文献综述（或调研报告）：
多旋翼无人机在近几年呈现出爆发式的增长，而多旋翼无人飞行器中最具代表性的就是四旋翼飞行器，对四旋翼的研究意义任重而道远。四旋翼飞行器作为一种特殊结构的无人飞行器，近年来受到了各国科研人员的热情关注，四旋翼飞行器是一个可以实现竖直起降(VTOL)和悬停等动作的多旋翼飞行器，是一种高度耦合、多变量、非线性、欠驱动( under-actuated system) (严格的说有4个输入量，6个自由度)系统。作为微型飞行器自主飞行的基础姿态控制，它的控制结果对微型飞行器飞行特性的影响非常重要。四旋翼飞行器实际上也可以说是一类安装有四个螺旋桨的直升机，而且四个螺旋桨在平面上呈现十字交叉的结构。四旋翼飞行器飞行的动作是通过控制和调节周边四个螺旋桨产生的升力大小来实现的。与传统的旋翼式直升机不同，四旋翼飞行器只可以通过改变四个螺旋桨的速度来实现各种飞行动作。四旋翼飞行器的升力是四个螺旋桨速度的合成效果，而四旋翼飞行器的旋转力矩则是由四个螺旋桨速度的差异引起的。
当我们谈起计算机视觉时，首先想到的就是图像分类。诚然，图像分类是计算机视觉最基本的任务之一，但是在图像分类的基础上，还有更复杂的任务，如目标检测，物体定位，图像分割等。其中目标识别是一件比较实际的且具有挑战性的计算机视觉任务，其可以看成图像分类与定位的结合，给定一张图片，目标检测系统要能够识别出图片中的目标并给出其位置，由于图片中目标数是不定的，且要给出目标的精确位置，目标识别相比分类任务更复杂。近几年来，目标识别算法取得了很大的突破。比较流行的算法可以分为两类，一类是基于Region Proposal的R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN），它们是two-stage的，需要先使用启发式方法（selective search）或者CNN网络（RPN）产生Region Proposal，然后再在Region Proposal上做分类与回归。而另一类是Yolo，SSD这类one-stage算法，其仅仅使用一个CNN网络直接预测不同目标的类别与位置。第一类方法是准确度高一些，但是速度慢，但是第二类算法是速度快，但是准确性要低一些。由于课题对实时性要求较高，故而one-stage算法更适合于此类的情景之下。
大多数现代跟踪器的核心部分是一个判别分类器，其任务是区分目标和目标的周围环境。在最近目标物体追踪的科学研究中，一个最大的突破就是广泛采用的辨别学习方法。目标追踪任务是许多计算机视觉系统的关键组成部分。这项任务可以很自然的归化为一个在线学习的问题。给定一个初始图像和目标对象所在的区域，而目标就是学习一个分类器，去区分对象和对象周围的环境，为了在后续的图像中也能检测到目标对象所在的区域，这个分类器要求能在对象周围的许多位置进行评估检测。当然，每一个新的检测都提供一个可以用于更新模型的新的目标区域。近几年的发展产生了许多跟踪性能优越的算法。相关滤波跟踪界最大名鼎鼎的归KCF莫属，KCF使用轮转矩阵的fhog特征对目标模板学习，再进行跟踪得到目标位置所在。然而尺度变化是跟踪中比较基本但又具有很大难度的问题，KCF的核心算法部分没有尺度更新，如果目标缩小，滤波器就会学习到大量背景信息，如果目标扩大，滤波器就跟着目标局部纹理走了，这两种情况都很可能出现非预期的结果，导致跟踪的漂移和失败。更近一些的跟踪算法开始引入了深度学习，虽然跟踪效果性能优良，但是算法占用的运算资源过大，难以进行落地。
参考文献：
[1] Magnussen O, Hovland G, Ottestad M (2014) Multicopter UAV design optimization. In: Proceedings of the IEEE/ASME 10th international conference on mechatronic and embedded systems and applications(MESA), Senigallia, Italy, pp1–6
[2] J.F. Henriques, R. Caseiro, P. Martins, J. Batista.High-Speed Tracking with Kernelized Correlation Filters. IEEE Transactions on Pattern Analysis and Machine Inteligence. 2015.
[3] You Only Look Once: Unified, Real-Time Object Detection Joseph Redmonlowast;, Santosh Divvalalowast;, Ross Girshick, Ali Farhadilowast;. CVPR 2016.
[4] 胡寿松. 自动控制原理[M]. 北京:科学出版社. 2008.
