项目名称: 面向无人机基于在线场景建模的室外目标检测与跟踪方法研究

项目编号: No.61503256

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 其他

项目作者: 朱琳琳

作者单位: 沈阳航空航天大学

项目金额: 18万元

中文摘要: 飞行机器人视觉目标检测与跟踪方法应用中存在两个难题:其一,飞行机器人本体与视觉系统的动态耦合关系没有作为先验信息对场景搜索区域进行预测,算法实时性下降;其二,对于室外光照下的目标和环境阴影带来的影响不能完全剔除,致使目标特性发生改变,目标检测和跟踪算法鲁棒性变差。本项目针对以上制约飞行机器人机载视觉系统应用的难题,基于飞行机器人动力学模型,根据目标、阴影区域位置来预测未来时刻必要的处理区域,提出基于飞行动力学的机载视觉场景在线建模估计方法;以该方法获取的区域范围为基础,基于阴影成像机理的三色衰减模型,消除阴影影响,使目标不受阴影干扰,实现目标的高效检测;在此基础上,再应用阴影特征不变变换方法,将目标特征在连续多幅图像进行无损变换,去除阴影干扰,实现高效的目标跟踪。本项目参考系统建模、阴影成像机理等理论方法,提出一种高效的具有光照自适应能力的目标检测与跟踪算法,拓展机载视觉系统的应用范围。

中文关键词: 视频/视觉跟踪;地面移动目标跟踪;阴影检测;特征变换;场景建模

英文摘要: The two challenging issues in visual target detection and tracking of aerial robots are: 1) the dynamical coupling between aerial robot and vision system is not employed as prior knowledge in scene searching, which deteriorates the algorithm real-time performance; 2) the inseparability between target and environmental shadow in lighting condition yields target natural variation and leads to poor robustness of detection and tracking algorithm. This project focuses on these issues limit the target detection and tracking application. Firstly, based on the aerial robot's dynamics model, according to the target and shadow's estimation to predict critical process area in the future time steps, and an onboard video scene online modeling method will be proposed based on the dynamics; with the resulting area from the online modeling, by applying the tri-color attenuation model of shadow imaging mechanism to achieve complete shadow elimination and the feature of moving target undisturbed, to accomplish the high efficient target detection; On this basis, applying the static shadow feature method, to realize the target lossless transform in multiple successive images and remove the shadow interference, and achieve the high efficient target tracking. This project employs the system modeling, shadow imaging mechanism method to propose the real-time performance and robustness of onboard computer vision applications that expands the application area of UAV's vision system.

英文关键词: video based tracking ;moving target tracking;shadow detection ;feature transform;scene model

成为VIP会员查看完整内容
3

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
121+阅读 · 2021年4月29日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
目标检测之殇—小目标检测
极市平台
4+阅读 · 2021年11月3日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
21+阅读 · 2021年10月9日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
121+阅读 · 2021年4月29日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
目标检测之殇—小目标检测
极市平台
4+阅读 · 2021年11月3日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员