基于視覺的無人機(jī)態(tài)勢(shì)感知中目標(biāo)要素提取方法研究.pdf

1、無人機(jī)（Unmanned Aerial Vehicle，UAV）態(tài)勢(shì)感知是無人機(jī)系統(tǒng)實(shí)現(xiàn)自主性的基礎(chǔ)，而全面準(zhǔn)確的態(tài)勢(shì)要素提取是實(shí)現(xiàn)無人機(jī)態(tài)勢(shì)感知的關(guān)鍵，其中目標(biāo)要素的提取又是關(guān)鍵。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，把計(jì)算機(jī)視覺技術(shù)應(yīng)用到無人機(jī)態(tài)勢(shì)要素提取過程中，形成基于視覺的態(tài)勢(shì)要素提取技術(shù)，成為新的研究熱點(diǎn)。本文以小型無人機(jī)為研究對(duì)象，選用可見光攝像機(jī)作為傳感器，采用顯著性檢測(cè)和物體性檢測(cè)算法完成目標(biāo)要素的提取。主要工作及創(chuàng)新點(diǎn)如下：

2、>　　（1）設(shè)計(jì)了一種多類大小顯著物體的提取算法Renyi-SSS?，F(xiàn)有基于頻域分析的視覺顯著性檢測(cè)算法普遍存在只能檢測(cè)單類大小的顯著區(qū)域，而無人機(jī)獲得的圖像中往往包含多類不同大小的物體，論文利用Renyi熵計(jì)算圖像的各向異性從而實(shí)現(xiàn)對(duì)圖像中的不同大小顯著區(qū)域提取。在標(biāo)準(zhǔn)數(shù)據(jù)庫上的測(cè)試獲得比其它同類算法較好的性能。
　　（2）建立了一種基于頻域分析的通道融合顯著性檢測(cè)算法CSIG。由于目前的頻域顯著性算法只能獨(dú)立處理單通道圖像，針

3、對(duì)彩色圖像的三個(gè)通道需要分別進(jìn)行檢測(cè)。論文通過計(jì)算通道之間的相關(guān)性，并根據(jù)相關(guān)性值確定融合的規(guī)則，融合生成最終顯著性圖。實(shí)驗(yàn)結(jié)果表明，算法能夠提高檢測(cè)的準(zhǔn)確度并避免檢測(cè)錯(cuò)誤的顯著區(qū)域，達(dá)到提高顯著性檢測(cè)性能的目的。
　?。?）提出了顯著性檢測(cè)與物體性檢測(cè)結(jié)合的多目標(biāo)檢測(cè)算法SSS-Bing。顯著性信息可以用來提高物體性檢測(cè)算法的檢測(cè)率，但是目前的結(jié)合方式是直接把顯著區(qū)域的分割塊作為候選物體窗口，這類算法的實(shí)時(shí)性和準(zhǔn)確度達(dá)不到無人機(jī)

4、目標(biāo)感知的需求。論文通過將顯著性信息直接作用于物體性檢測(cè)的過程，在保持顯著區(qū)域物體特征的同時(shí)對(duì)非顯著區(qū)域的物體特征進(jìn)行抑制，更加有效的利用顯著性信息。實(shí)驗(yàn)結(jié)果表明算法大大提高了檢測(cè)的準(zhǔn)確度和實(shí)時(shí)性。
　　（4）完成了典型任務(wù)條件下算法的實(shí)驗(yàn)驗(yàn)證。利用實(shí)驗(yàn)室外場(chǎng)獲得的實(shí)驗(yàn)數(shù)據(jù)對(duì)本文提出的檢測(cè)算法開展實(shí)驗(yàn)驗(yàn)證。算法對(duì)于快速運(yùn)動(dòng)目標(biāo)的檢測(cè)達(dá)到了檢測(cè)的精度和實(shí)時(shí)性，并且提高了對(duì)慢動(dòng)或靜止目標(biāo)的檢測(cè)率，充分表明了算法的實(shí)用性強(qiáng)，符合無人機(jī)感