【摘要】：近年來(lái)隨著小型無(wú)人機(jī)向自主化、智能化方向的迅速發(fā)展,其應(yīng)用范圍越來(lái)越廣,尤其是在無(wú)衛(wèi)星導(dǎo)航條件下的使用需求日漸強(qiáng)烈。無(wú)人機(jī)發(fā)展初期主要是針對(duì)消費(fèi)級(jí)用戶(hù)去設(shè)計(jì)的,并未過(guò)多的考慮其在工程或?qū)嶋H應(yīng)用中可能遇到的場(chǎng)景,其主要倚靠操控手通過(guò)肉眼去辨別飛行方向,在環(huán)境復(fù)雜的情況下,對(duì)操控人員提出了很高的要求,即使技術(shù)高超也難以保證無(wú)人機(jī)的安全,同時(shí)夜晚缺少光線(xiàn),操控人員很難在沒(méi)有外力的幫助下看清無(wú)人機(jī)本身。傳統(tǒng)的由慣性測(cè)量單元和GPS組成的導(dǎo)航系統(tǒng)無(wú)法滿(mǎn)足要求。本課題基于雙目立體視覺(jué)技術(shù)利用在不同視角下獲得的圖像,通過(guò)視差獲取圖像的深度信息,獲取場(chǎng)景的三維信息,進(jìn)而進(jìn)行無(wú)人機(jī)避障。作為機(jī)器視覺(jué)的一個(gè)重要分支,雙目立體視覺(jué)可以獲取三維場(chǎng)景中物體的深度信息,它主要分為像機(jī)標(biāo)定、圖像獲取、圖像預(yù)處理、特征檢測(cè)、立體匹配以及障礙物距離信息的獲取等六個(gè)步驟。本文主要聚焦其中的攝像機(jī)標(biāo)定、圖像獲取及立體匹配這三個(gè)步驟。在像機(jī)標(biāo)定方面,采用了張正友平面標(biāo)定法,結(jié)合Matlab的標(biāo)定工具箱,分別成功標(biāo)定了左右兩個(gè)攝像頭的內(nèi)外參數(shù)以及這兩個(gè)攝像頭之間的旋轉(zhuǎn)平移參數(shù),標(biāo)定得到的這些參數(shù)的精度很高,完全滿(mǎn)足本文的雙目立體視覺(jué)系統(tǒng)的需求。圖像獲取是整個(gè)雙目視覺(jué)系統(tǒng)中最基礎(chǔ)的一步,改善圖像采集的性能有利于改善系統(tǒng)的整體性能。在FPGA上設(shè)計(jì)實(shí)現(xiàn)的采集模塊通過(guò)攝像頭的同步信號(hào)并行的對(duì)兩個(gè)攝像頭進(jìn)行圖像采集,通過(guò)內(nèi)部總線(xiàn),由DAM將采集到的圖像對(duì)傳輸?shù)紻DR中,這種方法提高了圖像采集與傳輸?shù)男?降低了CPU的負(fù)擔(dān),提高了整個(gè)雙目視覺(jué)系統(tǒng)的性能。作為雙目立體視覺(jué)中最重要、最關(guān)鍵的一個(gè)步驟—立體匹配,通過(guò)對(duì)左右兩幅圖像中的區(qū)域灰度特征、點(diǎn)特征或相位特征等特征進(jìn)行匹配,得到匹配的兩個(gè)投影點(diǎn)后,再經(jīng)過(guò)三角形原理計(jì)算獲得對(duì)應(yīng)的景物點(diǎn)的距離信息。本文基于Harris角點(diǎn)特征檢測(cè)算法與SIFT立體匹配算法,通過(guò)將這兩種算法結(jié)合的方法,實(shí)現(xiàn)高效精確的雙目立體匹配。該方法首先使用Harris算子對(duì)左右兩幅圖像進(jìn)行檢測(cè),然后對(duì)檢測(cè)到的角點(diǎn)生成SIFT特征向量,最后根據(jù)獲得的SIFT特征向量,對(duì)兩幅圖像中的角點(diǎn)進(jìn)行匹配,得到匹配點(diǎn)。該方法角點(diǎn)檢測(cè)耗時(shí)較少,且匹配效率和正確率都比單獨(dú)使用SIFT算法要高。
【圖文】：

基于雙目視覺(jué)的無(wú)人機(jī)障礙物檢測(cè)研究第2章 雙目視覺(jué)原理及相機(jī)標(biāo)定目立體視覺(jué)檢測(cè)障礙物的的研究中，雙目攝像機(jī)的內(nèi)外參數(shù)和配是十分重要的。雙目攝像機(jī)的標(biāo)定算法精度會(huì)對(duì)相機(jī)模型參的影響；而立體匹配算法作為獲取深度圖像的核心部分，其算的生成產(chǎn)生很大的影響。本章主要對(duì)平行雙目視覺(jué)如何獲取深紹了雙目視覺(jué)原理以及張正友標(biāo)定法，并進(jìn)行了實(shí)驗(yàn)仿真。視覺(jué)理論基礎(chǔ)機(jī)雙目系統(tǒng)中主要有：世界、相機(jī)、圖像 3 個(gè)坐標(biāo)系：3 個(gè)坐標(biāo) 所示，點(diǎn) P 是世界坐標(biāo)系中的某一點(diǎn)， 和 分別是點(diǎn) P 投影到下的坐標(biāo)。

校正后的左右圖圖 2.5 校正前后對(duì)比圖通過(guò)對(duì)比可以得到，左圖和右圖分別以光軸為基準(zhǔn)進(jìn)行了一定角度的旋轉(zhuǎn)。而這兩個(gè)攝像機(jī)焦點(diǎn)之間的連線(xiàn)與坐標(biāo)的行線(xiàn)平行。αθ圖 2.6 以光軸為基準(zhǔn)旋轉(zhuǎn)示意圖校正后圖的行線(xiàn)用紅線(xiàn)進(jìn)行說(shuō)明。通過(guò)對(duì)比原圖和校正后的圖，可以總結(jié)得到，左圖和右圖的行線(xiàn)轉(zhuǎn)動(dòng)的角度分別為 和 。我們以上圖中（圖左）為例，來(lái)進(jìn)行相關(guān)說(shuō)明。假設(shè)hR 代表旋轉(zhuǎn)矩陣，則它有如下定義： h1 2 3R e e e（2.34）
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：V279;V249

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周同雪;朱明;;視頻圖像中的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];液晶與顯示;2017年01期

2 張華東;潘晨;章東平;;基于視覺(jué)顯著性的區(qū)域立體匹配算法[J];計(jì)算機(jī)應(yīng)用;2015年12期

3 時(shí)培弘;董淑福;單勇;;一種基于改進(jìn)SURF特征描述子的快速算法[J];電子科技;2015年10期

4 林俊義;江開(kāi)勇;盧煒良;黃常標(biāo);劉斌;;區(qū)域劃分與視差估計(jì)結(jié)合的控制點(diǎn)立體匹配方法[J];現(xiàn)代制造工程;2015年09期

5 周忠;周頤;肖江劍;;虛擬現(xiàn)實(shí)增強(qiáng)技術(shù)綜述[J];中國(guó)科學(xué):信息科學(xué);2015年02期

6 黃友文;黃雅蘭;袁春經(jīng);;具有仿射不變性的彩色圖像配準(zhǔn)方法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2015年02期

7 TAN ShunCheng;WANG GuoHong;WANG Na;YU HongBo;;Joint range ambiguity resolving and multiple maneuvering targets tracking in clutter via MMPHDF-DA[J];Science China(Information Sciences);2014年08期

8 劉欣;李校林;謝燦;何鵬;;一種基于仿射變換的SURF圖像配準(zhǔn)算法[J];電子技術(shù)應(yīng)用;2014年06期

9 王平;韓燮;韓焱;齊和平;;基于雙目視覺(jué)技術(shù)的物體深度信息的提取[J];科學(xué)技術(shù)與工程;2014年02期

10 顧騁;錢(qián)惟賢;陳錢(qián);顧國(guó)華;任建樂(lè);;基于雙目立體視覺(jué)的快速人頭檢測(cè)方法[J];中國(guó)激光;2014年01期

相關(guān)博士學(xué)位論文 前2條

1 漆隨平;基于計(jì)算機(jī)視覺(jué)的檢測(cè)方法與應(yīng)用研究[D];浙江大學(xué);2005年

2 杜歆;用于導(dǎo)航的立體視覺(jué)系統(tǒng)[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前5條

1 楊娜;基于雙目視覺(jué)的室內(nèi)服務(wù)機(jī)器人導(dǎo)航技術(shù)研究[D];西安航天精密機(jī)電研究所;2016年

2 馬良;四旋翼無(wú)人機(jī)地面目標(biāo)跟蹤系統(tǒng)的研究與設(shè)計(jì)[D];東南大學(xué);2015年

3 趙建;基于三幀差法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2013年

4 齊慶磊;基于雙目立體視覺(jué)的三維定位技術(shù)研究與實(shí)現(xiàn)[D];東北大學(xué);2010年

5 劉嵩鶴;基于雙目立體視覺(jué)的安全車(chē)距測(cè)量技術(shù)研究[D];武漢理工大學(xué);2008年

，

本文編號(hào)：2703343