小型无人机数据链与自主飞控系统设计

介绍了小型无人机的组成与总体结构．研究了无人机自主飞行控制系统、数据链、起飞和着陆系统设计方案，采用嵌入式系统和GPS实现了无人机的自主飞行控制和目标自动搜索与识别。     

基于场景识别的无人机自主着陆组合导航研究

研究无人机自主着陆阶段的组合导航问题,现有绝大多数是GPS/INS的组合导航,其中状态量的位置信息也都选择了传统的纬度、经度和海拔高度.为了适应着陆场景识别导航,提出了一种基于场景识别/INS的无人机自主着陆组合导航新方法.从机场原点指向飞机的矢量相对机场的俯仰角、方位角及矢量长度作为卡尔曼滤波状态量的位置信息,组合导航中量测信息是从飞机上的摄像机所获得的机场特征点在摄像机所摄图像中的位置(坐标).通过对方法的分析及仿真,结果验证了方法在无人机自主着陆阶段组合导航中,稳定性和快速性等识别性能较好.     

基于地标的轻量化无人机精准降落算法

轻量化无人机的机载计算机通常计算性能较弱,很难满足无人机实现精准降落的需要。针对这一问题,提出了一种基于地标的轻量化精准降落算法,通过识别对比颜色和指定形状实现快速实时地检测着陆标识,图像处理流程简单快速且准确,通过相对位置计算在二维层面得到无人机对于降落地标的相对位置和方向,引导无人机精准降落,算法执行过程不需要考虑相机焦距。实际测试结果表明,在一些特定如无人机自主充电的应用场景,该算法过程简单,稳定性和降落精度相较于传统方法较高。     

基于视觉引导的无人机自动着陆控制方法

由于无人机定位导航精度低，导致传统无人机自动着陆控制方法存在控制效果不佳的问题，为此提出基于视觉引导的无人机自动着陆控制方法。分别从无人机运动和飞行环境两个方面，构建数学模型，在该模型下，利用视觉引导技术通过实时图像采集、处理、目标检测、距离测量等步骤，规划自动着陆轨迹。设计并安装无人机自主着陆控制器，进而实现无人机的自动着陆控制。实验结果表明，应用设计方法能够沿着规划路线实现精准着陆，控制误差较小，由此证明设计方法的控制效果良好。     

基于视觉的无人机自主着陆地标识别方法

在无人机自主着陆过程中,传统地标识别方法的相似阈值确定需大量实验估计。为解决此问题,采用一种基于仿射不变矩和支持向量机的识别方法,首先设计了六圆组合的图标作为无人机自主着陆地标;由于无人机会拍摄到发生扭曲的地标图像,因此提取地标的仿射不变矩作为输入特征;最后将其输入支持向量机分类模型,完成地标的识别。与传统的几何不变矩和BP神经网络相比较,该方法提高了地标的识别精度并降低了识别测试时间,因此对地标识别具有一定的实用性。     

微小型四旋翼无人机自主着陆视觉系统研究

以实现微小型四旋翼无人机依靠视觉信息完成自主着陆为目的,采用TI公司DM3730芯片作为核心处理器,构建一套自主着陆视觉导引信息处理系统;充分考虑了视觉系统的特点,选用小巧、便携、合理的实验硬件,通过对图像的前期处理,采用相对简单的视觉处理算法,识别出着陆标识,通过解算得到着陆信息并完成飞行器的自主着陆过程;实验结果表明,系统较为可靠,在常规条件下,该系统能够有效识别人工着陆标识,准确解算出着陆标识与飞行器的相对位置信息用于自主着陆导引.     

无人机基于视觉自主着陆的跑道识别跟踪

跑道检测识别与跟踪是基于视觉的无人机自主着陆的前提和难点,本文根据固定翼无人机基于视觉自主着陆的特点设计了包括跑道检测、跑道特征提取、跑道识别和跑道跟踪的方案,并在ARM Cortex-A9处理器中基于Linux系统使用OpenCV实现了该方案.最后按照逐步递进的方式分别对检测、检测识别、检测识别与跟踪结果进行了实验验证,并对实时性进行了分析.实验结果表明,通过该方案可以准确地识别图像中的跑道并具有较快的跟踪速度.     

基于四旋翼无人机的车辆自主抄牌

针对传统车辆抄牌效率低的问题,提出一种基于四旋翼无人机的车辆自主抄牌方法。使用无人机采集大量车辆俯视图样本,对图像进行预处理和下采样,然后提取车辆图像的梯度直方图特征,将图像特征输入到卷积神经网络中,训练出车辆识别模型,最后使用模型识别车辆;根据车辆的形状特征估计车辆姿态;根据车辆的位姿信息计算无人机抄牌的位置和角度;搭建无人机实验平台测试无人机自主抄牌系统。实验结果表明无人机可以自主拍摄到清晰的车牌图像,实现了车辆抄牌的自动化。     

基于改进典型形状上下文特征的形状识别方法

针对形状上下文特征难以解决大规模样本的形状识别问题,提出一种利用角点典型形状上下文特征进行快速形状识别的方法.该方法仅以少数角点作为代表点生成直方图,对目标形状关键特征进行描述,通过减少匹配的特征数目降低了采样点匹配时间;在此基础上提出了局部约束匹配的方法,能够快速实现形状匹配并解决特征旋转不变性的问题,最终通过结合快速剪枝和精确匹配完成形状的识别.对形状数据进行仿真实验的结果证明,文中方法能够快速、有效地实现大规模数据的形状识别和检索.     

四旋翼无人机自主移动降落方法研究

近年来,四旋翼无人机在自主完成各种复杂任务中扮演着愈发重要的角色。移动降落技术是无人机智能处理系统的关键技术,包含3个环节:目标检测、目标跟踪、位置预估及降落。提出了一种基于Apriltags的跟踪降落算法,提升了识别性能,通过Kalman滤波及拟合函数等方法预估运动目标轨迹,采用PID算法控制无人机稳定飞行、快速响应,实现了无人机对移动目标的智能识别、稳定跟踪及移动降落。     

一种SAR图像机动目标检测与分析方法

从SAR(合成孔径雷达)图像中检测和分析目标是进行SAR自动目标识别的关键步骤,提出了一种SAR图像中地面机动目标检测与分析的方法,该方法在对图像进行预处理后首先利用背景杂波强度分布为指数分布假设的恒虚警率算法以及形态学运算对原始的SAR场景数据进行快速检测获得感兴趣的目标区域,然后提取目标区域8个特征构成特征矢量以详细描述目标。实验结果表明,该方法计算速度快,能够从获得的目标区域得到大量有用的信息,而且该方法具有一定的通用性。     

一种基于运动矢量分析的Mean shift目标跟踪算法

Mean shift算法作为一种非参密度估计算法,目前已被广泛应用于视频运动目标的跟踪。该算法具有运算效率快,对目标变形、旋转不敏感,在部分遮挡的情况下有一定鲁棒性等特点,但该算法在运动目标速度过快的情况下,由于没有考虑利用目标的运动方向和速度信息,因此在跟踪快速运动目标时容易造成跟踪丢失。针对此问题,提出了一种基于运动矢量分析与Mean shift跟踪算法相结合的新方法,即首先对视频编码过程中产生的运动矢量进行概率统计分析,以获取目标运动方向与运动速度的估计值,再以此修正Mean shift运动候选区域的中心位置,使每次搜索开始时,候选中心位置更接近实际目标中心位置。通过与传统的Mean shift算法的跟踪实验比较可见,新算法不仅提高了快速运动目标跟踪的精度,而且减少了算法的搜索迭代次数,从而提高了运算效率。该算法可适用于智能视频监控设备中的视频编码与目标跟踪同时计算的情况,实验结果表明,该算法是有效可行的。     

KDDA在高分辨雷达目标识别中的应用

文章研究了核直接判别分析(kernel direct discriminant analysis ,KDDA)在高分辨雷达目标特征提取与识别中的应用.KDDA算法是传统的LDA算法与核方法的结合,文中讨论了KDDA算法原理,首先将KDDA应用于雷达目标距离像特征提取,求取更易于分类的核投影向量,然后采用支持向量机进行分类,提出了基于核直接判别分析的高分辨雷达目标特征提取与识别方法.用四类目标数据进行了实验,实验结果表明,该方法能够提高目标识别性能.     

多摄像机视野分界线快速自动生成算法*

针对摄像机视野分界线是一种有效地解决多摄像机人体跟踪目标交接问题的工具,提出了一种基于同步视频的摄像机视野分界线快速自动生成算法,利用视野分界线和目标中心到视野分界线的距离实现多摄像机之间的目标交接.该算法不依赖摄像机的标定信息和目标颜色信息.为验证该算法的有效性,设计搭建了一个室内视觉有重叠区域的多摄像机人体跟踪系统.实验结果表明,该算法具有易实现、实时、准确率高的优点.     

一种子像素精度SAR图像目标峰值提取方法

SAR图像目标峰值是SAR图像目标识别的重要特征 ,它本质对应于目标散射中心 ,目标峰值提取是SAR图像目标识别的一个重要步骤。基于峰值SAR图像目标识别系统要求目标峰值提取方法应具有快速、高精度的特点。现有的SAR图像目标峰值提取方法精度较低 ,其对目标峰值位置的估计精度只能达到像素级。为了提高SAR图像目标峰值提取精度 ,该文在分析SAR图像峰值模型基础上 ,提出了一种子像素精度SAR图像目标峰值提取方法 ,并通过仿真实验 ,分析了该方法对目标峰值位置、幅度的估计性能 ,结果表明在SNR =2 0dB的情况下 ,该方法对目标峰值位置估计的标准偏差 <0 .1个像素 ,峰值幅度估计的标准偏差小于 0 .0 5 H(这里H表示目标峰值的真实幅度 ) ,文中还给出了该方法对实测MSTARSAR图像的目标峰值提取结果。     

基于ICA的特征不变性目标识别

在图像目标识别中，目标图像平移、尺度和旋转不变性是一个重要前提，而高阶矩特征存在稳定性差的缺点．提出采用主分量分析(PCA)方法确定目标在最大方差意义下主轴的旋转角度，并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转不变性变换；然后利用独立分量分析(ICA)良好的目标特征抽取能力，在各目标特征空间重建目标模型，并通过对重建模型的误差分析实现目标识别；最后通过PCA确定目标旋转角度测试和ICA目标识别测试两个实验，证实了本文算法的鲁棒性和准确性．     

空地协同机器人目标定位方法

针对空地协同机器人中无人机对地面无人车的实时精准定位问题,提出一种红色双圆型定位标记及标记识别与定位方法。引入颜色分割与轮廓提取相结合的方式,减少提取到的轮廓特征数量,排除背景信息干扰以减少误识别;提出一种圆形轮廓快速检测算法,快速识别目标轮廓并准确定位目标像素坐标和方向;基于针孔相机成像模型,根据目标像素坐标和方向,估计出目标在机体坐标系下三维坐标和偏航角。实验结果表明,无人机与地面无人车相对高度1.5 m时,该方法在[x]轴和[y]轴方向定位误差分别为3.9 mm和3.6 mm,每帧图像平均处理耗时为11.6 ms,优于基于核相关滤波的识别定位方法的13.3 mm、14.3 mm和56.3 ms。该方法与无人机控制相结合,可以实现无人机协同跟踪与自主降落功能,提升空地协同机器人作业效率,具有显著的工程意义。     

基于相关系数的磁墨字符信号识别算法

通过研究当前国内磁码的识别方法,提出了一种基于相关系数的磁墨字符信号快速识别算法。该算法是以支票磁码信号为识别目标,以统计分析方法,确立了检测阈值,运用Matlab软件将采集到的整张支票的磁码长信号进行一系列的预处理及信号分离,把分离出的单个磁墨字符信号与每个标准磁墨字符信号求相关,以相关系数作为待识别磁码与标准磁码的相似性度量标准,以最大相关系数所对应的标准磁墨字符符号作为最终识别结果,实现整个磁码信号的识别。对大量的实验结果进行统计分析得出,该识别算法运算速度快、实时性好,识别精度达99.9%以上。     

A Smooth Path Tracking Algorithm for Wheeled Mobile Robots with Dynamic Constraints

In order to avoid wheel slippage or mechanical damage during the mobile robot navigation, it is necessary tosmoothly change driving velocity or direction of the mobile robot. This means that dynamic constraints of the mobile robotshould be considered in the design of path tracking algorithm. In the study, a path tracking problem is formulated asfollowing a virtual target vehicle which is assumed to move exactly along the path with specified velocity. The drivingvelocity control law is designed basing on bang-bang control considering the acceleration bounds of driving wheels. Thesteering control law is designed by combining the bang-bang control with an intermediate path called the landing curve whichguides the robot to smoothly land on the virtual target's tangential line. The curvature and convergence analyses providesufficient stability conditions for the proposed path tracking controller. A series of path tracking simulations and experimentsconducted for a two-wheel driven mobile robot show the validity of the proposed algorithm.     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。