摘要
在无人机快速逃逸过程中,为了保证逃逸成功,需要对追击者设置的突变障碍物进行准确的视觉识别。由于障碍物对无人机而言,在出现的位置与出现的形式上,存在很强的突变性,传统的立体视觉模式识别方法中,障碍物在机器视觉需要建立高纬度模型表示障碍物的突变性和非线性,导致识别过程中的立体视差存在较大偏差,无法快速、准确识别出障碍物信息。提出了非参数核密度的无人机快速逃逸过程中障碍物自动识别模型,应用高斯核密度估计进行背景建模,对视频序列中的像素点进行概率密度分析,利用对像素点阈值进行设置,采集障碍物目标,采用连续视频序列中的多帧差分法,构建背景的自适应更新模型,克服光照、抖动等因素对障碍物目标背景重建的影响,实现无人机快速逃逸过程中障碍物自动识别。实验结果说明,采用所提方法可获取准确的障碍物自动识别效果。
An obstacles automatic identification model in the process of unmanned aerial vehicle （uav） rapid es- cape based on nonparametric kernel density is proposed, Gaussian kernel density estimation is applied for background modeling, and the probability density of the pixels in video sequences is analyzed. By using the pixel threshold set- tings, target obstacles are acquired. And an adaptive updating model of background is established based on the multi- frame difference method in a consecutive video sequence, which can overcome the influence of illumination, shaking and other factors on the obstacles target background reconstruction, to realize obstacles automatic identification in the process of unmanned aerial vehicle （uav） rapid escape. Experimental results indicate that the proposed method can obtain accurate automatic recognition of obstacles.
出处
《计算机仿真》
CSCD
北大核心
2015年第5期51-54,共4页
Computer Simulation
关键词
无人机
快速逃逸
障碍物
自动识别
Unmanned aerial vehicles（UAVS）
Quick escape
Obstacles
Automatic identification
作者简介
卢清秀（1979-），女（汉族），广东广州增城人，硕士，计算机科学与技术讲师，主要研究方向：智能算法、人工智能
陆兴华（1981-），男（汉族），辽宁辽阳人，硕士，讲师，主要研究领域：计算机控制、计算机算法。
