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。

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。