基于位置预测的靶场图像实时判读方法

在靶场经纬仪对目标实时跟踪测量时,会发生相机随机抖动的情况,引起目标在图像中大幅度运动。应对大幅度运动时,基于搜索窗口的跟踪方法容易丢失目标,而基于全图搜索的跟踪方法时效性差。针对以上问题,提出一种结合核相关滤波算法(Kernelized Correlation Filter,KCF)和目标位置预测的改进的跟踪学习检测算法(Tracking-Learning-Detection,TLD)跟踪框架。利用正交多项式最优线性滤波器及相机角度信息预测目标下一帧位置,在此区域利用KCF进行快速跟踪,可以提高跟踪的成功率和时效性,跟踪失败时再进行检测。仿真实验表明,最优线性滤波器能较准确预测目标位置,给KCF提供较准确的搜索位置,算法每帧耗时仅为1.1 ms,且定位精度优于TLD和KCF,能有效应对相机抖动的问题。靶场实际试验证明该方法可提高靶场自动判读水平,减少人工干预。

多旋翼无人机目标跟踪系统设计

针对多旋翼无人机对地面移动目标的跟踪问题,考虑到移动目标由于外界因素变化导致跟踪丢失等情况,以视觉相机采集地面目标的图像信息作为系统输入,采用颜色特征提取结合TLD目标跟踪的改进算法,用以准确稳定的跟踪目标,获得目标的位移信息。通过对位置内外环串级PID控制器的设计,以目标与无人机间的水平位移差作为控制器的输入,由位置姿态控制器控制电机输出实现无人机位置变换,以保证目标能够始终位于机载相机视野的中心区域附近,实现无人机对目标的自主跟踪。最后通过实验分析,验证了所设计的系统能够准确稳定的跟踪到目标。