隨著深度學(xué)習(xí)技術(shù)的迅速發(fā)展和無人機(jī)產(chǎn)品的逐漸成熟,基于無人機(jī)平臺的車輛目標(biāo)視覺檢測和地理定位具有深遠(yuǎn)的實際意義和廣闊的應(yīng)用前景。傳統(tǒng)的人工提取特征的檢測算法泛化能力差,檢測精度低,運行速度慢。因此本文基于深度學(xué)習(xí)的方法實現(xiàn)車輛目標(biāo)的實時檢測。在檢測的基礎(chǔ)上,本文基于無人機(jī)實時傳感信息實現(xiàn)了車輛目標(biāo)的地理定位和跟蹤方法,并實現(xiàn)了軟硬件系統(tǒng)的架構(gòu)設(shè)計和開發(fā),具有重要的實用意義。本文的主要研究內(nèi)容如下:比較分析了多種目標(biāo)檢測方法,重點研究了基于YOLOv3的實時目標(biāo)檢測算法及其優(yōu)化,提出了一種基于尺度先驗和二值化圖像輪廓檢測的優(yōu)化方法,對車輛目標(biāo)的檢測結(jié)果進(jìn)行優(yōu)化。簡單介紹了相機(jī)的成像模型和標(biāo)定原理,提出了一種基于無人機(jī)實時傳感器數(shù)據(jù)的車輛目標(biāo)地理定位方法。針對相機(jī)的非線性成像模型,本文又提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的距離轉(zhuǎn)換方法用于檢測目標(biāo)的地理位置估計。另外本文基于目標(biāo)地理定位結(jié)果實現(xiàn)了檢測目標(biāo)的跟蹤以及目標(biāo)運動狀態(tài)的判斷。結(jié)合上述設(shè)計的算法,本文實現(xiàn)了一整套實時車輛目標(biāo)視覺檢測與地理定位系統(tǒng)的軟硬件架構(gòu)設(shè)計和程序開發(fā),包括安卓手機(jī)應(yīng)用和移動工作站端軟件。實驗結(jié)果表明:本文設(shè)計的目標(biāo)檢測算... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：99 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 目標(biāo)視覺檢測
        1.2.2 目標(biāo)地理定位
    1.3 論文主要研究內(nèi)容
        1.3.1 研究內(nèi)容
        1.3.2 研究重難點
    1.4 論文章節(jié)安排
第二章 基于無人機(jī)航拍圖像的車輛目標(biāo)檢測
    2.1 需求分析及算法選擇
        2.1.1 目標(biāo)檢測指標(biāo)
        2.1.2 需求分析
        2.1.3 目標(biāo)檢測算法的選擇
    2.2 基于無人機(jī)的航拍車輛目標(biāo)視覺檢測
        2.2.1 YOLO目標(biāo)檢測算法
        2.2.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        2.2.3 YOLO算法改進(jìn)
        2.2.4 檢測結(jié)果優(yōu)化
    2.3 目標(biāo)檢測實驗
        2.3.1 數(shù)據(jù)采集
        2.3.2 測試環(huán)境
        2.3.3 檢測精度測試
        2.3.4 實時性測試
    2.4 本章小結(jié)
第三章 基于單目視覺的車輛目標(biāo)地理定位
    3.1 單目相機(jī)成像模型
        3.1.1 坐標(biāo)系轉(zhuǎn)換
        3.1.2 線性相機(jī)模型
        3.1.3 非線性相機(jī)模型
    3.2 云臺相機(jī)的參數(shù)標(biāo)定
        3.2.1 張正友標(biāo)定法
        3.2.2 相機(jī)標(biāo)定實驗
    3.3 相機(jī)姿態(tài)信息的獲取和處理
        3.3.1 云臺相機(jī)位姿信息的獲取
        3.3.2 線性插值
    3.4 目標(biāo)地理定位
        3.4.1 前提與假設(shè)
        3.4.2 基于相機(jī)成像模型的位置估計方法
        3.4.3 基于BP神經(jīng)網(wǎng)絡(luò)的位置估計方法
    3.5 基于地理坐標(biāo)的目標(biāo)跟蹤
        3.5.1 位置預(yù)測
        3.5.2 數(shù)據(jù)關(guān)聯(lián)
        3.5.3 目標(biāo)運動狀態(tài)判斷
    3.6 目標(biāo)地理定位實驗
        3.6.1 基于相機(jī)成像模型的地理定位方法測試
        3.6.2 基于BP神經(jīng)網(wǎng)絡(luò)的地理定位方法測試
    3.7 本章小結(jié)
第四章 系統(tǒng)設(shè)計與實現(xiàn)
    4.1 系統(tǒng)整體設(shè)計分析
    4.2 系統(tǒng)硬件分析與構(gòu)建
        4.2.1 無人機(jī)選型
        4.2.2 云臺相機(jī)選型
        4.2.3 視頻采集卡選型
        4.2.4 地面工作站選型
    4.3 系統(tǒng)軟件設(shè)計與實現(xiàn)
        4.3.1 系統(tǒng)軟件開發(fā)工具
        4.3.2 系統(tǒng)軟件總體設(shè)計與分析
        4.3.3 基于DJI Mobile SDK的 Android軟件開發(fā)
        4.3.4 基于Qt的系統(tǒng)軟件開發(fā)
    4.4 實際效果展示
        4.4.1 目標(biāo)檢測與地理定位
        4.4.2 數(shù)據(jù)庫管理
    4.5 本章小結(jié)
第五章 總結(jié)和展望
    5.1 論文總結(jié)
    5.2 不足與展望
致謝
參考文獻(xiàn)
附錄一
附錄二
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]目標(biāo)檢測算法研究綜述[J]. 方路平,何杭江,周國民.  計算機(jī)工程與應(yīng)用. 2018(13)
[2]基于改進(jìn)Mean-Shift算法的四旋翼無人機(jī)目標(biāo)檢測與跟蹤[J]. 宋昭瑋,梁天誼,顧佳欣,蘇婷婷.  科教導(dǎo)刊(上旬刊). 2018(05)
[3]固定翼無人機(jī)地面車輛目標(biāo)自動檢測[J]. 李大偉,李明濤,鄭建華,楊成偉.  電子設(shè)計工程. 2018(08)
[4]計算機(jī)視覺技術(shù)在目標(biāo)航拍定位中的應(yīng)用[J]. 石紅巖,王江濤.  長春大學(xué)學(xué)報. 2017(04)
[5]一種基于多點觀測的無人機(jī)目標(biāo)定位方法[J]. 王春龍,馬傳焱,時荔蕙,郝博雅,周洲.  無線電工程. 2016(02)
[6]基于單幀圖像的無人機(jī)目標(biāo)定位誤差分析[J]. 郭博雷,薛東彬.  中國電子科學(xué)研究院學(xué)報. 2014(04)
[7]航拍圖像海上目標(biāo)定位算法[J]. 呂宇波,蘭培真.  上海海事大學(xué)學(xué)報. 2011(04)
[8]基于多幀圖像同名點的無人機(jī)對地定位新方法[J]. 余家祥,蕭德云,姜魯東.  兵工學(xué)報. 2008(03)
[9]無人機(jī)對目標(biāo)的大地定位[J]. 王劍鋒,盧利斌,金國棟.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2005(01)

碩士論文
[1]基于改進(jìn)KCF算法的四旋翼無人機(jī)視覺跟蹤系統(tǒng)設(shè)計[D]. 褚天鵬.哈爾濱工業(yè)大學(xué) 2018
[2]基于無人機(jī)的車輛和車道檢測系統(tǒng)的設(shè)計與實現(xiàn)[D]. 趙凱迪.西安電子科技大學(xué) 2018
[3]視覺主導(dǎo)的無人機(jī)航拍目標(biāo)快速檢測技術(shù)研究[D]. 許晏銘.大連海事大學(xué) 2018
[4]基于數(shù)字航拍影像的地形信息提取技術(shù)的研究與實現(xiàn)[D]. 錢毅湘.蘇州大學(xué) 2006



本文編號：3537060