基于无人机的运动目标跟踪技术被广泛应用于自动巡检、应急处置等诸多领域。现有的运动目标跟踪方法通常存在计算量大、跟踪效率低的问题。受限于无人机平台的算力,基于无人机平台采集的视频数据对多目标进行实时跟踪分析是一项艰巨的任务。本文提出了一种针对无人机实时跟踪任务的带记忆的特定目标滤波跟踪(TSFMTrack)方法,该方法包括用于捕捉目标外观特征的轨迹滤波模块(TFM)和用于每帧边界框关联的轨迹匹配模块(TMM)。通过在流行的MOT和UAV跟踪数据集上与其他SOTA方法的实验比较,TSFMTrack在准确性、计算效率和可靠性方面表现出明显的优势。并且将TSFMTrack部署在类脑芯片Lynchip KA200上,实验结果证明了TSFMTrack在边缘计算平台上的有效性以及适合无人机实时跟踪任务。
超宽带 (UWB) 合成孔径雷达 (SAR) 被用于低频操作,以便从飞机或卫星上探测树叶下面和地面上的遮挡目标。虽然它具有明显的军事用途,但它也具有民用用途,例如地球物理研究、天气预报等。已经提出了许多图像处理算法,并将其应用于低频 UWB SAR。这些算法主要分为两类:频域和时域。本论文主要关注频域,特别是距离迁移算法 (RMA)。RMA 在范围内执行一维插值。此操作称为 Stolt 插值。在本论文中,我们研究了机载单基地 SAR 的图像处理。尽管这项研究是针对聚光灯 SAR 进行的,但由于天线波束宽度较大,因此 SAR 操作可以考虑介于聚光灯和条带图之间。主要目的是处理移动目标的散焦图像,并通过为 RMA 提出的方法重新聚焦它。该方法应用了平台和目标在运动时从它们之间的多普勒效应中产生的方位角新波数。这种聚焦方法还有助于确认图像中是否存在移动目标。为了进行模拟,UWB 低频参数取自 CARABAS II SAR 系统。