基于编码标志的无人机电力巡检自主定位方法

为了实现无人机在变电站巡检时自主避障,提出一种利用编码标志作为控制点的无人机自主定位方法.首先讨论编码标志的设计与解码,然后利用灰度方向直方图(histogram of oriented gradient, HOG)特征和支持向量机(support vector machine, SVM)检测并跟踪图像中的编码标志,以提高算法运行效率,最后根据编码标志在电塔上的位置及其在图像上的对应坐标,由物点与像点的透视关系解算无人机位置.实验表明:HOG+SVM组合检测图像中的编码标志召回率为99%;解码算法在编码标志模糊、变形等极端条件下依然保持强鲁棒性,解码错误率仅为0.05%;无人机定位误差不超过±0.03 m,算法运行速度达10帧/s,可用于变电站的实际巡检.

融合灰色预测和HOGI特征的红外目标跟踪方法

针对红外目标跟踪时不能有效提取目标特征这一问题,提出了一种新的红外目标稳健跟踪方法.首先利用灰色模型预测目标位置,然后建立以此预测位置为中心候选目标区域的方向梯度-灰度直方图特征模型,并将此特征引入到Mean Shift算法中,以实现对红外目标的精确跟踪.仿真结果表明了该方法跟踪精度高,在目标出现部分遮挡或全部遮挡时,仍能跟踪目标,确保目标不丢失,体现出该跟踪方法良好的鲁棒性.

一种基于运动估计的红外目标跟踪方法

为解决红外目标跟踪中目标的交错、遮挡等问题,提出了一种新的基于运动估计的目标跟踪方法。建立目标的方向梯度-灰度直方图特征模型,该模型能较准确地刻画目标特征。使用最大后验概率指标在搜索区域进行目标匹配,该指标能很好地突出目标、抑制背景,并容易得到全局最优解。提出一种新的运动估计方法,即轨迹预测算法,对目标的运动进行较准确的估计。实验结果证明,该方法不仅计算复杂度低,而且能够较好地解决目标交错、遮挡等问题。