无人机遥感图像融合方法研究

针对待拼接的无人机遥感图像重叠区域不规则、焦距不固定、含噪声较多等问题, 在加权平均融合算法的基础上引入基于折线化思想的不规则重叠区域生成法, 减小算法误差, 并运用基于距离比的自适应算法实现权值自动匹配, 使算法在不受重叠区域形状限制的同时得到更精确的计算结果, 解决了图像拼接后融合区域分辨率低、拼接线明显的问题。仿真表明, 改进的加权平均融合算法在保持原算法快速性的同时, 达到了去除拼接缝隙、使图像融合区域过渡平滑的目的, 并获得了融合质量较好的大视野无缝拼接图像。     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

一种间断观测下的无人机地面目标跟踪方法

提出了一种基于贝叶斯滤波器和适航地图的跟踪算法(BF-Hmap),解决间断观测下的无人机地面目标跟踪问题.采用基于中心线和梯度图的快速道路提取算法生成目标适航地图,该图描述了地面目标与当前地形相关的运动能力.采用贝叶斯滤波器分两步在线更新目标状态的后验概率分布,即在预测阶段考虑适航地图对目标运动的约束,以及在估计阶段充分利用目标的所有观测信息.仿真结果表明,在间断观测下该算法对地面机动目标有着良好的跟踪效果.     

微小型电动无人机动力系统试验台的设计与实现

本文针对某型微小型无人机的动力系统设计了一套自动测试系统。该系统通过调节遥控器油门大小控制电机的实际输出功率,实时记录和测量电动机的扭矩、拉力、电压、电流和转速等信号,完成动力系统各功能部件的特性试验。经过实际的测试,本试验系统达到设计要求,对于微小型无人机动力系统的研究具有一定的工程应用价值。     

基于自适应遗传算法的无人机航路规划

在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.     

无人机光电侦察平台的动目标测速方法研究

为了满足无人机对地面运动目标的侦察需求,在无人机光电侦察平台对地面运动目标实时跟踪的基础上,提出了一种对地面运动目标的光学测速方法.该方法根据光电侦察平台提供的俯仰角、方位角和无人机距离目标的距离,并结合了无人机的三维姿态信息,建立了无人机光电侦查平台对地面运动目标的速度测量模型.并分析了测速模型的误差来源,推导了误差计算公式.该测量方法无需定位目标,能够有效测量运动目标的速度,实用性较强.     

大规模无线传感网络数据收集的无人机路径规划

针对部署在地表交通困难的大规模无线传感网络,采用目前可控无人机(unmanned aerial vehicles, UAV)进行数据收集能够达到更好的效果. 然而,考虑到无人机自身有限的资源,以及网络中存在大量传感器节点的情况,无人机飞行路径规划对于顺利完成数据收集任务具有重要作用. 无人机路径规划可以看作经典的旅行商问题(traveling salesman problem,TSP). 针对部署具有均匀性特点的大规模无线传感网络,提出了一种规则化快速路径规划(fast path planning with rules, FPPWR)算法. 该算法通过网格划分,将全局区域飞行路径的求解划分到多个较小的方格中进行,并通过成对算子路径优化算法在初等飞行路径上将方格区域中的路径合并为全局路径. 实验证明,该算法在保证了较高精度的同时,显著提升了路径规划的效率.      

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

基于动作捕捉的无人机运动状态识别

无人机运动状态识别是无人机运行状态分析的基础,是实现无人机航迹预测的必要条件。对于非合作目标来说,动作捕捉系统可以有效采集其航迹数据。提出一种基于动作捕捉的无人机运动状态识别方法。首先,通过插值、重采样、滤波等方法对包含噪声的无人机航迹数据进行预处理;然后,通过特征提取与特征选择方法,针对速度、加速度、曲率、转角这4个运动参数,提取无人机运动特征;并分割无人机航迹。最后运用支持向量机的方法进行无人机运动状态识别,对速度、加速度、曲率的分类精度分别达到了95%、90%和100%。证明了本方法的可行性。     

无人机光电载荷图像处理器的设计

介绍了无人机载设备的技术特点及机载小型图像处理器的组成。采用TI公司的数字信号处理器芯片为核心处理器,配合现场可编程逻辑器件(FPGA)与外部管理微控制单元(MCU)来实现目标数据的采集与处理,设计了适用于无人机光电载荷的超小型图像处理器系统。针对机载设备的特点,设计时充分考虑了体积、重量、功耗等要求。该系统已应用于多台套机载光电载荷中,工作稳定可靠,满足无人侦察机对捕捉和定位目标的要求。