基于均值漂移算法的冷空炽热体红外目标跟踪

Mean Shift（均值漂移）算法对彩色序列图像目标跟踪是有效的,而对红外目标跟踪是不稳健的。本文对Mean Shift算法做适当改进,将其用于冷空炽热体红外目标跟踪。先对红外图像做伽马变换,把目标从背景中分离出来;用直方图非均匀量化改进传统Mean Shift算法量化方式,提高目标定位准确性。仿真结果表明,该方法对冷空炽热体红外目标跟踪是有效的和稳健的。     

基于改进SURF和P-KLT算法的特征点实时跟踪方法研究

 针对视频序列中运动目标的实时跟踪问题,提出一种基于改进SURF算法和金字塔KLT算法相结合的特征点跟踪方法。首先人工标定目标区域,利用改进的SURF算法分块快速提取具有高鲁棒性、独特性的特征点;然后在后续帧中应用金字塔KLT匹配算法对特征点进行稳定跟踪,采用基于统计的方法剔除错误匹配对;最后利用Greedy Snake分割算法提取轮廓确定更加精准的位置信息,更新目标区域。为使算法更具鲁棒性,还设计了离散点筛选、自适应更新策略。利用飞行视频数据库进行了大量的仿真,结果表明:该算法适用于多尺度图像序列中位置、姿态发生快速变化且结构简单的飞行器的稳定跟踪。帧平均时间为31.8 ms,比SIFT+P-KLT跟踪算法减少47.1%;帧几何中心、目标轮廓面积平均误差分别为5.03像素、16.3%,分别比GFTT+P-KLT跟踪算法减少27.2%、56.9%,比SIFT跟踪算法减少38.6%、68.4%。     

无人机跟踪运动目标航迹规划算法

对无人机跟踪运动目标的原理进行了分析,设计了跟踪系统的动力学模型,提出了一种基于切线法的航迹规划算法。在动力学约束条件下实现了对无人机的航迹、速度、加速度等的最优控制,从而解决了无人机跟踪运动目标问题,并给出了算法的具体设计步骤。仿真结果表明,该算法能够快速、有效地为无人机规划出跟踪运动目标的最优航迹。     

无人机航迹跟踪抗侧风制导算法

无人机作为航空飞行器的一种,具有诸多应用价值,精确的航迹跟踪是其完成飞行任务的必要条件。在无人机飞行控制系统的制导外回路,实现一种具有抗风性能的横向非线性制导算法(NLG),基于航迹参考点实时测算无人机侧向加速度,并根据无人机力学方程得到滚转角指令,实现无人机的航迹跟踪。该制导算法只需确定合适的距离参数L,即可实现较为精确地制导,加入反馈环节以得到改进的闭环非线性制导算法。在侧风条件下进行仿真分析,结果表明:改进后的非线性制导算法是正确的,其具有良好的抗风性能。     

飞船返回舱红外跟踪

提出一种联合大底检测的改进的Mean-Shift（均值移位）算法,将其应用于返回舱红外跟踪。新算法采用非均匀量化加权直方图构造目标特征矢量,以提高目标描述的准确性。为避免跟踪到大底上去,使用＂滑窗式＂大底检测算法实时修正Mean-Shift跟踪坐标。通过对飞船返回实况判读验证,提出的新算法处理速度达到20帧/s以上,并且能够可靠和准确地跟踪返回舱。     

多无人机对地攻击任务分配算法

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.文章基于拍卖机制原理提出了多无人机的动态任务分配算法,给出了算法流程,构建了收益计算函数,并对算法效率进行了分析.仿真试验表明所提出的算法同传统方法相比,大大减少了通信计算量,具有更好的实时性     

基于BSP-ANN的四旋翼无人机轨迹跟踪方法

为了降低无人机轨迹跟踪误差,提高系统抗干扰能力,对反步（Backstepping）法进行改进提出一种基于反步神经网络（BSP-ANN）的无人机轨迹跟踪方法。首先,建立了四旋翼无人机运动学模型;然后,结合Backstepping方法在无人机的姿态控制、轨迹跟踪控制系统中引入Sigma-Pi神经网络,同时设计Sigma-Pi神经网络控制率,并证明该控制率满足Lyapunov意义下的系统稳定;最后,分别给出了相应的仿真实验。仿真结果表明：该算法可以有效降低跟踪误差,缩短无人机跟踪时间,同时可以提高系统的抗干扰能力。     

基于改进RRT算法的无人机航路规划与跟踪方法研究

为了使航路规划算法在三维动态环境下能够快速规划出较优可行航路,基于快速扩展随机树算法(RRT),对规划航路点进行了无人机飞行动力学约束,并且设计了局部航路动态优化策略。针对传统的航路跟踪控制律跟踪较为曲折的航线时跟踪误差较大的问题,通过将规划算法得出的姿态指令引入姿态控制回路的方式,提高了航路跟踪控制算法的快速性与准确性。在此基础上,搭建了无人机验证平台,利用该验证平台完成了无人机自主避障飞行试验,对算法的有效性进行了验证,并对算法性能进行了评估。     

基于轨道变换法的多无人机跟踪相角修正研究

针对多无人飞行器协同standoff跟踪目标下的相角协调修正问题,提出了一种轨道变换法。建立了无人机运动学模型,用Lyapunov矢量场方法为无人机提供跟踪制导指令。通过在期望的standoff跟踪轨道外设置外轨道,将相角修正问题转化为无人机在两轨道上飞行时间差的控制问题,同时给出了确定多无人机机动变轨顺序的方法。最后对静止目标协同跟踪相角修正问题进行了仿真验证,仿真结果表明了该方法的正确性和有效性。     

城市风场环境中的无人机快速航迹规划方法

密集的城市障碍环境以及复杂的城市风场干扰对航迹规划的实时性和航迹跟踪的准确性提出了严格要求,为此提出一种城市风场环境中的小型无人机(UAVs)快速航迹规划方法。首先,为了保证航迹规划的高效性,对固定翼无人机运动学方程进行了合理简化。其次,由于障碍环境中的最优航迹难以直接完全塑造,因此根据状态受限的最优控制理论给出了可以使用螺旋线与直线构建近似最优航迹的结论,并据此提出了一种针对城市环境的三维航迹规划方法。然后,通过对无人机运动学模型的分析,从规划角度提出了风场干扰下的航迹设计准则。仿真实验中,首先通过算法对比实验,验证了航迹规划方法的高效性;然后使用六自由度(DOF)飞机模型分别在无风场干扰和有风场干扰的环境下进行了航迹跟踪实验,实验结果证明了风场干扰下航迹设计准则的有效性。     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。     

基于注意力机制和特征匹配的空对地多目标检测与跟踪算法

多目标跟踪算法是实现无人机自主导航的关键技术，为解决现有方法存在的小目标检测能力弱、计算能耗大、鲁棒性差等问题，提出一种基于注意力机制和特征匹配的多目标空对地跟踪算法，以实现航拍视角下对目标的精准高效跟踪。首先，引入通道可分离卷积，实现目标检测模型的轻量化；其次，构造融合空间注意力机制的小目标检测分支，提高对小微目标的检测精度，最后，优化目标跟踪算法的外观重识别网络，提高多目标跟踪效率。使用Visdrone2019-MOT数据集对所提算法进行验证，实验结果表明，所提算法的MOTA值提高了0.６%，FPS值为21.31帧/s，在模型大小和跟踪精度上实现了较好的平衡。     

无人机地理围栏越界探测算法改进与分析

防止无人机飞出指定空域或飞入禁飞空域的核心算法是无人机地理围栏越界探测算法。为提高无人机地理围栏越界探测的准确性以保证低空无人机飞行的安全性,本文针对射线法进行改进,通过添加缓冲距离的判断来解决传统射线法不能解决的三种特殊情况,在Matlab环境下对其进行了仿真验证,实现了越界探测功能,找出了影响改进算法运行时间的三个因素,并进行了深入分析和讨论。仿真结果表明：提出的基于改进射线法的无人机地理围栏越界探测算法在不影响运行时间的前提下,提高了无人机越界探测的准确性。     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域，目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题，提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先，利用2个卷积网络构建一个5层Siamese网络，通过对模板特征与当前帧图像特征进行卷积得到目标位置；其次，利用高斯混合模型对以往的预测结果进行建模并建立目标模板库；然后，从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板，使Siamese网络能够自适应目标的外观变化；最后，引入回归模型进一步精确目标位置，降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响，具有较高的准确率。     

基于序列图像的无人机自测速方法与试验

为自主、精确测量无人机的飞行速度,研究并发展了一种基于序列图像的无人机自测速方法并进行了相应的试验。该方法利用无人机上已有的惯导装置、高度计和摄像机,在连续成像的条件下,通过匹配跟踪得到地面同名点在相邻两帧光学或红外实时图中的位置,利用飞行高度、姿态信息和成像帧频计算得到无人机的瞬时飞行速度。在无人机的匀速平飞段,通过大量数据拟合得到高精度的平均飞行速度。通过挂飞试验对方法进行了验证,实时得到了小于0.2 m/s的测速结果,满足工程要求的精度,为工程应用打下了一定的基础。     

基于Canny边缘检测的Mean-Shift跟踪核窗宽确定方法

传统核窗宽固定的Mean—Shift跟踪算法不能很好地对做复杂运动、尺寸变化的目标进行有效地跟踪,变核窗宽是解决这一问题的途径。图像的边缘表征了目标的重要特征,可以通过提取目标的边缘来确定核窗宽并用于跟踪。基于Canny边缘检测算法确定跟踪窗宽加快了Mean—Shift跟踪算法的运算速度,仿真结果验证了该跟踪算法的有效性。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

无人机航迹规划算法的初步研究

航迹规划算法是无人机的关键技术之一,本文初步综述了近年来国内外在该领域的主要研究成果。首先给出了航迹规划的描述和涉及的关键问题,然后着重介绍了几种较为常用的规划算法,如A-Star算法、遗传算法、神经网络、Voronoi图、PRM(ProbabilisticRoadmap)、RRTs(RapidlyExploringRandomTrees)、人工势场法、基于案例的算法等,最后讨论了航迹规划算法存在的问题和面临的挑战,指出飞行中实时重规划的研究是航迹规划未来主要的发展方向。     

基于无损切换的无人机自主空中加油技术研究

提出了基于无损切换的无人机自主空中加油解决方案,建立了包括无损切换的双目视觉传感器、激光测距传感器以及扰动影响的无人机和硬式加油管的仿真系统;研究了近距离逼近与自动对接阶段的无损切换算法,双目视觉特征点识别与位姿估计算法,双目视觉测量与激光测距融合算法,分别对近距离逼近与自动对接阶段的位姿测量进行了仿真验证。结果表明,本技术方案可实现近距离逼近和自动对接的相对位姿精确测量,且具有较强的实时性、准确性和鲁棒性,保证了自动空中加油的平稳跟踪引导和自动对接。     

无人机航迹规划算法综述

随着无人机技术的发展,飞行器自主飞行是无人机发展的主要趋势,无人机航迹规划问题日益受到重视。对航迹规划问题进行分类,将无人机航迹规划问题分为二维和三维环境进行深入分析。将现有航迹规划算法按照传统经典算法,如人工势场法和A~*算法等,和现代智能算法,如遗传算法、蚁群算法、粒子群算法等进行分类,并且详细介绍了各改进算法的优劣性和应用。归纳了目前新兴的航迹规划算法,分析了目前航迹规划所面临的问题。