研究了无人机自主着陆过程中的目标跟踪技术。在分析目标跟踪过程中存在的遮挡、背景变化、尺度可变等问题的基础上，提出了一种基于KCF（Kernelized Correlation Filter）算法的无人机目标跟踪尺度自适应方法。采用独创的KCF目标跟踪框架实现目标位置预测功能。其次，针对运动目标的尺度可变问题和尺度变化引起的目标丢失问题，采用了DSST目标跟踪算法的尺度滤波器。该算法对运动目标的尺度进行估计，生成小尺度滤波估计，以提高无人机对运动目标的跟踪效率，降低目标丢失率。在 OTB 数据集上的最终测试显示，可变尺度精度提高了 4%，可变尺度成功率提高了 2.9%。在Linux系统下搭建Gazebo 3D环境场景，进行无人机自主着陆仿真实验，验证改进算法在无人机自主着陆应用中的实时性。仿真结果表明改进后的KCF目标跟踪算法在无人机自主着陆轨迹跟踪过程中具有实时性。



"点击查看英文标题和摘要"