西安电子科技大学 机电工程学院, 陕西 西安 710071
为保证无人机着陆精度和安全性, 提出了一种无人机自主着陆视觉导航位姿解算方法。首先对机载相机进行标定, 获取相机参数; 然后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响, 设计了“T”型着陆地标形状和尺寸参数, 将地标轮廓提取和角点检测算法相结合, 得到几何分布好、数量适中的8个角点用于位姿解算, 保证了位姿解算精度; 为减少LK (Lucas-Kanade)光流法稳定跟踪地标的处理时间, 直接将提取的这8个角点作为LK光流法检测和跟踪的输入, 保证了算法实时性; 最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。实验结果表明: 算法具有较高估计精度, 算法平均周期为76.756 ms(约13帧/s),在速度较低的着陆阶段基本满足自主着陆视觉导航的实时性要求。
无人机 光流法 视觉导航 坐标转换 位姿解算 unmanned aerial vehicle optical flow method vision navigation coordinate transformation pose estimation 红外与激光工程
2016, 45(7): 0726005
西安电子科技大学自动控制系， 陕西 西安 710071
针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题，提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图，并对图中阴影采用一种简化去除算法，即判断前景像素时，将HSV分量用加权的形式描述，而不必对各个分量依次判断。对前景图提取观测值时，引入了合并处理算法，将分裂的多个矩形检测框进行合并。然后，利用推理的方法将前景观测值与目标关联，用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失，并能够解决多目标冲突、合并和分离等问题。
多目标跟踪 自适应混合滤波 数据关联 粒子滤波 均值漂移算法
西安电子科技大学,自动控制系,陕西,西安,710071
针对一般粒子滤波中的退化问题,提出了一种改进的Unscented卡尔曼粒子滤波(UPF)算法.提出了最小偏度采样策略,将该策略应用于UKF算法中,以UKF方法生成建议分布并从中采样,解决了一般粒子滤波算法中以转换先验密度函数作为替代分布所引发的粒子退化等问题.将多项式重采样和分层重采样两种方法结合起来进行重采样,有效地减弱了粒子退化问题.最后,给出了非线性序列的仿真算例.理论分析和仿真结果表明,改进的UPF算法提高了滤波的稳定性和精度,算法的运行效率提高了30%.
Unscented卡尔曼粒子滤波 粒子滤波 Unscented变换 采样策略
西安电子科技大学自动控制系, 陕西 西安 710071
为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation, NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus, RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。
图像处理 图像配准 特征点匹配 角点检测 双向最大相关系数法 随机采样符合法
视频运动目标跟踪逐渐成为研究热点并应用到**民用等领域,为了能够从真实场景中快速准确地提取视频跟踪单运动目标或多运动目标,提出了一种新的运动目标自动提取方法。首先通过自适应阈值获得滤波后的相邻帧差值图像。其次,为了消除差值图像中噪声的影响,标记此二值图像的连通像素来检测出运动目标所在的区域,并与边缘检测出的空间信息结果比较得到运动目标模型。最后,将图像分成若干区域,在每个分区域内依次连接每个运动目标模型的最外围轮廓点,由此构成目标闭合轮廓。利用得到的连续边界,对运动目标进行提取。实验结果表明,该算法能够有效地自动提取速度不同的单运动目标,同时能够提取多运动目标。
图像处理 运动目标提取 闭合轮廓 连通区域
西安电子科技大学,自动控制系,陕西,西安,710071
线性调频连续波雷达对于匀速运动目标的回波经过混频以后还是一个线性调频信号(LFM).从LFM信号中提取密集运动目标的距离和速度参数是个比较复杂的问题.本文提出了一种基于目标运动补偿和逐次消去("CLEAN")技术相结合的检测方法,该方法避免了估计多分量LFM信号参数问题,同时又消除了多普勒效应对密集运动目标检测的各种影响.仿真结果表明该方法不但克服了LFMCW雷达在密集目标检测中的困难,而且比传统方法降低10dB左右的检测信噪比门限.
线性调频连续波雷达 密集运动目标检测 逐次消去技??交叉项 LFMCW dense-moving target detection （DMTD） “CLEAN” technique cross-term
1 西安电子科技大学自动控制系,陕西,西安,710071
2 西安电子科技大学电子工程学院,陕西,西安,710071
为了避免常规正交小波变换所引起的图像边缘失真,特别采用了双正交小波变换进行图像的多分辨率分解.在融合处理时,为了获得更丰富的细节和更好的融合效果,对不同分解层、不同方向上的高频分量以及同一分解层图像中的不同区域均采用不同的融合算子.实验结果表明,该融合方法和融合规则是十分有效的,融合后图像的边缘和纹理细节都更加突出.
图像融合 小波变换 图像分解 图像处理
给出了一种新的基于对比度塔形分解的分层图像融合方法.其基本思想是先对源图像进行对比度塔形分解;其次,按照融合规则,采用基于区域特性量测的加权算子去构造融合图像对应的对比度金字塔;最后,通过逆塔形变换重构融合图像.该方法被成功地用于图像的融合处理.此外,利用熵、交叉熵、互信息、均方根误差、峰值信噪比等参量,对该融合方法的融合性能进行了评价与分析.实验结果表明,该融合方法是十分有效的.
图像融合 多传感器融合 对比度塔形分解 图像处理
西安电子科技大学电子工程学院,陕西,西安 710071
给出了一种新的基于多尺度分解的像素级图像融合方法.该方法利用小波变换对每一图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于红外与可见光图像的融合处理.实验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于机器视觉.
图像融合 多传感器融合 红外图像 多尺度分解 图像处理. image fusion multisensor fusion infrared image multiscale decomposition image processing.
