【摘 要】
：
航拍图像与道路航标之间的配准与匹配是实现城市区域非 GPS 无人机自主定位的关键技术。基于道路航标的无人机定位技术，本质上是图像配准和匹配技术在无人机定位与导航领域的应用，其目的是实现GPS不可用环境下无人机的实时高精度定位。针对传统基于手工提取特征的多阶段图像配准与匹配算法存在精度低、鲁棒性差以及时效性差等诸多不足，本文提出基于端到端学习的道路航标配准与匹配新方案，采用深度学习技术直接建立从输入
论文部分内容阅读
航拍图像与道路航标之间的配准与匹配是实现城市区域非 GPS 无人机自主定位的关键技术。基于道路航标的无人机定位技术，本质上是图像配准和匹配技术在无人机定位与导航领域的应用，其目的是实现GPS不可用环境下无人机的实时高精度定位。针对传统基于手工提取特征的多阶段图像配准与匹配算法存在精度低、鲁棒性差以及时效性差等诸多不足，本文提出基于端到端学习的道路航标配准与匹配新方案，采用深度学习技术直接建立从输入端到输出端的映射关系。
本文针对航拍图像与道路航标之间的配准与匹配进行了深入研究，通过对算法模型进行设计及改进解决了传统算法存在的若干问题。本文的主要贡献如下：
1. 针对目前公开可用的航拍图像数据集不足的问题，创建大规模对齐的航拍图像与道路航标数据集。由于航标通常被定义为具有显著特征的区域，选择具有相对复杂形状的道路作为航标数据，截取与道路航标具有相同位置的航拍图像作为航拍数据集，并对航拍图像进行随机旋转和平移变换并进行标记。
2. 借助深度学习技术，提出一种新颖的基于注意力机制的跨域道路航标配准模型，实现彩色航拍图像与二值矢量道路图的高精度配准。该模型采用部分参数共享的双分支非对称神经网络结构将输入图像映射到同一个特征空间，实现跨域特征表达。考虑到道路特征稀疏，该模型在深度特征匹配的基础上引入多分支注意力模块来滤除错误特征点匹配对，从而提高航标配准精度。
3. 考虑到无人机机载计算机存储空间有限，设计了一种轻量级的跨域道路航标匹配算法，可实现端到端的快速、高精度道路航标匹配。该匹配模型是以上述配准模型为基础，通过对配准模型进行轻量化处理，降低匹配的计算复杂度，提高匹配效率。
其他文献
随着科学的发展和技术的进步，人工智能成为最热门的科技话题之一，越来越多的人工智能产品从理论研究走向实际应用。家庭生活的各个角落也都出现了人工智能的踪迹，从手机到电视，从音箱到冰箱，从扫地机器人到服务机器人，人们的生活发生了翻天覆地的变化。语音交互作为一种重要的人机交互形式，常被用到智能家居中。为了使智能家居产品实现更加自然、高效的人机交互，让其能够感受和分辨人的情感，家庭环境中语音情感识别的实现具
随着计算机技术的飞速发展，深度学习技术在各领域的应用日益广泛，但是对抗样本的出现，给人工智能安全领域敲响了警钟。研究表明：深度神经网络具有天然的漏洞，非常容易受到对抗样本的攻击。精心设计的对抗扰动可以让图片产生人眼难以辨别的差异，但却会令神经网络面模型做出错误的分类。早期的对抗攻击技术仅局限于数字世界中，近几年，以对抗补丁为代表的对抗攻击技术正向物理世界中发展，攻击的目标也由分类模型向目标检测模型
目标检测是计算机视觉领域一个热门问题，它不仅广泛地应用于工业检测和智能驾驶等实际场景，也对解决人脸检测和实例分割等更复杂的视觉问题有着重要的作用。 近年来，随着深度学习的发展，深度神经网络凭借其强大的特征提取能力和优异的表现性能被广泛地应用于目标检测任务当中，诞生了一些经典算法，并在相关领域展现出了巨大的应用价值。然而，尽管目标检测算法已经取得了巨大的成功，却仍然在尺度变化、采样等方面存在着巨大
实际工程系统中往往存在未知参数、时变时滞等干扰因素，这些因素不可避免地对系统的控制效果产生影响。如何针对此类系统设计输出反馈控制器值得研究。本文基于齐次系统理论、Lyapunov稳定性理论、动态增益技术以及增加幂积分法，研究一类具有未知齐次增长率的非线性系统的输出反馈控制问题。论文主要工作如下： 1、针对一类具有时变时滞的非线性系统，考虑其全局输出反馈控制问题。由于非线性项满足上三角结构的齐次增
分布式传感器网络在环境监测、机器人协同工作、无人机编队飞行等民用和国防领域具有广泛的应用。在分布式传感器网络中，由于不同技术和部件之间的互联，以及传感器等智能体之间的互联，传输的数据容易受到攻击，从而导致传感器网络的运行遭到破坏。为了能够有效地抵御外部恶意数据注入的影响，本文设计了一种带有攻击检测的分布式滤波算法。该攻击算法可以有效识别虚假信息，维持系统安全运行。同时，考虑到攻击检测器的引入会使传
字符识别、人脸识别、生物医学图像识别等图像识别技术在诸多计算机视觉领域有重要的应用价值，准确高效的图像识别是当前模式识别领域的热门研究课题。传统基于Gabor小波的图像识别方法提取的特征向量维度高，识别效果较差；近年来基于深度学习的图像识别方法取得了较好的识别效果，但仍然存在模型复杂度高、训练时间长、对外界环境变化鲁棒性差等问题。本文在对Gabor小波以及卷积神经网络深入分析的基础上，针对基于Ga
视频监控作为计算机视觉领域的典型应用之一，现已广泛应用于道路安全，公共安防、智能交通等民用与军事领域。针对监控视频下的跨摄相机行人重识别技术对城市安全具有重大意义。行人重识别是指对于出现在某个监控视频中的行人，跨设备检索该行人图像，判断其是否出现在其他摄像头中。为实现监控视频中的行人重识别，本文主要完成以下几个方面的工作： 首先，本文对目前流行的基于深度学习的行人检测算法进行比较，并提出改进的S
目标跟踪作为计算机视觉领域的一项重要技术，为行为识别、视觉导航、智能监控等高级应用提供了基础，然而跟踪过程中，复杂的环境变化和目标自身的形态变化都给鲁棒跟踪带来了很大挑战。TLD跟踪框架将跟踪任务分解成帧间跟踪、模型在线学习和帧内检测三个子任务，给长时间目标跟踪问题提供了有效的思路。本文围绕长时间鲁棒跟踪问题，对基于 TLD 框架和核相关滤波的跟踪算法展开了研究，主要的工作包括以下三个方面： 1
复杂未知作业环境下，视觉 SLAM技术应用在穿戴式系统上往往存在定位不准、易丢失的问题。本文针对复杂多样且存在光线变化、移动物体等干扰的作业环境，研究了基于点线特征的视觉惯导SLAM技术；在此基础上，以巡检作业人员定位为典型应用场景，设计了可穿戴式定位系统，搭建了一套可穿戴式硬件平台，并开发了巡检定位功能和监控功能应用软件。 首先针对复杂作业环境的特点，提出了基于点和线段特征融合的视觉SLAM方
基于无人机或卫星航拍图像的地面目标检测识别，对于公共安全、地面侦察、交通疏导等方面都有重要意义。但是地面目标尺寸小、部分视角遮挡严重，导致目标可提取的特征少，而提升网络提取特征的能力，又会额外增加计算成本和运行时间，因此如何在提升小目标识别能力的同时减少计算量成为目前的研究热点。针对该热点问题，本文主要完成了以下几个方面的工作： 首先，分析了常用的目标检测识别框架，通过对比选择了精度较高且速度较