四旋翼飞行器悬停算法设计与实现

以自制四旋翼飞行器为研究对象,对四旋翼飞行器悬停算法进行详细研究。控制中心通过传感器MPU6050获取飞行数据,通过获取的数据计算得到飞行姿态,然后结合气压传感器和摄像头相结合进行悬停算法的设计。程序算法主要包括四元数、PID、卡尔曼滤波和视觉定位等算法,计算得出相应的数据,最后通过控制电子调节系统驱动无刷电机完成其悬停与控制。     

一种基于光流和能量的图像匹配算法

结合光流与图像信息,提出一种获取稠密视差的图像匹配算法.首先对于基线较大的左右图像,在多分辨率框架下采用由粗到精的策略计算光流,从而实现大偏移量时的光流获取.其次为了避免光流在图像边界上的不可靠性,通过光流计算所得的光流场作为初始视差图,采用基于能量的方法依据对应的图像梯度场对光流场内部进行平滑并保持边缘的不连续性,最终得到精准稠密的视差图.实验验证,该方法是一种行之有效的图像匹配算法.     

基于Mahony滤波器和PID控制器的四旋翼飞行器姿态控制

四旋翼飞行器由于其简单的气动布局和复杂的动力学模型在控制领域引起了研究热潮,姿态估计与控制器设计一直是实现四旋翼飞行器稳定飞行的难点。为实现精确的四旋翼飞行器姿态估计,首先分析了IMU传感器示值组成和误差存在的原因,然后在方向余弦矩阵（DCM）和重正交化的基础上,具体给出了Mahony滤波器的实现流程。通过与扩展卡尔曼滤波器对比表明,该算法不仅能保证很高的姿态估计精度,而且计算时间小于扩展卡尔曼滤波器,有助于提高系统姿态估计的实时性。结合Mahony滤波后的姿态信息,采用嵌套PI-PID控制策略设计了控制器。最后,将姿态估计算法和控制算法应用到实验平台上,可以实现四旋翼飞行器悬停和角度跟踪功能。     

基于光流传感器的旋翼无人机实时避障系统

光流的研究是计算机视觉及相关研究领域中的一个重要部分。光流在目标对象分割、跟踪、机器人导航、识别等领域有着非常重要的应用。由于旋翼无人机在民用领域的迅猛发展,使得人们对无人机行业提出了更高的要求。针对多旋翼无人机的避障问题,使用光流传感器与改进的势场法相结合的方法,实现了对飞行器的障碍物检测以及局部路径规划。光流传感器采用SAD块匹配法减小了图像计算的运算量,采集到的光流值与IMU数据进行卡尔曼滤波,可以估算出高效且有较强鲁棒性的因无人机平动产生的光流。大量实验表明,避障策略运算量较小,可以保证避障系统的实时性,在距障碍物5 m左右可以迅速规避障碍物。     

惯性/光流/磁组合导航技术在四旋翼飞行器中的应用

微小型无人飞行器(MUAV)通常采用微惯性/GPS组合导航系统提供载体速度、位置、姿态等参数.然而GPS信号易受干扰,且面对特殊环境(如高楼林立的街道、隧道、峡谷等)易出现信号丢失情况,难以满足飞行器的自主安全飞行要求.为解决该问题,设计基于光流法辅助微惯性导航的无GPS自主导航方案,提出了一种基于无味卡尔曼滤波(UKF)的非线性融合导航方法,基于四旋翼飞行器的悬停和飞行实验进行了验证.实验结果表明:该方案具有成本低、导航自主性强、精度高的优点,具有一定的应用参考价值.     

四旋翼飞行器的自抗扰控制方法研究

为了检验自抗扰控制方法是否可以应用在四旋翼飞行器飞行控制系统。介绍了自抗扰控制器的原理以及基本组成。针对四旋翼飞行器低速飞行或悬停状态,提出了一种基于自抗扰控制器的控制系统设计方法并在仿真平台上进行稳定控制、高度控制实验,以及与PID控制系统进行对比分析实验。仿真结果表明：基于自抗扰的四旋翼飞行器控制系统具有较好的动态品质、稳态精度以及较强的鲁棒性,本文所设计自抗扰控制器可应用在四旋翼飞行控制系统。     

四旋翼微型飞行器控制系统设计

四旋翼微型飞行器是一种以4个电机作为动力装置,通过调节电机转速来控制飞行的欠驱动系统;为了实现四旋翼微型飞行器的自主飞行控制,对飞行控制系统进行了初步设计,并且以C8051F020单片机为计算控制单元,给出了飞行控制系统的硬件设计,研究了设计中的关键技术;由于采用贴片封装和低功耗的元器件,使飞行器具有重量轻、体积小、功耗低的优点;经过多次室内试验,该硬件设计性能可靠,能满足飞行器起飞、悬停、降落等飞行模态的控制要求。     

基于OpenMV四旋翼无人机视觉跟踪系统设计

无人机对目标的实时跟踪是无人机领域的研究热点与难点,该文设计了一个基于OpenMV四旋翼无人机视觉跟踪系统。该系统以STM32F407VGTx为主控芯片,以姿态传感器、气压计传感器、光流传感器、激光传感器和电子罗盘等为传感器,通过高速的SPI和UART接口获取无人机姿态,构建了一个稳定的飞行控制平台。设计了基于串级PID的无人机悬停、定点和定高飞行的控制算法与程序。在四旋翼无人机稳定飞行的平台上,通过OpenMV实现了四旋翼无人机对目标色块的实时跟踪。     

基于PID的四旋翼飞行器姿态控制系统

飞行控制系统很大程度上决定了四旋翼飞行器的飞行性能。分析飞行器模型,并在此基础上设计实现一种基于PID(Proportion, Integration, Differentiation)控制方法的飞行器姿态控制系统。整个控制系统包括第1阶段的四元数姿态解算（PI）和第2阶段的油门计算（PID）。通过PI方法融合加速度和角速度传感器的输出,计算出飞行器当前的姿态角;通过PID方法融合当前姿态和目标姿态控制电机油门输出。上位机通过蓝牙获取飞行器数据,结果显示该系统能很好地保持飞行器的稳定姿态。     

基于Mahony滤波器和PID控制器的四旋翼飞行器姿态控制

四旋翼飞行器由于其简单的气动布局和复杂的动力学模型在控制领域引起了研究热潮,姿态估计与控制器设计一直是实现四旋翼飞行器稳定飞行的难点。为实现精确的四旋翼飞行器姿态估计,首先分析了IMU传感器示值组成和误差存在的原因,然后在方向余弦矩阵(DCM)和重正交化的基础上,具体给出了Mahony滤波器的实现流程。通过与扩展卡尔曼滤波器对比表明,该算法不仅能保证很高的姿态估计精度,而且计算时间小于扩展卡尔曼滤波器,有助于提高系统姿态估计的实时性。结合Mahony滤波后的姿态信息,采用嵌套PI-PID控制策略设计了控制器。最后,将姿态估计算法和控制算法应用到实验平台上,可以实现四旋翼飞行器悬停和角度跟踪功能。     

基于ZYNQ的稠密光流法软硬件协同处理

光流法是计算机视觉中一个基础性的算法,可广泛应用于运动检测、运动估计、视频分析等领域。但光流法最大的问题是计算复杂、速度慢,限制了它在实际系统尤其是嵌入式系统中的应用。利用最新的高层综合（HLS）语言与传统的硬件描述语言相结合,在Xilinx的FPGA异构系统芯片（即ZYNQ）平台上,以软硬件协同的工作方式,设计了基于Horn-Schunck稠密光流法的硬件加速器。实验证明,对于640×480大小的图片,软硬件协同处理比纯软件处理的计算性能提高了34倍,执行时间从24.40 s降低到0.71 s。     

基于FPGA的稠密光流计算系统

高质量的稠密光流算法计算复杂度很高,因此计算速度成为制约其在实际系统中应用的重要原因。针对这一问题,利用现场可编程门阵列（FPGA）的细粒度并行特性,实现了一种高质量的稠密光流算法CBG（Combined- Brightness-Gradient）的硬件加速器。实验结果表明,在FPGA工作频率200 MHz,计算全部像素对应的光流信息的情况下,该系统处理分辨率为316×252的图像序列的帧频可达40 frame/s。     

基于密集轨迹和光流二值化图的行为识别算法

针对改进的密集轨迹算法（improved dense trajectories,iDT）提取的轨迹数量较为庞大的问题,提出了一种轨迹滤除方法。密集采样兴趣点,利用光流图计算每个兴趣点下一帧的位置进而组成轨迹,对每帧光流图进行最大值归一化以及二值化,得到光流二值化图,以此反映该点的运动是否相对显著。利用光流二值化图统计轨迹上各点的有效性从而判断轨迹是否满足有效条件,并将不满足条件的轨迹滤除,得到提纯的轨迹。为了验证算法的有效性,使用了行为识别领域的常用数据集KTH和UCF sports对算法进行验证,实验结果表明,该算法能在保证准确率的同时减少轨迹数量,并且计算量较小。     

基于高斯尺度空间的核相关滤波目标跟踪算法

核相关滤波（KCF）跟踪算法因其计算效率及速度的优势在目标跟踪领域受到了极大关注,但是该算法仍无法实现尺度自适应,针对此问题提出了一种基于高斯尺度空间的解决方法。根据KCF跟踪算法估计目标位置,将目标及其周围的区域作为搜索区域,并与高斯核卷积建立高斯尺度空间。对高斯尺度空间进行双线性插值,得到目标的多尺度估计图像。用平均绝对误差（MAD）作为匹配准则,将模板与图像匹配,从而得到目标的缩放比率。实验结果表明,与CSK算法、KCF算法等相比,所提出的基于高斯尺度空间的KCF在跟踪精确度上有了显著提升。     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

光流引导下机器人抓取目标物角点动态匹配

针对目标物位姿在线估计中的特征点动态匹配问题,以木块作为实验对象,提出了一种光流引导的目标物角点动态匹配方法。使用Yolov2-tiny进行目标物识别,完成目标物定位与分类。在提取区域内完成Shi-Tomasi角点检测,采用LK（Lucas-Kanade）光流对角点跟踪的方法实现角点在相邻两帧图像中的初始匹配,针对光流跟踪中特征点的偏移问题,对跟踪点为中心的11×11邻域进行角点再提纯。实验证明该算法能在视频序列中对目标物角点实时动态地匹配,且角点匹配结果比SIFT和Harris-SIFT方法准确度更高,实时性更好。     

一种面向移动机器人的光流场计算方法

光流场的计算是移动机器人领域一个很重要的研究课题,但是现有的光流场计算方法并未充分利用移动机器人的特点。文章假设移动机器人配备了双目视觉系统和码盘,在此基础上提出了一种基于立体匹配技术的光流场计算方法。通过对实际采集的图片的对比试验,表明该方法较之传统方法,具有速度更快,准确性更高的优点。     

基于LBP和HOG特征分层融合的步态识别

针对步态能量图（GEI）在提取人体信息时只描绘出了轮廓信息,而丢失了内部特征的局限性,提出一种基于人体目标图像的局部二值模式（LBP）与方向梯度直方图（HOG）分层融合的GEI识别算法。该算法步骤包括：首先用光流法提取步态周期,获得一个周期的步态能量图（GEI）;然后分三层提取GEI的LBP特征,得到三层的LBP图像;依次提取每层LBP图像的HOG特征,最后将每层提取的LBP和HOG特征融合,得到每层的新特征;最后将三个新特征依次融合成可以用于识别的最终特征。通过几种方法对CASIA和USF步态数据库的实验对比,提出的算法取得了更高的识别率。     

一种用于无人机室内定位的改进ORB光流算法

针对无人机室内无GPS的导航定位问题,结合ORB特征与LK金字塔光流,提出了一种改进的ORB特征光流算法。采用ORB算法提取每帧图像的特征点,送入金字塔中估计下一帧点集坐标;采用前后双向单追踪策略进行粗匹配;采用FLANN-KNN匹配规则和前后双向双追踪策略组成的精匹配,进行误匹配点集的滤除。通过多种场景提取效果和无人机实际应用两部分实验,从实时性和精确性对算法性能进行了验证分析。仿真结果表明,改进算法具有较好的定位效果和较好的实时性。     

基于深度卷积特征光流的形变医学图像配准算法

光流法是一种基于光流场模型的重要而有效的形变配准算法。针对现有光流法所用特征质量不高使得配准结果不够准确的问题，将深度卷积神经网络特征和光流法相结合，提出了基于深度卷积特征光流（DCFOF）的形变医学图像配准算法。首先利用深度卷积神经网络稠密地提取图像中每个像素所在图像块的深度卷积特征，然后基于固定图像和浮动图像间的深度卷积特征差异求解光流场。通过提取图像的更为精确和鲁棒的深度学习特征，使求得的光流场更接近真实形变场，提升了配准精度。实验结果表明，所提算法能够更有效地解决形变医学图像配准问题，其配准精度优于Demons算法、尺度不变特征变换(SIFT) Flow算法以及医学图像专业配准软件Elastix。