物体被遮挡以及运动过程中形变、画面模糊等问题,本文提出一种基于多样性正样本实例的单目标跟踪算法,同时缓解了训练样本不足以及样本缺乏多样性的问题. 在离线阶段,本文算法首先使用变分自编码器（Variational Autoencoder,VAE）对原始训练样本进行编码映射到隐空间,然后通过隐空间采样重构生成包含多样性的困难正样本数据,提高训练数据的多元性,并结合原始训练样本构建训练数据集;其次,对于训练序列的目标模板、正负样本,使用概率三元组损失函数训练跟踪网络,深入挖掘正负样本间关联,提高跟踪网络的判别性;在线测试阶段,使用训练的孪生神经网络（Siamese Neural Network,SNN）对目标进行跟踪定位,通过对目标模板和搜索区域执行互相关操作,确定目标在当前时刻的位置. 对比实验结果表明,本文算法提高了SNN跟踪网络在背景相似物干扰、目标物体运动过程中形态变化、快速运动、旋转、模糊以及被遮挡情况下的鲁棒性和定位准确性,并保持了实时的跟踪表现.     

基于相关滤波的目标跟踪方法

精度和速度一直是跟踪领域的矛盾。相比而言,基于深度学习方法的模型精度更好,但基于相关滤波(可以用FFT加速)的模型速度快很多。算法KCF、DSST、Staple、SiamFC、ECO、CCOT等在VOT2016数据库上的跟踪性能对比结果显示,在跟踪准确率这方面,深度学习优于相关滤波跟踪算法,而在鲁棒性方面,相关滤波算法则占有优势,且其速度也一直领先。将深度卷积特征和相关滤波相结合,可以兼顾两者的优势,使相应算法表现出更好性能。未来应着重考虑发挥CNN在目标跟踪领域的作用,以其同时提高算法的实时性和训练的便捷性。跟踪和检测是分不开的,跟踪能够保证速度上的需要,而检测能够有效地修正跟踪的累计误差。不同的应用场合对跟踪的成功率、准确度和鲁棒性要求也不一样,达到实际的跟踪要求仍然需要更好的算法实现。     

多特征融合的相关滤波红外单目标跟踪算法

针对红外单目标跟踪问题,提出一种多特征的相关滤波目标跟踪算法。该算法融合了图像的卷积特征和差分特征,使用卷积特征和差分特征分别训练相关滤波模型。在跟踪阶段,对两种特征的相关滤波模型得到的响应图动态融合,利用动态融合的响应图来确定目标的最终位置,使用得到的目标位置分别更新相关滤波模型。在林雪平热红外数据集上进行了实验验证,与一些经典的跟踪算法进行了对比,表明该算法拥有更高的跟踪准确率。     

基于KCF的微型无人机目标跟踪方法研究

针对微型无人机(MAV)计算能力有限的问题,提出基于单目视觉的MAV目标跟踪方法。该方法采用核相关滤波算法(KCF)对目标进行检测,通过循环矩阵生成训练样本训练分类器,并采用傅里叶变换和高斯核函数实现对目标所在区域的快速检测;利用目标中心点在像素坐标系下的位置,通过坐标系变换估计出目标在世界坐标系下的位置,完成目标位置解算;将解算出的目标位置作为位置控制器的期望输入,以控制无人机实现对运动目标的轨迹跟踪。最后,利用Gazebo软件搭建仿真试验环境完成目标跟踪算法的仿真与验证。     

基于相关滤波的目标跟踪算法研究综述

基于相关滤波理论的判别式跟踪方法由于其高效性和鲁棒性,已经取得了一系列的进展,成为了目标跟踪领域的研究热门.为了使更多国内外学者对相关滤波目标跟踪理论及其发展进行进一步研究与探索,对该领域研究现状进行综述.首先,介绍了相关滤波理论及其用于实现目标跟踪任务时的一般框架,并重点描述了典型的核相关滤波跟踪方法.其次,讨论了目标跟踪技术应用于实际场景时面临的诸多难题,详细分析了特征表示和自适应尺度更新这2个主要难点.然后,从基本类相关滤波、部件类相关滤波、正则化类相关滤波和Siamese网络类相关滤波这4个类别对具有代表性的算法进行分析与讨论,并指出了未来可能的发展趋势.最后,在OTB2013和OTB100基准数据集上对32种相关滤波类跟踪算法就精确度、成功率和帧率进行了对比,在VOT2017数据集上对10种相关滤波类跟踪算法就平均重叠期望（expected average overlap,EAO）、Accuracy和Robustness三个性能指标进行了对比,体现了相关滤波跟踪器（correlation filter trackers,CFTs）的优越性.尽管相关滤波理论在目标跟踪领域具有广阔的应用前景,但是复杂场景和自身因素的影响导致其仍然是一个极具挑战性的研究方向,研究兼备准确性与鲁棒性的CFTs对于目标跟踪领域的发展具有重要意义.

     

视觉感知的无人机端到端目标跟踪控制技术

针对无人机机动目标跟踪的自主运动控制问题,提出连续型动作输出的无人机端到端主动目标跟踪控制方法. 设计基于视觉感知和深度强化学习策略的端到端决策控制模型,将无人机观察的连续帧视觉图像作为输入状态,输出无人机飞行动作的连续型控制量. 为了提高控制模型的泛化能力,改进基于任务分解和预训练的高效迁移学习策略. 仿真结果表明,该方法能够在多种机动目标跟踪任务中实现无人机姿态的自适应调整,使得无人机在空中能够稳定跟踪移动目标,显著提高了无人机跟踪控制器在未知环境下的泛化能力和训练效率.     

融合图像深度的抗遮挡目标跟踪算法

由于视频信息的局限性,在遮挡情况下的目标跟踪依然是一个很难解决的问题.针对目标跟踪过程中的遮挡问题,提出将图像深度引入单目标跟踪算法.首先应用单目图像深度估计算法对图像进行深度估计,获取图像的深度信息;其次,将基于孪生区域推荐网络的目标跟踪算法与图像深度相结合,构建遮挡判别模块,利用目标深度信息的变化判断遮挡情况;最后...     

一种基于ResNet网络特征的视觉目标跟踪算法

针对复杂场景下目标容易丢失的问题,提出了一种基于深度残差网络（ResNet）特征的尺度自适应视觉目标跟踪算法.首先,通过ResNet提取图像感兴趣区域的多层深度特征,考虑到修正线性单元（ReLU）激活函数对目标特征的抑制作用,在ReLU函数之前选取用于提取目标特征的卷积层;然后,在提取的多层特征上分别构建基于核相关滤波的位置滤波器,并对得到的多个响应图进行加权融合,选取响应值最大的点即为目标中心位置.目标位置确定后,对目标进行多个尺度采样,分别提取不同尺度图像的方向梯度直方图（fHOG）特征,在此基础上构建尺度相关滤波器,从而实现对目标尺度的准确估计.在视频集OTB100中与其他6种相关算法进行了比较,实验结果表明,所提算法取得了较高的跟踪成功率和精确度,能够较好地适应目标的尺度变化、背景干扰等复杂场景.     

Multi-Object Tracking with Micro Aerial Vehicle

A simple yet efficient tracking framework is proposed for real-time multi-object tracking with micro aerial vehicles(MAVs). It''s basic missions for MAVs to detect specific targets and then track them automatically. In our method, candidate regions are generated using the salient detection in each frame and then classified by an eural network. A kernelized correlation filter(KCF) is employed to track each target until it disappears or the peak-sidelobe ratio is lower than a threshold. Besides, we define the birth and death of each tracker for the targets. The tracker is recycled if its target disappears and can be assigned to a new target. The algorithm is evaluated on the PAFISS and UAV123 datasets. The results show a good performance on both the tracking accuracy and speed.     

新型的无人机自主着陆地标设计与研究

在基于计算机视觉的无人机自主着陆过程中,地标的设计与检测以及无人机位姿估计是其中的关键问题。该文提出了一种基于极坐标变换的无人机位姿估计算法,并设计了新型的着陆地标。首先,充分利用极坐标所需参数少、计算简单的优点,将极坐标变换运用到位姿估计算法中,由此设计了半圆环形状的着陆地标;其次,利用显著性检测算法对地标进行检测,并利用Hough算法提取所检测到的地标中的直线;最后,实验结果表明该算法准确快速,且适用于复杂背景的情况,该地标在无人机自主着陆中是可行的。     

无人机网络的覆盖及切换性能研究

无人机网络具有按需部署、灵活机动等优势,但传统陆地蜂窝网络的分析方法不再适用.为此,考虑了两层无人机网络中地面用户的移动性,推导了系统覆盖概率、传输速率、边界的长度强度以及用户最大移动速度约束等网络关键性能指标的解析表达式,探究了无人机部署的密度、高度、地面用户移动速度对无人机网络覆盖及切换性能的影响.理论及仿真结果表明,自适应地调整无人机部署的密度和高度能有效提升无人机网络的覆盖及切换性能.     

基于模糊神经网络的电力巡线无人机避障技术研究

随着国民经济持续稳定快速发展,,输电线路的巡检工作量日益加大,传统人工巡检已经不能满足当前输电线路巡检的需求。无人机电力巡线能够较好弥补人工巡检的不足,提高电力巡检作业的工作效率。为了获得精确的无人机与输电线路、杆塔以及附近障碍物的距离信息,采用了多传感器融合技术,通过对巡检过程中可能出现的障碍物进行建模,建立最小安全空间模型和输电线路周围电场模型,提出基于模糊神经网络的方法,对无人机电力巡线的避障技术进行了研究。仿真结果表明,该方法可以有效实现无人机在电力巡线中对障碍物的躲避。     

基于采样策略的无人机着陆导航算法

给出了无人机着陆过程中利用帧间图像提取的特征点进行无人机状态估计的算法。采用PCA-SIFT算法进行特征点匹配,在保证能够稳定匹配的前提下,提出了帧间自适应采样策略的特征点选取算法,减少了计算的冗余性。然后通过建立本质空间中的状态方程,利用极线几何约束设计IEKF滤波器,对无人机进行相对位置、姿态估计。仿真结果表明,该算法实现了帧间特征点的快速匹配,较好的估计了无人机的相对位置、姿态信息,比单纯利用极线几何约束具有更高的精度和稳定性。     

Human-Robot Interface for Unmanned Aerial Vehicle via a Leap Motion

The unmanned aircraft vehicles industry is in the ascendant while traditional interaction ways for an unmanned aerial vehicle (UAV) are not intuitive enough. It is difficult for a beginner to control a UAV, therefore natural interaction methods are preferred. This paper presents a novel interactive control method for a UAV through operator''s gesture, and explores the natural interaction method for the UAV. The proposed system uses the leap motion controller as an input device acquiring the gesture position and orientation data. It is found that the proposed human-robot interface can track the movement of the operator with satisfactory accuracy. The biggest advantage of the proposed method is its capability to control the UAV by just one hand instead of a joystick. A series of experiments verified the feasibility of the proposed human-robot interface. The results demonstrate that non-professional operators can easily operate a remote UAV by just using this system.     

水上无人艇目标跟踪控制方法研究

水上无人艇(USV)在浅水和海洋作业中发挥着越来越重要的作用,为使水上无人艇能够更快、更自主、更灵活地执行任务, USV需要适当地设计一个控制系统.本文针对无环境干扰下的水上无人艇自主跟踪问题,在估算航向角的基础上提出了一种模型预测控制(MPC)的方法,可将问题转换为二次规划问题,该方法能快速稳定地实现目标点跟踪.仿真实验结果表明该方法优于LQR控制方法.     

一种基于无人机毫米波通信的波束选择方法

在无人机毫米波多用户通信网络中,基于波束空间多输入多输出系统提出了一种利用无人机移动特性的波束选择方法.首先,以减少用户间的能量泄漏为目标设计了无人机基站的最优部署位置;然后,为避免不同用户选择同一波束造成射频链路浪费的情况,提出了一种通过用户接收能量衡量的波束重新选择准则.仿真结果表明,相比传统的波束选择方法,所提方法可以实现接近最优的系统和速率性能以及更高的能量效率.     

Monocular Vision Based Relative Localization For Fixed-wing Unmanned Aerial Vehicle Landing

基于单目视觉的固定翼无人机自主着陆定位研究

许彧文,曹云峰,张洲宇

（南京航空航天大学 航天学院, 南京 210000）

中文说明：

近年来,无人机自主着陆技术已成为无人机导航、制导与控制系统的核心技术。为解决自主着陆过程中固定翼无人机与跑道之间基于视觉的相对位置和姿态估计问题,本文利用机载相机拍摄的序列图像,通过边缘检测的方式获取跑道角点信息,进一步基于正交迭代算法确定六自由度的位姿参数：首先基于频域残差对图像进行显著性分析,通过连通域标记和候选框筛选估计跑道所在的感兴趣区域;然后在感兴趣区域中提取跑道的边缘直线,由于着陆末端跑道纵向边缘具有明显的长度和相位特征,在利用霍夫变换定位纵向边缘的基础上,结合跑道平面梯度信息估计横向边缘位置,解决了传统的霍夫变换计算耗时,且难以检测端点的问题;最后将角点图像坐标作为输入,通过线性算法获取旋转矩阵初值,在此基础上以目标空间误差为误差函数,通过正交迭代优化参数估计结果,图像点坐标误差较小时,该方法相比线性算法精度明显提升,且具有良好的实时性。

关键词：自主着陆,视觉导航,感兴趣区域,边缘检测,正交迭代

     

基于自适应逆控制的无人机负载模拟器复合控制

针对无人机舵面负载模拟器中舵机运动对施力系统扰动的特点，提出了一种自适应逆控制方法。该方法以实际系统的输入输出信号为依据，通过算法调整LMS横向滤波器的权系数，实现系统建模，并利用该模型离线训练系统的逆动态作为控制器(逆模型)。以克服由于实际系统所受的扰动而可能引起的控制器不收敛。仿真分析表明该方法有效地改善了系统动态加载性能，有很强的鲁棒性。