本论文主要是对计算机视觉中的目标特征提取匹配和目标检测算法进行研究，并选择合适算法以实现单目视觉的多机器人动态目标识别系统。

论文主要针对机器视觉领域特征提取和匹配效果明显的两种算法——SIFT算法和SURF算法，进行算法研究和实现。通过这两种算法在测试集中的处理结果的比较，根据特征检测点的质量和匹配率选择合适的算法，并对SURF算法进行了改进。在进行特征提取之前，要对四旋翼飞行器采集到的图像进行畸变校正处理，为了更高效的进行校正，本文提出了一种新的畸变校正算法，并进行实现应用到后续的处理中。

论文比较了基于Canny边缘的目标分割方法和基于彩色图像的分割方法两种算法，并对基于彩色信息的分割方法进行了改进，来进行目标分割的选择。

本文最后将适当的目标特征提取和匹配算法与适当的目标分割检测算法相结合，实现单目视觉的动态目标识别系统。该程序可以对由四旋翼飞行器采集到的视频或者图像进行特征提取，并检测识别。

本文主要研究内容

本题模拟实现场景：在一个20米x20米的场地中，地面有多个小移动机器人，多旋翼无人机即四旋翼飞行器通过视觉相机来识别地面移动机器人，并根据图像来进行定位，得到移动机器人与无人机的相对位置。有了相对位置，就可进一步得到其他信息。

本课题将采用基于局部特征的方法来进行图像匹配。首先，由于四旋翼飞行器捕捉到的图像会出现图像畸变的情况，我们首先对图像进行畸变校正，本文提出一种基于图像像素插值的变形校正，并进行了效果对比；其次，利用一些边缘检测方法提取特征，首先对Harris角点检测算法和SUSAN角点检测算法进行研究实现，并对Harris算法进行了改进，最后进行了结果对比。对SIFT特征提取、SURF特征提取匹配以及ORB检测提取进行了研究实现，并对SURF特征提取进行了改进。然后，对单目视觉捕捉到的图像进行目标检测，并将目标特征提取算法和检测算法相结合，实现了单目视觉系统的目标识别。

本文针对单目视觉目标识别过程中的目标特征提取匹配和动态目标检测技术进行了研究和代码实现。对目标特征提取匹配算法，选取了现阶段常用的三种算法，并通过比较算法的用时和匹配的关键点数量，选择合适算法进行改进，提高了算法执行的效率和结果的准确率。对目标检测方法，介绍了常用的目标分割检测算法，并通过绘制ROC曲线来进行判别检测。将特征提取匹配算法与分割检测算法相结合，实现了一套基于单目视觉多机器人动态目标识别的程序。该程序由目标特征提取和分割检测模块组成，可以实现对单目视觉系统下，动态目标的识别跟踪。

本文从选题、设计、开发到论文的完成历经三个月的时间，在该过程当中，我查阅了大量单目视觉目标识别相关的资料，并对特征提取匹配算法和检测算法进行了对比和选取。在掌握了理论之后，我经过多次和老师的探讨完成了本系统的开题报告。在这之后，我开始针对选出的三个特征提取匹配算法和检测算法进行仔细研究。经过分析之后，我将代码实现和跑通。针对第四章目标检测算法的结果，我利用Matlab画出了算法的ROC曲线图，并根据计算得到的AUC的值，选择了合适的算法进行程序实现，随后我完成了本文的撰写。