面向小型無人機(jī)的視覺高度測量和目標(biāo)識別技術(shù)研究與FPGA優(yōu)化.pdf

1、小型無人機(jī)（Unmanned Aerial Vehicle，簡稱UAV）的飛行姿態(tài)評估與視覺導(dǎo)航是小型無人機(jī)系統(tǒng)的兩大關(guān)鍵技術(shù)。本文對小型無人機(jī)飛行姿態(tài)評估中的高度測量與視覺導(dǎo)航中的目標(biāo)識別技術(shù)進(jìn)行了相關(guān)研究與FPGA（Field Programmable Gate Array，簡稱FPGA）優(yōu)化。
　　本研究主要內(nèi)容包括：⑴針對小型無人機(jī)飛行高度測量在低空飛行以及城市、室內(nèi)等復(fù)雜環(huán)境下傳統(tǒng)傳感器失效、測量精度不準(zhǔn)確的情況和現(xiàn)有視

2、覺高度測量方法受限于人工標(biāo)志的問題，本文提出了一種自然環(huán)境下的基于光流法的視覺高度測量方法，為小型無人機(jī)的飛行姿態(tài)評估提供了一個(gè)有效的高度信息源。⑵針對光流法稠密性、實(shí)時(shí)性和靈活性的需求，本文設(shè)計(jì)了一種基于FPGA的參數(shù)可調(diào)的金字塔 LK(Lucas-Kanade)光流估計(jì)并行結(jié)構(gòu)，同時(shí)，該結(jié)構(gòu)具有可擴(kuò)展性。金字塔LK光流，是LK光流的金字塔分層實(shí)現(xiàn)，該方法在擴(kuò)展LK光流估計(jì)范圍的同時(shí)又保持了LK光流估計(jì)良好的局部性和潛在的并行性。⑶針

3、對視覺導(dǎo)航小型無人機(jī)在飛行過程中視角不斷變化的特點(diǎn)，選擇了一種目前流行的深度學(xué)習(xí)算法CDBN（Convolutional Deep Belief Network），利用該方法的平移不變性，進(jìn)行視頻場景中有無建筑物的圖像二分類。⑷針對CDBN的深度學(xué)習(xí)結(jié)構(gòu)訓(xùn)練時(shí)間長但又存在很大潛在并行度的特點(diǎn)，對其中的核心單元CRBM（Convolutional Restricted Boltzmann Machine）在定制的FPGA硬件架構(gòu)下進(jìn)行了優(yōu)