基于dm642视频跟踪的无人机群控单元分析

《基于dm642视频跟踪的无人机群控单元分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1绪论硕士学位论文1．3视频跟踪技术研究现状相比较雷达、激光等非图像传感器测量周围环境情况的能力，基于视觉的传感系统有着非常明显且非常重要的优点。摄像头可以辅助无人机获得全方位的环境信息【8】。随着今年来对算法研发的投入，以及大家重视程度的提高，越来越多的实时图像处理技术涌现出来，不仅如此适用于各类处理器的算法在得到精简后，也使得计算机的处理速度得到彻底的解放。由美国德州公司生产的DSP6000系列处理器在图像视频处理方面的应用就相当广泛。南京理工大学光学工程的潘涛等人完成了基于DM642的红外图像运动检测与跟踪技

2、术的研剜10】，他现在Simulink中实现了运动检测与视频跟踪的实验，然后将其在合众达公司开发的SEEDVPM642实验平台上得到了的实现，并分析了软硬件的兼容合适程度。天津大学电气与自动化工程学院的郭芳19】等人开发了基于DSP的复杂环境下四旋翼无人机定位研究，她利用的技术是激光雷达信号处理，成功在GPS失效的情况下，提供了无人机在室内环境中的自主定位方案。浙江大学的黄飞利用DM642完成了红外图像实时处理系统的设计【111，成功地把热效应和CMOS技术结合到了一起。基于DSP6000系列的应用研究不胜枚举。视

3、频跟踪技术把计算机视觉、模式识别等学科的原理与技术手段巧妙的结合在一起，从而输出一个合理有效的跟踪值。目前最大的四个应用领域有：军事研究、车辆跟踪、安防监视、人机交互等。视频跟踪技术起步尚早，但已经有了少数经得起推敲深入的雏形方案，例如CarnegieMellonuniversity领导了视频安全与控制研究计划【12】【13】。此计划是针满足安防需要的，可以实现分别在静止和运动的背景下对目标进行跟踪。包括汽车、行人和需要监测的一些特殊目标。在这个测试系统中，研究人员可以进行车牌的检测、车标的识别等等。同时，另外几所

4、知名的高校如英国的雷丁大学、美国麻省理工学院也在道路监控方向做了许多工作，如对车辆、行人的跟踪研究，如何识别危险目标并跟踪等。在国内，各大高校也在对视频跟踪技术研究做着积极的推进，其主要研究领域也是视频监控、人脸识别跟踪、车辆识别跟踪等。南京理工大学的丁赛菊同学对基于车牌识别的车辆视频跟踪技术做了自己的研究，她利用图像处理技术对图像中的车牌号进行识别，并提出了将扩展卡尔曼滤波神经网络学习算法应用到车牌字符识别的方法，从而实现了复杂动态背景下运动车辆的车牌跟踪。南京航空航天大学的王剑同学研究了目标可能发生遮挡情况下，

5、基于目标颜色直方图的Bhattacharyya系数来判断是否遮挡并用多子模板投票选举的跟踪算法【17】。西安电子科技大学的张吴垄重点研究了基于粒子滤波算法的目标跟踪技术【l61，在颜色特征的粒子滤波跟踪算法基础上，提出自己解决食品跟踪中的目标丢失问题的算法。经历几年的摸索，我国的跟踪算法也有了属于自己的进步，取得了较好的成绩。目前国内相对成熟的按照不同原理区分的跟踪算法有：基于运动特征硕士学位论文基于DM642视频跟踪的无人机群控单元研究的运动跟踪算法，基于光流特征的运动跟踪算法【14】【18】，基于帧序列特征的运

6、动跟踪算法，基于轮廓形态特征的运动跟踪算法。与此同时，在处理过程中，还将融入了小波变换、神经网络、数学形态学、模糊算法等高级处理思想。必须指出的是，各类算法都有自己的适用环境，必须考虑自身需求做出选择。最具代表性的视频跟踪算法有以下几种：(1)基于轮廓的跟踪：在连续帧序列中目标的位姿变化会使得目标轮廓发生相应的改变，算法的核心即为捕捉到目标轮廓，并加以处理。该方法可行性较高，简单有效，但同时失去了三维空间上与目标具体的特征信息。(2)基于特征的跟踪：目标的特征按种类分为颜色、形状、关键节点等。跟踪过程是从图像帧中提

7、取特征单元，然后在图像帧中对特征进行全局或局部的匹配。此类方法计算量较大，在遇到全部遮挡时实用性下降明显(3)基于区域的跟踪：方法原理为将当前帧与背景参考帧相减得到运动区域，这个过程对目标为刚体或非刚体没有明确区分。计算过程较为简单，计算量相对较小。本论文综合考虑了算法的可行性与项目的时间需求，在对群飞技术研发大方向把握不错的情况下，做出了群控单元研究上的尝试。采用了基于分布式协同控制理论的研究方向，利用仿生学中相关的理论知识，对无人机群控单元进行了基于图像视频处理技术，辅以传感通讯手段的跟踪方法的研究。在本设计里

8、，建立主机．僚机(从机)的相对关系，采用僚机始终跟随主机的基本思想来实现群控单元的可行性。1．4主要研究内容与论文组织结构本学位论文主要包括的研究内容包括软件算法部分研究与硬件部分设计。具体可以分为以下几类：(1)基于DM642的跟踪系统的软件部分设计第一部分——获取视频目标信息算法第二部分——图像的预处理算法第三部分——运动目标检测算法第四部分——无人机视