基于天际线识别的无人机实时姿态角估计

以无人机天际线识别为背景,提出了一种准确、实时的天际线识别算法,并由此估计姿态角.在结合实际情况的基础上,对天际线建立能量泛函模型,利用变分原理推出相应偏微分方程.在实际应用中出于对实时性的考虑,引入直线约束对该模型进行简化,然后利用由粗到精的思想识别天际线.首先,对图像预处理并垂直剖分,然后利用简化的水平直线模型对天际线进行粗识别,通过拟合获得天际线粗识别结果,最后在基于梯度和区域混合开曲线模型约束下精确识别天际线,并由此估计无人机滚动和俯仰姿态角.实验结果表明,该算法对天际线识别具有较好的鲁棒性、准确性和实时性.     

基于结构化的加权联合特征表观模型的目标跟踪方法

为了解决单目标跟踪中的光照变化、部分遮挡问题,提出了一种结构化的加权联合特征表观模型.该模型将被跟踪的目标图像划分成若干图像块,在每个图像块内计算其颜色特征和纹理特征,将这些特征加权形成特征向量作为目标的表观模型.以该模型为基础,利用贝叶斯理论,提出一种跟踪方法.实验结果表明了该方法的有效性.     

基于粒子滤波与稀疏表达的目标跟踪方法

针对视频序列图像目标跟踪中的光照变化问题,提出一种在粒子滤波器框架内,基于目标的局部二元模式(LBP)纹理特征,使用稀疏表达进行目标跟踪的方法。当前帧的跟踪粒子由前一帧的跟踪结果按高斯分布来生成。通过解l₁正则化最小二乘方问题,获得每个粒子对应于模板子空间的稀疏表达,确定当前帧图像中的跟踪目标。然后使用粒子滤波器生成下一帧跟踪的粒子分布。在跟踪过程中采用新的动态模板更新策略更新模板空间中的模板。实验结果证明该方法的有效性和先进性。