uav视觉辅助自主降落技术的分析

《uav视觉辅助自主降落技术的分析》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、大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：丛△!盈熊猫野鱼鱼堕蒸虹红蓥作者签名：盆鱼望日期：型!；年—生月—乙日人连理I：人学硕士学位论文摘要目前UAV(UnmannedAerialvehicles)广泛应用于各个领域

2、，其军事价值促使世界各国争相发展UAV。UAV的主要功能是起飞、识别、监视、跟踪以及降落。近年来世界各国的研究者根据UAV的不同功能，研究不同的功能技术。本文将目标识别、跟踪和降落作为研究内容，对UAV模型进行仿真实验。论文选H地标作为对象进行实验研究。在目标识别跟踪实验中，根据地标的SURF特征和几何特征，提出了概率分类器和SURF特征点跟踪结合的目标跟踪定位方案。通过匹配的SURF特征点计算UAV的三个角度(偏转角，俯仰角，翻滚角)。概率分类器以7个弱分类器组成强分类器，以积分图像特征为基础的；SURF点跟踪以SURF特征点和目标轮廓特征为基础

3、进行实验。根据分类器和SURF跟踪器提出的融合准则可以准确的定位目标。对于只有一方成功定位目标，而另一方失败的情况，可以利用分类器中的目标特征进行目标匹配，判断目标是不是有效目标。该实验分为目标前期选择、分类器训练以及目标跟踪阶段。前期目标选择得到与目标相对平行的一种飞行姿态，为分类器和目标跟踪提供了较好的目标特征。实验验证了本算法具有良好的鲁棒性(旋转角、俯仰角、光照背景)，而且处理满足实时性的要求，并可根据SURF点匹配计算UAV的姿态。以地标为特征进行的识别跟踪降落可以很好的实现UAV的自主降落，但是UAV必须具有应急突发状况的能力。例如无地

4、标特征，但需要进行迫降的情况。在无场景环境信息的状况，要实现UAV的自主降落，可以利用计算机视觉中的双目系统完成。本文搭建双目系统，通过图像对匹配获取视差图，恢复目标场景并选择合适的区域进行判断能不能作为安全降落区域。该系统同样利用SURF特征点进行跟踪，优化匹配状态。本文为双目降落系统引入了轮廓识别匹配、SURF跟踪、ENCC立体匹配以及RANSAC平面拟合等算法。ENCC子像素立体匹配可以获取较高精度的致密视差图，为UAV选择安全区域提供较好的数据。轮廓匹配可以快速高效的确定有效的目标区域，并提供足够的SURF特征点进行RANSAC平面拟合。而

5、SURF跟踪可以减少算法的运行时间，跟踪有效的目标区域。实验显示，该双目算法可以高效实时的为UAV提供安全降落区域。关键词：UAV；SURF；概率分类器；三维重构；ENCCUAV视觉辅助自主降落技术研究ResearchonAutonomousLandingTechnologybyVisualInformationforUAVAbstractUAVcurrentlywidelyusedinvariousfields，especiallyinthemilitaryfiledsinceit’Smilitaryvaluepromptthecountryfr

6、omallovertheworldrushingtodevelopUAV’Stechnology．Itismadeupoftakeoff,recognition，monitoring，trackingandlanding．InrecentYears，researchersaroundtheworldfocusondifferenttechnologyaccordingtodifferentfeaturesofUAV．Thearticlesimulatesthetechnologyofidentification，trackingandlanding

7、forUAV．TheexperimenttakestheHlandmarkastheresearchobject．Duringthetrackingstageintheexperiment，weprovideaschemeforlocatingtargetbyincorporatingtheprobabilityclassifierandSURFpoints’trackingthroughthelandmark’SSURFandgeometricfeatures．WeestimatetheattitudeofUAVbymatchedSURFpoin

8、ts．ThestrongclassifieriScomposedofseveralweakprobabilityclass