基于动态视觉传感器的无人机目标检测与避障

针对无人机在动态环境中感知动态目标与躲避高速动态障碍物,提出了基于动态视觉传感器的目标检测与避障算法。设计了滤波方法和运动补偿算法,滤除事件流中背景噪声、热点噪声及由相机自身运动产生的冗余事件;设计了一种融合事件图像和RGB图像的动态目标融合检测算法,保证检测的可靠性。根据检测结果对目标运动轨迹进行估计,结合障碍物运动特点和无人机动力学约束改进速度障碍法躲避动态障碍物。大量仿真试验、手持试验及飞行试验验证了所提算法的可行性。     

灵巧手主从操作中的人手运动跟踪与识别

在灵巧手主从抓持规划系统中,一项重要的研究内容是获取人手的运动信息.利用计算机双目立体视觉系统作为灵巧手主从操作的人机接口,研究人手指尖运动实时跟踪和识别的方法,提出了一种人手指尖位置的动态识别算法及其实验系统.利用本实验系统,完成左右两像面4个目标点所用的最长识别时间为0.4ms,且人手在正常运动速度时,识别率达100%,表明本算法同时满足实时性和识别率的要求.      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

单目视觉三维运动位姿测量方法研究

针对基于点特征的单目视觉位姿测量,研究了一种基于不共面5个编码特征点的单目视觉解算算法,利用大靶面高分辨率相机采集运动物体姿态图像,利用目标物体上编码特征点间的几何约束关系,通过正交迭代解算算法完成目标物体的位姿测量。实验结果表明：位移测量不确定度优于0.5mm,姿态测量不确定度优于0.05°,可满足航空航天领域试验测量要求。     

视觉跟踪坐标测量系统数学建模

提出了一种基于光学测头成像的单相机视觉跟踪坐标测量系统。该系统中引入了一个转动平台带动相机运动,使相机光轴始终对准运动的光学测头中某一个光点,保证光学测头成像在畸变比较小的像面中心附近。给出了系统的组成结构,通过空间变换和光学成像原理建立了系统的非线性跟踪测量数学模型,给出了利用Newton非线性迭代算法求解跟踪方程的具体算法,通过实验验证了所建立的模型和求解方法的正确性。最后,分析了转动角度误差对测量结果的影响。     

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.     

家庭安全监控的实时异常检测与分类算法

同时具有好的实时性和稳健性是基于视频的安全监控系统异常检测算法的难点问题.在家庭安全监控系统中同时利用像素的亮度分量和色度分量检测变化像素,解决摄像镜头由于大尺寸对象闯入引起的图像背景变化造成运动对象检测失败的问题;提出一种实时运动对象分类算法,综合利用开关灯检测、运动距离分析和皮肤探测多种方法,区分是否出现影响家庭安全的事件;提出3关键值背景维护算法,用于消除背景振动像素,减少虚假报警.实验表明,本文异常探测算法对视频监控系统异常探测和消除虚假异常报警具有较好的实时性和稳健性.      

一种轻量化的多目标实时检测模型

为实现公安监控系统内容分析的精准智能及提高服务实战能力，提出一种轻量化的多目标实时检测算法。首先，基于CenterNet检测网络增加了CBNet的多融合阶梯级联结构，有效地解决了主干网络在日常监控中特征提取能力不足的问题；其次，通过模型剪枝压缩网络减少参数量，加快了监控视频分析速度。本文利用部分COCO数据集和自行采集的现场数据进行训练与测试，并与其他主流检测算法（YOLO、Faster-RCNN、SSD等）进行消融实验。实验结果表明:所提模型在公共安全监控中能有效地做到速度与精度的均衡，并具有较强的普适性。      

利用一次雷达实现低空空域的安全监视

介绍了一种低成本的低空空域雷达监视实验系统,并提出了一种基于雷达平面位置指示(PPI,Plane Position Indicator)图像的目标检测与跟踪算法,其中杂波抑制和目标状态估计是两项关键技术.经过背景差分的雷达PPI图像,仍然含有大量的背景边缘杂波,该算法利用其空域特性进行杂波抑制,并采用交互式多模型(IMM,Interactive Multiple Models)方法对目标的匀速、加速、减速、转弯等机动运动进行跟踪.详细分析了仿真数据的跟踪效果,并将整套算法应用于两组实测PPI图像,实验结果说明其有效性.     

协同交互情境下双视图耦合的多用户身份识别

针对目前协同交互情境下,因遮挡和接触等因素引发的多人协作身份识别错误问题,提出一种双视图耦合的多用户身份识别方法.借助深度相机,分别通过骨骼运动跟踪和卡尔曼滤波建立双视图运动跟踪.利用双视图的用户运动跟踪数据构建相互关联的耦合有限状态机,对耦合关系中的具体运动状态进行分析,建立规则算法;引入实时正误标记值进行多用户身份识别的实时监控与耦合矫正.所提方法与基于单视图的多用户身份识别方法进行对比实验,结果表明,在协同交互情境下所提方法对多用户身份识别更具有鲁棒性.      

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

一种高效准确的视觉SLAM闭环检测算法

同步定位与地图构建（SLAM）是视觉导航领域的关键技术之一，闭环检测是SLAM的基础问题。针对视觉SLAM闭环检测准确率不高的问题，提出一种高效准确的闭环检测算法。该算法由词袋模型、图像结构校验、跟踪预测模型3个模块构成。首先，将局部特征与全局特征相结合，设计了词袋模型与图像结构校验模块。词袋模型通过视觉单词比较图像之间的相似性，得到闭环候选帧。然后，图像结构校验模块灰度化、归一化当前图像与闭环候选图像。归一化之后的图像被直接作为局部特征的邻域，计算得到全局描述符，通过全局描述符判断闭环候选帧是否为有效的闭环。最后，针对传统闭环检测算法耗时随图像数量增加而显著增加的问题，设计了跟踪预测模块，以提高计算效率。实验中，与主流的DBoW算法相比，提出的闭环检测算法的准确率提升了20%以上，实时性也有更好的表现。      

一种图像缩放算法的SoC协同加速设计方法

针对无人机自主着陆的跑道检测、识别、跟踪等视觉算法中需要对大量图像进行缩放处理以便后续计算,但又对实时性要求比较高的情况,根据输入输出像素点的映射关系提出了一种适用于硬件加速的图像缩放算法,简化算法结构的同时利用现场可编程门阵列进行模块硬件功能的设计对算法加速,并采用软硬件协同的体系结构搭建实时图像处理系统。实验结果表明,该缩放算法处理精度高、耗时少,且用硬件逻辑实现后,可以进一步提速171倍,硬化后的系统可以通过摄像头获取图像数据,实时处理后在显示器中显示,达到30帧/s的处理速度,可以应用于实时性要求较高的图像处理算法中。      

基于改进YOLOv3和卡尔曼滤波器的飞机检测追踪方法

精确的飞机检测与追踪方法可以有助于提升我国军事实力,但是目前对小目标飞机进行有效追踪方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越,因此针对传统方法对于小目标追踪性能不佳,本文提出了一种基于YOLOv3以及卡尔曼滤波器的飞机追踪方法以获得更好的追踪性能,该算法首先通过改进的YOLOv3算法对视频中的图像进行检测,在识别到视频中的飞机之后,通过卡尔曼滤波器对飞机的运动轨迹进行预测,并通过匈牙利算法进行数据关联。实验结果显示,该算法对小尺度飞机的检测性能较传统的YOLOv3有接近5%的提升,且对飞机的追踪效果精度高且实时性能,具有较高的军事应用价值。     

基于深度学习的无人机视觉目标检测与跟踪

针对目标检测中小目标物体漏检率及误检率高等问题,提出了一种基于Yolov3-Tiny算法的改进模型。改进k-means聚类方法,增加3×3和1×1的卷积池化层,将第9层卷积输出上采样,并与第8层卷积得到的特征图进行连接,得到新的输出:52×52卷积层,形成新的特征金字塔。基于卡尔曼滤波算法实现目标跟踪,提出融合跟踪算法的检测网络,使用匈牙利匹配算法对检测边缘框与跟踪边缘框进行最优匹配,利用跟踪结果修正检测结果,提高了检测速度,同时提升了检测能力。在ROS、Gazebo和自动驾驶仪软件PX4的综合仿真环境下对所提算法进行了对比试验。试验结果表明:改进算法平均检测速度降低了15.6%,mAP提高了6.5%。融合跟踪算法后的网络平均检测速度提高了34.2%,mAP提高了8.6%。融合跟踪算法后的网络能够满足系统实时性和准确性的要求。      

面向低视角场面监视的移动目标速度测量

为构建有效的机场场面视觉监视系统，提出了一种基于特征点持续跟踪与分析的移动目标速度测量方法。首先，利用场面几何特征对摄像机进行标定；然后，基于光流场对图像运动区域的特征点进行持续跟踪，在此基础上通过特征点轨迹聚类区分不同移动目标；最后，根据特征点高度与运动距离完成速度测量。所提方法能够利用机场场面摄像机获取的低视角单目视频图像，对移动目标的运动速度进行准确测量。基于广州白云国际机场的场面运行视频进行了仿真分析，验证了所提方法在低视角速度测量方面的可行性与优势。      

基于相关滤波和轨迹预测的视频卫星动态目标跟踪算法

为解决卫星视频中有遮挡或相似目标情况下目标跟踪的问题,提出了一种改进的相关滤波算法,在跟踪框架中加入了干扰判别模块和基于神经网络的轨迹预测模型。通过比较平均峰值相关能量指标值与自适应阈值来判别跟踪器是否受到干扰。双向长短期记忆网络以目标历史轨迹编码为输入来完成轨迹预测,结合相关滤波输出结果和网络预测结果来确定目标的位置。实验表明,所提出算法的精度提升了2.10%,在有遮挡或相似目标等情况下仍具有较好的跟踪性能。     

基于三维点云模型的空间目标光学图像生成技术

空间探测任务中大量先验图像数据的缺乏，使得基于光学图像的态势感知和导航算法无法被有效定量测试和评估。针对此问题，提出了一种基于三维点云模型和射影变换基本理论的空间目标光学图像生成方法。在完成对空间目标三维点云模型和仿真摄像机模型构建基础之上，利用射影变换基本理论依次计算像平面所有像素点与空间目标三维点云模型空间点的对应关系，并基于Lambertian漫反射模型和相对应空间目标三维点云模型空间点的光照方向，得到所有像素点的灰度值，从而生成给定空间目标的光学图像。大量仿真实验表明:与传统的基于解析模型的仿真图像生成方法相比，所提的空间目标光学图像生成技术能够以更快的速度生成更加真实的仿真图像，且生成的仿真图像可以广泛应用于椭圆拟合、陨石坑检测、着陆器视觉导航、航天器交会对接、空间目标跟踪等典型空间应用算法的定性与定量评估。