基于双目视觉的无人机测距检测与跟踪技术_王晓.pdfVIP

硕士学位论文

（全日制专业学位硕士）

题目基于双目视觉的无人机测距检测与跟踪技术

（英文）DetectionandTrackingTechnologyforUAVBasedon

BinocularVision

研究生学号:20082304059

研究生姓名:王晓

指导教师姓名、职称:马峻教授

申请学位门类:电子信息硕士

领域:电子信息

论文答辩日期:2023年5月28日

摘要

摘要

无人机技术的快速发展使得无人机的应用领域不断扩大，与此同时也带来一定的

威胁，包括飞行安全、非法入侵和盗取隐私信息等，因此对无人机进行有效监测很有

必要。针对传统方法效率低成本高的问题，本文将双目视觉技术与基于深度学习的检

测、跟踪算法结合，设计了一个无人机监测系统，可以实现多无人机目标的检测跟踪，

以及无人机的测距。

针对目标检测算法对小目标、多目标不敏感的问题，提出了SF-YOLOv5无人机

检测算法。在YOLOv5检测网络的主干部分融入swintransforemerblocks，提出

C3SwinTR结构，使网络更好地关注全局信息；在特征融合阶段使用fusion-concat方

法为不同分辨率的特征层分配不同权重，更好地平衡网络中不同尺度的特征信息；后

处理阶段使用DIou-NMS进行检测框筛选，通过增加更多的过滤条件减少漏检误检。

通过在TIB-NET数据集和自制数据集GUET-UAV上评估，SF-YOLOv5无人机检测

算法的平均检测精度可达60.92%，相比原始YOLOv5算法提升了3.3%，平均处理速

度可达58.34帧/秒。

针对目标跟踪算法在跟踪无人机时常出现漏检和ID频繁切换等问题，提出了

SF-YOLOv5-DS无人机检测与跟踪算法，通过将SF-YOLOv5检测算法与DeepSORT

跟踪算法结合来实现。使用自制的无人机视频数据进行评估得到，SF-YOLOv5-DS

的跟踪准确性相比使用原始的YOLOv5作为DeepSORT的检测器提升了10.27%，可

达92.59%，平均处理速度37.81帧/秒。

为了满足系统实现过程中对无人机样本的需要，制作了包含5174张无人机图像

的多无人机数据集GUET-UAV，用于检测算法的训练和验证。采集了10段多无人机

视频，用于跟踪算法的实现和对比。采集了6m-15m静态无人机双目图像和15m-45m

动态无人机双目图像及视频，用于整个系统的实现及误差分析。

将双目测距方法与SF-YOLOv5-DS算法结合，设计了一个无人机测距检测与跟

踪系统。首先，输入的无人机双目图像经过SF-YOLOv5后输出检测得到的目标信息。

同时，输入的无人机双目图像被分为左右目两个图像，经过WLS-SGBM立体匹配方

法计算得到深度图。其次，将检测的输出作为DeepSORT的输入，通过预测、匹配、

更新实现无人机的跟踪。最后，取跟踪框的中心点反馈该点在深度图中的深度值，作

为目标无人机的实际距离。整个系统可以实现6m-45m距离内无人机的测距，相对误

差在5%范围内，可以实现对无人机的有效监测。

关键词：无人机；目标检测；目标跟踪；双目测距

I

Abstract