摘要：以固定翼小型无人机的自主着陆控制为研究背景,提出了一种基于光流的固定翼小型无人机自主着陆控制方法。该方法首先在分析固定翼飞行器着陆段运动特性的基础上,将着陆阶段的控制解耦为对飞行器的横向控制和纵向控制,然后以跑道线作为特征,计算其稀疏直线光流场,并结合摄像机模型以及光流场和速度场之间的关系,用跑道线的水平流作为系统反馈,设计控制系统。最后在Simulink环境下搭建动态仿真系统,仿真结果表明,使用本文方法可以有效实现飞行器的自主着陆控制。

摘要：针对基于图像序列光流的三维运动估计与深度重建问题,提出一种基于图像金字塔光流的三维运动估计与深度重建直接方法。首先根据光流计算亮度守恒假设和像素点光流与三维空间点运动的对应关系推导出基于图像亮度的三维运动守恒假设;然后借鉴变分原理,通过设计基于L1模型的鲁棒数据项以及图像与运动联合控制的平滑项构造基于变分光流的三维运动估计能量函数;为了应对图像序列中包含的大位移运动及运动遮挡问题,采用图像金字塔分层策略设计三维运动估计模型;最后根据图像三维运动估计结果重建图像中运动物体或场景的深度信息。实验表明,该方法能够较好地应对图像序列中光照变化、多目标大位移运动以及运动遮挡等情况,具有较高的三维运动估计与深度重建精度和较好的鲁棒性。

摘要：结合深度学习模型实现光流端到端的计算是当前计算机视觉领域的一个研究热点.文中对基于深度学习的光流估计方法进行总结和梳理.首先,介绍了光流的起源与定义;其次,总结了现有的数据集合和评价指标;最重要的是,着重从3个方面回顾了深度光流估计方法,包括有监督的深度光流估计方法、无监督的深度光流估计方法以及对现有光流估计方法的性能对比分析.分析表明,参照传统方法设计小而轻且泛化性能好的深度光流网络是未来的研究方向.在此基础上,进一步分析和介绍了当下光流估计与视频分析任务联合学习的一系列代表性方法,指出了设计由任务驱动的深度光流网络是很有应用价值的研究方向.最后,总结了深度光流估计存在的问题和挑战,并对未来工作进行展望.

摘要：针对小型四旋翼无人机自主着陆问题,提出了一种基于光流的高度估计方法和基于信号补偿的高度鲁棒控制器设计方法.首先从通用光流运动模型出发,采用奇异值分解方法求解无人机线速度和深度的比值,通过对垂直速度和高度比值积分获得高度数据.其次,将考虑地效影响和其它不确定性的高度通道非线性模型分解为标称线性模型和等效扰动两部分,并设计基于信号补偿的高度鲁棒控制器,该控制器由标称控制器和鲁棒补偿器组成,其中标称控制器使得标称闭环系统达到期望的高度跟踪特性,鲁棒补偿器用于抑制等效扰动的影响.最后从理论上证明了该控制器可以保证高度跟踪误差在有限时间内收敛至指定的原点邻域内.四旋翼无人机自主着陆的实验结果验证了所提出的基于光流的高度估计和鲁棒控制方法的有效性.

摘要：针对现有深度学习光流计算方法的运动边缘模糊问题,提出了一种基于多尺度变形卷积的特征金字塔光流计算方法.首先,构造基于多尺度变形卷积的特征提取模型,显著提高图像边缘区域特征提取的准确性;然后,将多尺度变形卷积特征提取模型与特征金字塔光流计算网络耦合,提出一种基于多尺度变形卷积的特征金字塔光流计算模型;最后,设计一种结合图像与运动边缘约束的混合损失函数,通过指导模型学习更加精准的边缘信息,克服了光流计算运动边缘模糊问题.分别采用MPI-Sintel和KITTI2015测试图像集对该方法与代表性的深度学习光流计算方法进行综合对比分析.实验结果表明,该方法具有更高的光流计算精度,有效解决了光流计算的边缘模糊问题.

摘要：针对无人车平台利用光流进行载体位姿估计时面临的不同运动状态光流矢量解耦与分析问题,推导了光流运动场模型,分析了载体在六自由度位姿独立变化时的解耦光流运动场模型;根据解耦光流运动场模型,设计了车载平台的仿真算法,并给出完全解耦的仿真结果;利用解耦光流运动场模型量化分析了仿真结果的正确性;利用KITTI数据集的平移、旋转两个典型场景开展真实光流解耦实验,进行了模型分析、仿真过程、真实数据、对比结果的一致性验证。结果表明:所给出的解耦模型分析、仿真算法、仿真与真实结果以及对比分析不仅可用于车载平台利用光流开展位姿解耦估计中的误差分析和算法验证,还对深入理解光流运动成像、开展无人车平台光流应用的研究具一定的借鉴和指导。

摘要：针对现有的光流方法在处理大位移和估计运动图像细节方面存在的问题,提出一种结合图像细节特征的变分光流场模型.首先通过增加特征点的对应,采用自适应的保持边缘的正则项以及引入occlusion检测函数对经典光流模型进行了改进;其次,采用基于变分框架下的高斯金字塔方法以及加权中值滤波的方法对所提出的模型进行求解.大量的实验结果表明,文中模型有效地解决了以上问题,并取得了较好的效果.

摘要：提出一种联合Gabor滤波器和加权最小二乘法估计序列图像光流的方法,用Gabor滤波器的滤波结果作为新的图像特征来计算空间和时间相位梯度.为了获得较为精确的结果,用加权最小二乘法来估计序列图像的光流.实验结果表明,文中算法在光流的计算精度上要优于Lucas,Fleet等的方法.

摘要：针对现有深度学习光流估计模型在大位移场景下的准确性和鲁棒性问题,提出了一种联合深度超参数卷积和交叉关联注意力的图像序列光流估计方法.首先,通过联合深层卷积和标准卷积构建深度超参数卷积以替代普通卷积,提取更多特征并加快光流估计网络训练的收敛速度,在不增加网络推理量的前提下提高光流估计的准确性;然后,设计基于交叉关联注意力的特征提取编码网络,通过叠加注意力层数获得更大的感受野,以提取多尺度长距离上下文特征信息,增强大位移场景下光流估计的鲁棒性;最后,采用金字塔残差迭代模型构建联合深度超参数卷积和交叉关联注意力的光流估计网络,提升光流估计的整体性能.分别采用MPI-Sintel和KITTI测试图像集对本文方法和现有代表性光流估计方法进行综合对比分析,实验结果表明本文方法取得了较好的光流估计性能,尤其在大位移场景下具有更好的估计准确性与鲁棒性.

摘要：在摄像机运动的情况下 ,提出了一种基于光流场分割和Canny边缘算子融合技术的运动目标检测方法 .这种方法可分为三步 :第一步利用运动的内极线约束和C 均值聚类算法完成目标区域的分割 ,并获得分割图 ;第二步在分割图中利用Canny边缘算子获得细化的目标区域边缘图 ;第三步根据光流场中的流速值完成分割图和边缘图的融合 ,并检测出完整的运动目标 .实验表明 ,这种方法可以有效地从复杂自然场景的图像序列中检测出完整的运动目标 .