發(fā)布時間：2020-05-08 03:10

【摘要】：隨著小型多旋翼無人機(jī)技術(shù)的成熟與成本的降低,多旋翼無人機(jī)逐漸成為一個二次開發(fā)平臺,在不同行業(yè)發(fā)展出各種應(yīng)用,如航拍測繪、電力巡檢、農(nóng)業(yè)植保等。與此同時,不同任務(wù)所需面對的復(fù)雜環(huán)境,對無人機(jī)的環(huán)境感知能力提出了較高要求。相比于激光雷達(dá)、飛行時間測距、超聲波等主動式傳感器,視覺傳感器擁有成本低、設(shè)備簡單、分辨率高等優(yōu)點(diǎn),非常適合應(yīng)用于無人機(jī)環(huán)境感知。雙目立體視覺通過并行的兩個攝像機(jī)來模擬人眼觀測世界,從而形成對周圍環(huán)境的有效感知�？紤]到無人機(jī)上板載處理器有限的算力以及不同應(yīng)用所需面對的復(fù)雜場景,如何在高動態(tài)環(huán)境下自適應(yīng)調(diào)節(jié)相機(jī)曝光以采集細(xì)節(jié)豐富的圖像數(shù)據(jù),隨后通過快速立體匹配估計視差并進(jìn)行障礙物檢測,最終為無人機(jī)避障與導(dǎo)航提供有效信息,仍有許多研究難點(diǎn)。本文主要設(shè)計了 一套無人機(jī)雙目立體視覺感知系統(tǒng),用于無人機(jī)飛行過程中對于周圍環(huán)境中障礙物的感知,主要工作如下:1)基于圖像特征點(diǎn)位置有效亮度的相機(jī)自動曝光算法。無人機(jī)上視覺傳感器所采集的圖像將直接作為后續(xù)算法的輸入,因此圖像中物體特征,細(xì)節(jié)等信息將對后續(xù)算法精度造成很大影響。然而,高曝光質(zhì)量圖像的采集常常受到傳感器和算法的限制。本文設(shè)計的基于圖像特征點(diǎn)位置有效亮度的相機(jī)自動曝光算法,能充分考慮圖像特征點(diǎn)豐富區(qū)域曝光質(zhì)量,在高動態(tài)環(huán)境下快速迭代到合適曝光,從而采集高質(zhì)量曝光圖像。2)快速雙目立體匹配與障礙物感知。雙目立體視覺通過模擬人類觀測世界的方式,利用視差原理對左右視圖進(jìn)行匹配,從而獲得深度信息。無人機(jī)上有限的載荷與算力,以及在復(fù)雜環(huán)境中及時避讓障礙物的需求,使得無人機(jī)上雙目立體視覺系統(tǒng)需要兼顧算法實(shí)時性與準(zhǔn)確性,并對障礙物進(jìn)行有效表示。本文設(shè)計的雙目立體視覺系統(tǒng)在NVIDIA Jetson TX2嵌入式處理器上實(shí)現(xiàn)了基于CUDA加速的半全局匹配算法,隨后基于視差圖進(jìn)行深度重建,最后在生成的八叉樹地圖中進(jìn)行障礙物的高效感知與表示。本文將端到端神經(jīng)網(wǎng)絡(luò)模型進(jìn)行裁剪加速,并用于復(fù)雜情況下的視差估計。
【圖文】：

（ａ）邐（ｂ）逡逑圖１．２無人機(jī)雙目避障。（ａ）邋ＭＩＴＰｕｓｈＢｒｏｏｍ，（ｂ）大疆精靈４逡逑無人機(jī)上的雙目立體視覺系統(tǒng)，需要保證無人機(jī)在復(fù)雜環(huán)境下的障礙物感知與安全飛逡逑行。受限于傳感器與算法，通用相機(jī)模組往往很難適應(yīng)高動態(tài)環(huán)境下的快速光強(qiáng)變化，從逡逑而造成圖像過曝或過暗，導(dǎo)致信息缺失。圖１．３顯示了同一場景下不同曝光時間所拍攝的逡逑圖像。相機(jī)的自動曝光算法能否在高動態(tài)環(huán)境下快速調(diào)整相機(jī)曝光，從而最大程度保留圖逡逑像有效信息，對后續(xù)立體匹配，同時定位與建圖（Ｓｉｍｕｌｔａｎｅｏｕｓ邋Ｌｏｃａｌｉｚａｔｉｏｎ邋ａｎｄ邋Ｍａｐｐｉｎｇ，逡逑ＳＬＡＭ）等視覺算法精度有較大影響。逡逑，１＾逡逑（ａ）邐（ｂ）邐（ｃ）逡逑圖１．３不同曝光時間圖像。（ａ）過暗，（ｂ）正常，（ｃ）過曝逡逑雙目立體視覺技術(shù)中關(guān)鍵點(diǎn)在于立體匹配

無人機(jī)上的雙目立體視覺系統(tǒng)，需要保證無人機(jī)在復(fù)雜環(huán)境下的障礙物感知與安全飛逡逑行。受限于傳感器與算法，通用相機(jī)模組往往很難適應(yīng)高動態(tài)環(huán)境下的快速光強(qiáng)變化，從逡逑而造成圖像過曝或過暗，導(dǎo)致信息缺失。圖１．３顯示了同一場景下不同曝光時間所拍攝的逡逑圖像。相機(jī)的自動曝光算法能否在高動態(tài)環(huán)境下快速調(diào)整相機(jī)曝光，從而最大程度保留圖逡逑像有效信息，對后續(xù)立體匹配，同時定位與建圖（Ｓｉｍｕｌｔａｎｅｏｕｓ邋Ｌｏｃａｌｉｚａｔｉｏｎ邋ａｎｄ邋Ｍａｐｐｉｎｇ，逡逑ＳＬＡＭ）等視覺算法精度有較大影響。逡逑，１＾逡逑（ａ）邐（ｂ）邐（ｃ）逡逑圖１．３不同曝光時間圖像。（ａ）過暗，（ｂ）正常，（ｃ）過曝逡逑雙目立體視覺技術(shù)中關(guān)鍵點(diǎn)在于立體匹配，立體匹配主要是在經(jīng)過立體校正后的左右逡逑視圖上尋找匹配點(diǎn)，從而計算視差圖。場景中過曝、過暗區(qū)域與低紋理、重復(fù)紋理區(qū)域等，逡逑常常會對匹配造成困難從而無法獲得準(zhǔn)確視差。立體匹配通常需要較大的計算量，這對于逡逑無人機(jī)有限的載荷與算力來說是一個較大的挑戰(zhàn)。在獲得視差圖的基礎(chǔ)上
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：V279;V249

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李斌;;基于單目視覺的障礙物檢測方法研究[J];電子世界;2016年17期

2 謝德勝;徐友春;王任棟;蘇致遠(yuǎn);;基于三維激光雷達(dá)的無人車障礙物檢測與跟蹤[J];汽車工程;2018年08期

3 吳學(xué)易;李健明;劉佳浩;許豪;張緒祥;;一種基于激光及超聲波聯(lián)合的障礙物斜率檢測算法[J];汽車實(shí)用技術(shù);2018年04期

4 鮮敏;馬勇;鄭翔;;激光傳感器的機(jī)器人障礙物檢測研究[J];激光雜志;2017年09期

5 張晴晴;林強(qiáng)強(qiáng);;盲道區(qū)域中障礙物的視覺檢測方法[J];價值工程;2019年09期

6 何勇;蔣浩;方慧;王宇;劉羽飛;;車輛智能障礙物檢測方法及其農(nóng)業(yè)應(yīng)用研究進(jìn)展[J];農(nóng)業(yè)工程學(xué)報;2018年09期

7 方崇全;;基于激光掃描雷達(dá)的礦井機(jī)車障礙物檢測方法研究[J];煤礦機(jī)械;2018年08期

8 王榮本;趙一兵;李琳輝;張明恒;;智能車輛的障礙物檢測研究方法綜述[J];公路交通科技;2007年11期

9 陸峰;徐友春;李永樂;王任棟;王東敏;;基于多傳感器數(shù)據(jù)融合的障礙物檢測與跟蹤[J];軍事交通學(xué)院學(xué)報;2018年02期

10 方曉瑩;;一種基于3D的道路與障礙物檢測算法[J];浙江國際海運(yùn)職業(yè)技術(shù)學(xué)院學(xué)報;2008年01期

相關(guān)會議論文 前5條

1 項(xiàng)志宇;;針對越野自主導(dǎo)航的障礙物檢測系統(tǒng)[A];2005全國自動化新技術(shù)學(xué)術(shù)交流會論文集（二）[C];2005年

2 蘇天楚;潘博;倪俊;;基于低線束雷達(dá)的低矮障礙物優(yōu)化檢測[A];2018中國汽車工程學(xué)會年會論文集[C];2018年

3 田立國;丁航;劉s，

本文編號：2654017