多旋翼无人机机载智能安全监控关键技术研究

Recent years witness the rapid development of Unmanned Aerial Vehicle(UAV).The theory and technology of using UAVs in auto-surveillance tasks increasingly becomes a research hotspot. However, because of the restrictions of UAV platform, the usage of UAVs in auto-surveillance tasks is normally troubled by problems such as low stability, high complexity and lack of efficiency. Also, the research are mainly focused on large-distance surveillance tasks usually undertook by UAVs with fixed wings, which performs well in jobs such as object detection in big area, because of its big cruise range and high speed. However, UAVs with fixed wings normally lack of agility which makes them suffer when performing tasks such as tracking important target. Therefore, the proposed project will focus on the topic of auto-surveillance using multicopter UAVs. We will exploit the utilizations of various airborne sensors in auto-surveillance, especially in ego-motion compensation to enhance the precision and processing speed of auto-surveillance. We will also focused on the research of object detection and tracking for multicopter UAVs based on adaptive multi-feature background modeling technique to improve the efficiency and stability of auto-surveillance. Last but not the least, we will research on the fusion of auto-surveillance and airborne control and guidance system to boost the functionality and flexibility of auto-surveillance. The applied research is expected to achieve theoretical contributions and technical breakthroughs, promoting the development of next generation intelligent flying robot.

随着无人机的迅速发展，无人机机载智能安全监控的理念和构建方法已经越来越成为国际上前沿研究的热点，然而由于无人机平台的诸多限制，普遍存在稳定性差、复杂程度高、监控效率低等问题。且目前国内外研究大都着眼于固定翼无人机大范围监控，其飞行特性适合发现目标，因灵活性不足而不适合瞬时跟踪监控目标等任务。针对上述问题，本申请课题拟探索从固定翼向多旋翼无人机的机载智能安全监控发展的理念，研究各种机载传感器参数与智能安全监控的融合，构建准确、快速的图像配准方法来提升智能安全系统的精度和运行速度；并进一步以自适应背景模型为基础，针对性的探索适合多旋翼无人机智能监控任务的目标检测与追踪方法，提高监控效率和稳定性；通过智能安全监控系统和无人机导航与飞行控制系统的互联，提升无人机监控水平和灵活性。本申请项目有望在多旋翼无人机智能监控领域取得理论和技术上的突破，为进一步发展智能飞行机器人建立基础。

基于无人机的智能安全监控在智慧交通、智慧城市以及安全监控等领域有宽广的应用范围和深厚的应用价值。因此探索适应无人机机载系统的智能安全监控相关算法，如背景减除算法和目标检测算法，具有一定的理论价值和实际意义。本项目在充分考虑无人机运动特性，以及无人机机载计算平台计算能力弱等特点的影响，主要研究内容及成果如下：. 研究加入配准步骤的背景减除算法：通过配准算法和背景减除算法的融合，使得原本基于使用固定摄像头拍摄视频的背景减除算法可以被扩展到处理基于移动平台，如无人机，拍摄的视频上。经过测试，该方法可以大幅提高移动拍摄平台下背景减除算法的检测精度，同时避免算法复杂度的大幅增长。. 研究利用神经网络对背景减除算法进行后处理：在背景减除算法中使用神经网络是当前背景减除领域的研究热点。研究利用任意背景减除算法的输出和Ground Truth的残差训练神经网络模型，使得网络学习到对应背景减除算法的针对不同场景的通用性弱点，并利用其优化该背景减除算法。该算法可以提升任意背景减除算法的检测精度，同时弥补神经网络算法对场景敏感的弱点。. 研究航拍图像中的小目标检测算法：将加入特征融合网络的FPN与Faster RCNN结合起来，提出了融合FPN和Faster RCNN的小目标检测算法，经测试，该算法可以有效提升航拍图像中小目标的检测精度；通过改进特征融合模块、优化基础网以及残差模块的机构，提出基于改进型YOLO V3网络的航拍图像小目标检测算法，在提升检测速度的基础上，有效提升了算法检测精度。. 本项目研究过程中，发表论文5篇，其中SCI/EI收录4篇，另有2篇在投稿过程中，2篇已发表论文未标注基金号；相关成果已申请专利1项，另有2项专利尚在申请过程中；培养研究生4名。项目研究成果为基于无人机的智能监控系统的发展和应用提供了理论和技术基础。