用于无人机导航的光流测速优化方法

针对在无人机视觉导航过程中光流信息易受前景运动物体与噪声影响造成测速精度下降的问题,基于Mean-Shift算法提出了一种光流测速优化方法。该方法使用Lucas-Kanade光流算法计算出稀疏光流后,采用改进的Mean-Shift算法对光流数据进行聚类处理,根据速度的一致性剔除光流数据中的干扰项。实验结果表明,该优化方法可以有效地减少前景运动物体和噪声对无人机光流测速的影响,提高无人机测速的精度。     

光流定位自主无人机的研究与应用

随着无人机技术的日益发展和计算机视觉原理的广泛应用,无人机的视觉部分逐渐成为其核心竞争力的一部分。本文详细分析了Lucas–Kanade光流算法,以及其在无人机的室内定位方面的研究于应用,同时对相关算法进行优化处理,相较于传统的算法,运行速度提升22.8%。无人机的室内定位精度,在自稳定状态下能够在半径为15cm的圆内,若外加水平方向上干扰,能够迅速回复原位置。     

基于聚类的无人机狼群任务分配算法

本文在基于狼群行为机制的无人机集群任务分配算法的基础上,根据狼群会有目的地向着目标聚集的方向前进的现象,提出了通过聚类算法对任务分配的优先级进行改进的基于聚类的无人机狼群任务分配算法.使得狼群在分配任务过程中学习地图信息,提高任务分配的效率,节省无人机集群执行任务过程中的飞行距离与飞行时间,并在地图上对优化效果进行验证...     

无人机光流跟踪检测新方法

针对近年无人机在全球定位系统(GPS)信号较差情况下利用光流进行定位导航时精准性不足的问题,提出了一种改进的光流跟踪算法,利用快速特征点提取和描述(ORB)算法提取特征点并送入LK两帧差分的光流估计算法金字塔中,利用双向参考追踪估计下一帧的特征点,同时校验并补充当前帧特征点,消除错误点后得到由初步可信点与补充可信点组成的点集坐标从而估计无人机位姿。从多种环境中提取特征点后进行真机实验,实验结果表明,改进的光流跟踪预测控制方法在综合环境下具有较好的定位跟踪效果和较好的准确性,能在军用等更复杂的环境中有更好的应用。     

基于DBSCAN的图像分割算法研究

图像分割能将一幅数字图像分成多个的不同区域,是计算机视觉的主要研究领域之一。文中在系统性研究DBSCAN算法的基础上,提出了一种改进型DBSCAN图像分割方法。该方法首先计算图像中每个像素点的局部密度,然后通过寻找局部密度峰值点来确定核心点,同时将邻域内的像素点加入同一簇中,来处理不同密度区域和噪声点的影响。实验结果表明,该算法对参数敏感度较低,能有效处理不同密度区域和噪声点,相比标准DBSCAN图像分割方法,其在聚类正确率、精度和效率等方面的表现更优秀。     

无人机用MINS/光流组合导航系统

目的：减小因为惯导系统在无人机长航时飞行时的误差。方法：提出了一种用INS/光流/磁强计组合导航方案,基于扩展卡尔曼滤波,将INS与光流数据融合,估计无人机的速度和位置。当无人机静止或匀速运动时,将陀螺仪与加速计、磁强计的数据融合,估计无人机的姿态;当无人机加速或减速时,用陀螺仪估计无人机的姿态。结果：在不使用组合导航时,在大约50米的行驶路程中,就出现了近8米的累积误差,而使用组合算法后,所产生的误差不超过1米。结论：该方案有效的减少导航时的速度、位置和姿态的误差,提高导航精度。     

基于金字塔光流聚类的行人计数

在重要事件现场,建筑物内和人行街道等很多场合进行自动行人统计的需求是越来越大了,现有的行人计数系统对于行人发生频繁遮挡时计数的精确性会降低很多,在本文中将会介绍一种金字塔光流聚类法来提高在视频帧中行人相互遮挡时的计数精度。本文用几组视频序列来评估聚类光流法的计算精度,重点研究光流聚类的某些参数对计数精度的影响。研究表明聚类光流法比没有用到聚类的方法提高了25﹪的精确度,我们同样也阐释了使用小于1°的聚类角度阈值也能增强行人数目统计的精度。     

基于融合改进RANSAC光流法的无人机视觉SLAM研究

针对同时定位与建图(SLAM)中存在定位精度不足、匹配特征点误差累积和特征匹配时间较长,提出了一种融合改进RANSAC光流法的优化算法。该方法基于传统RANSAC算法,加入最小二乘法对模型进行迭代优化来估计最优模型,对光流法的误匹配点进行剔除,大量减少图像误匹配特征点;把融合改进后的RANSAC光流法与特征点通过卡尔曼滤波进行融合,最后使用改进后的算法在公开的EuRoC MAV数据集中进行SLAM定位精度实验。实验结果表明：该改进算法能够有效减小光流法特征匹配的误差,从而提高无人机视觉SLAM的定位精度。     

基于稠密光流算法的运动目标检测的Python实现

在运动目标识别算法中,帧间差分法、背景差分法容易出现"重影""空洞"及"拖尾"现象从而导致识别准确率低.将稠密光流法应用于运动目标检测,基于PyCharm开发环境建立了一个运动目标检测系统,研究采用Gunner Farneback稠密光流法(DOF)计算各像素点位移矢量的光流矩阵,将光流信息转化到HSV空间,并利用So...     

基于光流算法的医学柔式内窥镜系统

手动操纵的柔式内窥镜在介入内腔管道时,要求医生必须有熟练的操作技巧和技术。针对手动操纵柔式内窥镜所带来的弊端,设计了一种基于LK光流算法的机器人柔式内窥镜系统。利用内窥镜图像控制内窥镜指向内腔管道的中心线,从而可提高内窥镜的智能化、简化对操作医师技术的依赖、减少医疗事故的发生。以常规胃镜检查为例,对常用的图像灰度算法进行了分析比较,实验结果表明,基于LK光流算法得到的内腔管道中心路径更为精确。     

基于改进DBSCAN算法的金相图像晶粒聚集检测方法

在金相组织检测环节中,需在不同放大倍数的显微镜下提取晶粒聚集区域并计算参数.使用传统DBSCAN聚类算法进行聚集检测时,因每张图像晶粒聚集的密度不同、显微镜放大倍数不同等问题,需要反复实验以确定DBSCAN算法的两个基本参数.针对上述问题,本文提出一种改进的自适应DBSCAN算法,通过平均晶粒大小,确定领域密度阈值(MinPts),利用自适应的方式调整领域半径(Eps),并采用k-d树数据结构加速聚类过程.实验结果表明,使用本文方法能够自动检测出晶粒聚集区域,具有一定普适性,有望提高检测效率.     

基于改进DBSCAN算法的金相图像晶粒聚集检测方法

在金相组织检测环节中,需在不同放大倍数的显微镜下提取晶粒聚集区域并计算参数.使用传统DBSCAN聚类算法进行聚集检测时,因每张图像晶粒聚集的密度不同、显微镜放大倍数不同等问题,需要反复实验以确定DBSCAN算法的两个基本参数.针对上述问题,本文提出一种改进的自适应DBSCAN算法,通过平均晶粒大小,确定领域密度阈值(MinPts),利用自适应的方式调整领域半径(Eps),并采用k-d树数据结构加速聚类过程.实验结果表明,使用本文方法能够自动检测出晶粒聚集区域,具有一定普适性,有望提高检测效率.     

一种基于高斯分布的自适应 DBSCAN 算法

针对传统的 DBSCAN 算法只能依靠经验来设置阈值(min Pts ,Eps)和无法对多密度数据集进行有效聚类的不足,提出了一种可适用于所有密度分布特征的数据集的基于高斯分布的自适应 DBSCAN 算法.该算法根据数据集的特点寻找最大的聚类效果指数(CEI)来确定 min Pts ,通过 Distk 图的层次数确定 Eps 个数并通过高斯分布中的参数估计来确定每个密度层次 Eps 大小,最后用所求得阈值进行聚类.将该算法与传统的 DBSCAN 算法分别应用于单密度数据集和多密度数据集,结果显示该算法更有效.     

基于DBSCAN算法的大数据时代信息安全研究

随着互联网行业的不断发展,人们获取信息的方式也由传统媒介转向互联网,同时人们的信息安全又多了诸多影响因素,不法分子获取用户信息的方式也愈发的多样化,因此网络安全对个人信息和隐私保护至关重要。文章通过问卷调查的方式,对大数据时代下影响信息安全的因素进行了分析,将机器学习中的DBSCAN聚类算法应用到风险感知识别系统,及时识别到网络入侵,从而阻止信息的强制泄露。政府、企业和个人等各方面要加强信息安全意识,防止信息人为泄露。     

光流算法比较分析研究

运动目标检测是计算机视觉中重要的课题,运动目标的正确检测与正确分割影响着后续目标的跟踪与识别;光流法是运动目标检测和分析的重要方法,它能够在不知道任何预先场景情况下检测出独立的运动目标,并且可适用于动态场景的情况。首先介绍了光流的基本概念,然后介绍了常用的光流的四种算法;接着以智能交通中路口车辆视频为例,将这四种光流算法用于车辆检测,然后对四种光流算法的优缺点进行分析;最后对光流法在未来可能研究及改进的方向提出展望。     

基于光流法的多分辨率电子稳像算法

针对动载体摄像系统中视频序列受载体姿态运动及抖动的干扰而出现的不稳定现象,提出一种基于光流算法的多分辨率电子稳像算法。首先,通过划定有效的运动估算区域取代对整帧图像的计算以降低计算量;然后,利用基于光流算法的多分辨率分层运动估计快速并精确地计算出包含平移、旋转以及缩放运动的相邻帧间仿射变换参数;最后,采用固定帧补偿算法,利用求得的仿射变换参数,对图像进行运动补偿,消除或减轻图像序列帧间的随机抖动,达到稳像的目的。实验结果表明,针对包含运动目标的动态场景,该算法可以精确地检测出视频序列帧间平移、旋转以及缩放等复杂的抖动,水平和垂直方向的稳像精确度小于1pixel,保证视频序列的稳定输出,可应用于目标跟踪系统中。     

基于SIFT算法的无人机视觉导航研究

针对无人机在飞控信道被阻塞和失去卫星定位信号的情况,研究了依靠自主视觉导航来提高生存能力的可能。图像特征信息的获取和匹配是建立图像间的对应关系、实现视觉导航的关键,基于SIFT算法对无人机俯拍图像进行了局部特征的提取、描述和匹配研究,实验结果表明了SIFT算法在无人机俯拍图像的景象匹配中的不变性和准确性,证明了该算法在无人机视觉导航中的应用潜力。     

基于DBSCAN聚类算法的异常轨迹检测

现有的异常轨迹检测算法往往侧重于检测轨迹的空域异常,忽略了对轨迹时域异常的检测,并且检测精确度不高,针对此类问题,提出了基于增强聚类的异常轨迹检测算法。首先,采用基于速度的最小描述长度（VMDL）准则把轨迹简化成有序线段;然后,使用改进的线段间的距离定义,基于DBSCAN算法把线段分为不同的类,以建模局部正常运动模式;最后,采用先检测空间异常性再检测时间异常性的二级检测算法,检测时空异常轨迹点。在多个测试集上的实验结果表明:该算法可以检测位置、角度、速度等三种时空异常轨迹点,相对于其他算法,明显提高了异常轨迹检测的精确度。     

INS/光流/磁强计组合导航在小型无人机中的应用

由于低成本的惯性导航系统存在较为严重的漂移,小型无人机在使用其导航时,往往会出现较大的误差。针对这一问题,本文提出了一种INS/光流/磁强计组合导航方案：基于扩展卡尔曼滤波,将INS与光流数据融合,估计无人机的速度和位置。当无人机静止或匀速运动时,将陀螺仪与加速计、磁强计的数据融合,估计无人机的姿态;当无人机加速或减速时,用陀螺仪估计无人机的姿态。利用无人机飞行数据对本文所提出的组合导航方案进行了验证,验证结果表明,该方案有效的减少导航时的速度、位置和姿态的误差,提高导航精度。