基于TWH与FB-error约束的均值漂移无人机跟踪算法

针对无人机跟踪过程中目标遮挡和目标背景变化等因素导致的跟踪失败现象,提出一种M TF(M ean-shift by TWH and FB-error)跟踪算法。首先,在M ean-shift跟踪框架下引入目标加权直方图(TWH:Target-Weighted Histogram)描述目标,即在跟踪过程中,用目标的局部背景来削弱所有区域的内部背景特征,使目标特征突出;其次,添加FB-error约束,在目标被部分遮挡时,通过使用FB-error相关加权函数把目标当前位置的预测结果与Mean-shift矢量计算出的位置结果联合起来估计目标在t时刻的最终位置。实验表明,此跟踪算法在跟踪精度上有较大突破。

基于改进DLT算法的单目标识别跟踪研究

为了提高DLT算法在视频中运动目标物体的跟踪鲁棒性、稳定性、实时性,对DLT算法进行改进。通过中值光流法计算初始位置和预测位置像素点灰度值的欧氏距离;运用一种新的在线学习机制P-N学习,用标记样本训练分类器,修改错误的正负样本,然后通过分类器对未被标注的数据进行标注,依次进行迭代训练;利用误差法和NCC法筛选出跟踪点,根据跟踪点的位置和距离的变化计算出目标框的大小和位置,实现目标跟踪。结果表明,改进后的DLT算法的目标跟踪的鲁棒性增强,能够根据目标框的实际情况获取有效的特征点,减少视频流中的目标过大或过小导致跟丢的情况。

一种基于特征点跟踪的多影像匹配算法

在序列影像中,考虑到相邻帧影像的运动随时间变化比较缓慢,可以将光流法用于影像匹配过程中,提出了一种基于特征点跟踪的多影像匹配算法。通过光流法对特征点在帧间进行跟踪,结合匹配判别准则和FB Error算法实现相邻帧影像的快速准确匹配,利用多帧影像间的特征点跟踪实现多影像匹配。实验表明:该算法相比于传统的特征点匹配算法,提高了计算效率并保持了较好的匹配准确率。

基于改进LK光流的四旋翼无人机悬停技术研究

随着无人机应用场景的不断拓展,在GPS信号不可靠时仍能精确定位是无人机发展要解决的难题。以四旋翼无人机为研究对象,针对传统LK光流法在实际应用中存在定位精度不高的缺点,采用一种用于精确估计的改进LK光流法。该方法针对光流传感器的有限运算能力,采用Shi-Tomasi角点检测算法和双线性差值法提高无人机定位精度和稳定性;在光流计算时,通过建立光流金字塔解决无人机运动产生的大位移问题,并对计算产生的FB误差进行补偿,提高计算精确度;利用无人机硬件平台在室内进行实际飞行验证。结果表明:这种改进的LK光流法定位精度高,在稳定光照条件下能进行精确定位悬停飞行,其定点精度大约为半径40 cm的圆形。