采用多重约束的无人机导航KLT视觉跟踪算法

宋琳; 程咏梅; 刘楠; 刘夏雷

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用多重约束的无人机导航KLT视觉跟踪算法

宋琳, 程咏梅, 刘楠, 刘夏雷

文章导航 > 红外与激光工程 > 2013 > 42(10): 2828-2835

宋琳, 程咏梅, 刘楠, 刘夏雷. 采用多重约束的无人机导航KLT视觉跟踪算法[J]. 红外与激光工程, 2013, 42(10): 2828-2835.

引用本文:

宋琳, 程咏梅, 刘楠, 刘夏雷. 采用多重约束的无人机导航KLT视觉跟踪算法[J]. 红外与激光工程, 2013, 42(10): 2828-2835.

Song Lin, Cheng Yongmei, Liu Nan, Liu Xialei. Algorithm of vision tracking for UAV navigation based on multi-constraint KLT[J]. Infrared and Laser Engineering, 2013, 42(10): 2828-2835.

Citation:

Song Lin, Cheng Yongmei, Liu Nan, Liu Xialei. Algorithm of vision tracking for UAV navigation based on multi-constraint KLT[J]. Infrared and Laser Engineering, 2013, 42(10): 2828-2835.

采用多重约束的无人机导航KLT视觉跟踪算法

1.
西北工业大学自动化学院,陕西西安 710072

基金项目:

西安市科技计划项目（CXY1350（2））;航空科学基金（20100853010）

详细信息

作者简介:
宋琳（1983- ），男，博士生，主要从事信息融合、视觉导航、模式识别方面的研究。Email：linsong0818@163.com；程咏梅（1960- ），女，教授，博士，主要从事信息融合、模式识别方面的研究。Email：chengym@nwpu.edu.cn

宋琳（1983- ），男，博士生，主要从事信息融合、视觉导航、模式识别方面的研究。Email：linsong0818@163.com；程咏梅（1960- ），女，教授，博士，主要从事信息融合、模式识别方面的研究。Email：chengym@nwpu.edu.cn

中图分类号: TP391.4

Algorithm of vision tracking for UAV navigation based on multi-constraint KLT

1.
School of Automation,Northwestern Polytechnical University,Xi'an 710072,China

摘要: 特征点跟踪是实现无人机视觉里程计导航的重要技术。针对无人机视频图像帧间运动较大造成帧间的特征点跟踪误差大的问题，提出一种基于时间可逆性约束和双向偏移量约束相结合的多重约束KLT 特征点跟踪策略，并在金字塔表示下分层求解跟踪点的偏移量。基于时间可逆性约束，建立新的融合前向跟踪和后向跟踪的目标函数，解算前向跟踪偏移量和后向跟踪偏移量，并构造新的帧间偏移量-双向偏移量，在金字塔分层表示结构下实现偏移量的最优估计。实验结果表明，该方法能够有效地实现帧间特征点的精确跟踪，与同类跟踪算法相比有较好的效果。
- 特征点跟踪 /
- 时间可逆性 /
- 双向偏移量
Abstract: Feature point tracking is an important technology to implement the visual odometry for navigation. Aiming at the problem of feature tracking with big errors caused by large motion of the video fixed on UAV, a multi-constraint KLT tracking strategy based on time-reversibility and bi-directional displacement constraint was proposed and the pyramid model was used for the hierarchical displacement computation of the tracking points. The new objective function was set up according to the fusion of forward and backward tracking. A new bi-directional displacement was constructed based on the displacements of forward and backward tracking, and the optimal estimation of the displacements was implemented in the structure of pyramid model. The experiment results demonstrate that the proposed algorithm improves the performance of precise tracking effectively and outperforms the similar tracker.
- feature point tracking /
- time-reversibility /
- bi-directional displacement

[1]
[2]	Davide Scaramuzza, Friedrich Fraundorfer. Visual odometry: part I: the first 30 years and fundamentals [J]. IEEE Robotics Automation Magazine, 2011, 11, 18(4): 80-92.
[3]
[4]	Huang Kengyen, TSAI Yimin, TSAI Chihchung, et al. Feature-based video stabilization for vehicular applications[C]//IEEE 14th International Symposium on Consumer Electronics, 2010: 1-2.
[5]	Lowe David G. Distinctive image features from scale-invariant keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91-110.
[6]
[7]
[8]	Li Xiying, Ni Guoqiang. Optical flow computation of infrared image [J]. Infrared and Laser Engineering, 2002, 31 (3): 189-193.
[9]
[10]	Muhammad Wasim Nawaz, Abdesselam Bouzerdoum, Son Lam Phung. Optical flow estimation using sparse gradient representation [C]//IEEE 18th International Conference on Image Processing, 2011: 2681-2684.
[11]	Gianpaolo Conte, Patrick Doherty. An integrated UAV navigation system based on aerial image matching[C]//IEEE Conference on Aerospace Conference, 2008:1-10.
[12]
[13]
[14]	Hao Wu, Chellappa R, Sankaranarayanan A C, et al. Robust visual tracking using the time-reversibility constraint[C]//IEEE International Conference on Computer Vision, 2007.
[15]
[16]	Shi J, Tomasi C. Good features to track [C]//IEEE Conference on Computer Vision and Pattern Recognition, 1994: 593-600.
[17]
[18]	Zdenek Kalal, Krystian Mikolajczyk, Jiri Matas. Forward-backward error: automatic detection of tracking failures [C]//International Conference on Pattern Recognition, 2010: 2756-2759.

[1]	齐志军, 朱东辉, 罗涛, 苗学策, 何晓业. 无需公共点的高精度激光跟踪仪自标定方法 . 红外与激光工程, 2024, 53(2): 20230607-1-20230607-8. doi: 10.3788/IRLA20230607
[2]	徐世龙, 夏宇浩, 董家杰, 钱其姝. 基于时间-光谱信息的遮蔽目标激光点云扩展与标识方法 . 红外与激光工程, 2023, 52(6): 20230213-1-20230213-9. doi: 10.3788/IRLA20230213
[3]	王明军, 易芳, 李乐, 黄朝军. 自适应局部邻域特征点提取和匹配的点云配准 . 红外与激光工程, 2022, 51(5): 20210342-1-20210342-10. doi: 10.3788/IRLA20210342
[4]	王旭明, 黄伟, 张炳先, 魏久哲, 庄绪霞, 吕秋峰, 姜海滨. 帧间角点匹配的积分时间实时测算方法 . 红外与激光工程, 2021, 50(5): 20200492-1-20200492-9. doi: 10.3788/IRLA20200492
[5]	申亚丽. 基于特征融合的RGBT双模态孪生跟踪网络 . 红外与激光工程, 2021, 50(3): 20200459-1-20200459-7. doi: 10.3788/IRLA20200459
[6]	王向军, 郭志翼, 王欢欢. 基于嵌入式平台的低时间复杂度目标跟踪算法 . 红外与激光工程, 2019, 48(12): 1226001-1226001(10). doi: 10.3788/IRLA201948.1226001
[7]	马天义, 张会香, 宋敏敏, 钮赛赛. 引入显著特征空间的抗遮挡红外目标跟踪 . 红外与激光工程, 2017, 46(3): 304002-0304002(7). doi: 10.3788/IRLA201746.0304002
[8]	王鹏, 周权通, 孙长库. 多特征点拓扑确定位姿测量算法研究 . 红外与激光工程, 2017, 46(5): 517001-0517001(9). doi: 10.3788/IRLA201746.0517001
[9]	崔成君, 劳达宝, 董登峰, 高强, 周维虎. 飞秒激光跟踪仪跟踪脱靶量零位标定方法 . 红外与激光工程, 2017, 46(1): 117001-0117001(8). doi: 10.3788/IRLA201746.0117001
[10]	唐聪, 殷松峰, 凌永顺, 王一程, 杨星, 徐凯. 基于红外照射仿真的快速搜索相关跟踪干扰点研究 . 红外与激光工程, 2016, 45(1): 104003-0104003(6). doi: 10.3788/IRLA201645.0104003
[11]	董登峰, 程智, 周维虎, 纪荣祎, 刘鑫. 激光跟踪仪目标脱靶量精密探测方法 . 红外与激光工程, 2016, 45(6): 617002-0617002(7). doi: 10.3788/IRLA201645.0617002
[12]	马大中, 翟小军, 孙秋野. 基于复合式PSO的光伏最大功率点跟踪控制 . 红外与激光工程, 2015, 44(12): 3801-3806.
[13]	巩晋南, 侯晴宇, 邓盼, 张伟. 扫描非均匀性对点目标探测影响 . 红外与激光工程, 2015, 44(11): 3282-3287.
[14]	乔立永, 徐立新, 高敏. 带宽自适应均值偏移红外目标跟踪 . 红外与激光工程, 2015, 44(1): 354-362.
[15]	陈凤金, 司俊杰, 施正风. 湿热环境下PbS光导探测器性能及可逆性研究 . 红外与激光工程, 2015, 44(12): 3713-3717.
[16]	谢易辰, 陈健, 闫镔, 童莉, 曾磊, 崔明明. 三维特征点距离特征集合求交匹配算法 . 红外与激光工程, 2014, 43(8): 2728-2732.
[17]	陈晓露, 戴明, 葛明, 郎小龙. 快速平滑点特征轨迹电子稳像 . 红外与激光工程, 2014, 43(6): 1988-1993.
[18]	胡晓彤, 王建东. 基于子空间特征向量的三维点云相似性分析 . 红外与激光工程, 2014, 43(4): 1316-1321.
[19]	吴泽鹏, 郭玲玲, 朱明超, 贾宏光, 宣明. 结合图像信息熵和特征点的图像配准方法 . 红外与激光工程, 2013, 42(10): 2846-2852.
[20]	王恩德, 朱枫, 肖阳辉, 王小春, 邹勇, 张弛. 回元导引头跟踪收敛性研究 . 红外与激光工程, 2013, 42(10): 2599-2602.

点击查看大图

计量

文章访问数: 341
HTML全文浏览量: 45
PDF下载量: 187
被引次数: 0

采用多重约束的无人机导航KLT视觉跟踪算法

1. 西北工业大学自动化学院,陕西西安 710072

作者简介:
宋琳（1983- ），男，博士生，主要从事信息融合、视觉导航、模式识别方面的研究。Email：linsong0818@163.com；程咏梅（1960- ），女，教授，博士，主要从事信息融合、模式识别方面的研究。Email：chengym@nwpu.edu.cn

宋琳（1983- ），男，博士生，主要从事信息融合、视觉导航、模式识别方面的研究。Email：linsong0818@163.com；程咏梅（1960- ），女，教授，博士，主要从事信息融合、模式识别方面的研究。Email：chengym@nwpu.edu.cn

收稿日期: 2013-02-17
修回日期: 2013-03-10
刊出日期: 2013-10-25

基金项目:

西安市科技计划项目（CXY1350（2））;航空科学基金（20100853010）

中图分类号: TP391.4

关键词:

摘要: 特征点跟踪是实现无人机视觉里程计导航的重要技术。针对无人机视频图像帧间运动较大造成帧间的特征点跟踪误差大的问题，提出一种基于时间可逆性约束和双向偏移量约束相结合的多重约束KLT 特征点跟踪策略，并在金字塔表示下分层求解跟踪点的偏移量。基于时间可逆性约束，建立新的融合前向跟踪和后向跟踪的目标函数，解算前向跟踪偏移量和后向跟踪偏移量，并构造新的帧间偏移量-双向偏移量，在金字塔分层表示结构下实现偏移量的最优估计。实验结果表明，该方法能够有效地实现帧间特征点的精确跟踪，与同类跟踪算法相比有较好的效果。