无人机对地目标跟踪与定位的基础理论与关键技术

无人机因机动性能好、生存能力强、无人员伤亡等特点，不但在现代军事战争中正扮演着越来越重要的角色，而且在民用领域也有着广阔的应用前景，受到了各国的空前关注。本课题将围绕无人机应用问题，重点研究无人机对地目标跟踪与定位的基础理论与关键技术。课题的研究内容包括多传感器信号获取与处理、电子稳像、复杂背景下的目标检测与跟踪、基于光学传感器的无源定位、多无人机联合作业等。涉及到的理论和技术有信息获取、信源与信道联合编码、多源信息融合、弱小目标检测、运动估计、光学定位、三维重建、自动控制等，是一个多学科交叉的研究课题，属于基金委"十二五"发展规划的优先发展领域。课题将把理论研究与半实物仿真、现场实验相结合，争取在理论研究和实际应用上都有所突破，为我国机载视觉系统发展提供理论和技术支持，以提高我国无人机装备水平。

无人机对地目标跟踪与定位是无人机测绘、侦察监视、对地攻击的核心技术，用于在复杂环境下获取地面感兴趣目标的位置和运动状态信息。由于无人机平台间差异巨大的飞行特性、应用场景的复杂性、目标在传感器数据空间特征的多样性及计算资源的有限性，无人机对地目标跟踪与定位任务面临诸多挑战。课题组以无人机装备空地作战需求为牵引，系统地开展了有关无人机对地目标跟踪与定位的基础理论与关键技术的研究工作并取得重要进展。.在目标跟踪方面，提出了约束子空间学习的概念，并在此框架下提出了基于稀疏性诱导子空间学习、基于鉴别性子空间学习等一系列创新方法；此外，将多视角学习、模糊学习等引入到目标跟踪中，其中构建的基于多视角学习的跟踪算法论文在2016学科评估“ESI高被引论文”中排名前2.73%。.在目标定位方面，为提高机载定位系统的环境适应性，设计了抗视角变化特征提取方法，解决无人机实时侦察图像与参考图像匹配时由于大视角差异引起的图像不规则形变；在小型无人机自主定位方面构建了成本低廉、易获取、易集成的自主定位框架，提高了多任务环境下机载定位技术的精度和适应性。.在无人机获取图像的稳像、复原及拼接方面，针对图像受到均匀的运动模糊而造成退化的情况，提出了基于混合p范数的图像去模糊方法、基于边缘尺度的边缘选择准则、结合无人机航拍参数的快速配准，更好地解决了小尺度边缘对模糊核估计产生歧义性的问题，并搭建了稳像及图像复原系统，改善了图像质量。.在三维场景图像重建与构图方面，构建了基于RGBD信息的机载在线三维重建系统和基于单目视频的机载在线三维重建系统。提出了基于深度传感器和可见光传感器信息融合的点云配准、像素支持域深度与法向联合优化的大规模高速并行方法、基于三维标签和超像素全局优化的高精度算法，并在国际权威排行榜Middlebury上至今连续六个月排名世界第一。.本项目的实施过程中，设计了实验验证平台并完成验证；发表学术论文41篇，其中在IEEE Transactions on Image Processing、International Journal of Computer Vision等国际期刊发表论文17篇，在本领域重要的国际会议（ICCV、ECCV等）上发表论文3篇；出版译著1部，授权发明专利1项；培养博士后2名，研究生30余名。