【摘要】：隨著微型無人機應(yīng)用領(lǐng)域的不斷拓展和視覺技術(shù)的日益成熟,基于視覺的障礙物檢測算法在無人機自主避障導(dǎo)航領(lǐng)域中的應(yīng)用日趨廣泛。在微型無人機的飛行環(huán)境中,存在像天線這類障礙,以下簡稱天線障礙,對微型無人機自主導(dǎo)航具有很大威脅,而這類障礙利用傳統(tǒng)測距傳感器和雙目視覺檢測效果不佳,因此天線障礙檢測與深度估計有其實際意義。另外,由于稀疏點云不能滿足應(yīng)用需要,因此半稠密點云重建技術(shù)受到了越來越多學(xué)者的關(guān)注。本文首先針對天線障礙檢測以及深度估計技術(shù)進(jìn)行深入的研究,然后根據(jù)應(yīng)用需求,研究半稠密點云重建以及點云去噪平滑技術(shù)。本文主要工作如下:1)天線障礙檢測算法研究。針對天線障礙結(jié)構(gòu)的特殊性,利用紋理提取、紋理去噪、圖像分割、灰度直方圖檢測和深度約束對天線障礙進(jìn)行提取。首先利用邊緣紋理提取和紋理去噪對圖像進(jìn)行預(yù)處理;其次利用圖像分割提取出天線ROI;然后利用灰度直方圖檢測去除ROI里非天線區(qū)域;接著利用深度約束提取最終天線區(qū)域;最后通過生長天線完成天線檢測工作。2)天線障礙深度估計算法研究。對于針孔相機模型,求取出天線障礙的深度就等于重建出天線障礙的三維信息。首先,研究了幀間匹配技術(shù),因為正確的匹配是求解深度的前提;其次,對匹配的不確定性模型進(jìn)行深度研究,并提出一種不確定模型;然后,研究了基于卡爾曼濾波和貝葉斯估計的深度融合算法;最后提出了一種快速的天線點云去噪平滑方法。3)半稠密點云重建算法研究。研究半全局立體匹配算法,獲取半稠密點云,利用點云密度聚類和深度連通域檢測算法對半稠密點云進(jìn)行去噪平滑處理,通過對點云獲取原理的深入分析,提出一種自適應(yīng)去噪半徑閾值的求取方法;最后利用雙邊濾波對點云進(jìn)行平滑處理。
【圖文】：

逡逑行的障礙難以得到正確的識別，典型的代表是天空中的細(xì)小電線。如圖１－２，當(dāng)逡逑天線紋理比較平行而且天線區(qū)域背景紋理較弱時，立體匹配求取的深度信息通常逡逑無效或是噪點。對于地面移動機器人，立體匹配提供的深度信息可以滿足避障需逡逑求，但是，，對于無人機，天線障礙的誤識別會嚴(yán)重影響其自主導(dǎo)航。逡逑Ｉ邋＾逡逑（ａ）帶有天線障礙的室外場景邐（ｂ）立體匹配求出的深度圖逡逑圖１－２立體匹配在天線處得出的深度逡逑近幾年，人們對單目重建的方法研究越來越深入。該方法利用相機的運動，逡逑從幀間圖像序列中求取場景深度信息，進(jìn)而重建出場景點云。逡逑２０１４年，ＭａｔｉａＰｉｚｚｏｌｉ［２７］利用其另一篇文章［２８］提供的相機實時位姿，實現(xiàn)逡逑了半稠密點云重建。該算法把三維場景中每一個像素點的深度值看作是高斯分布，逡逑把深度的局內(nèi)點屬性看作是Ｂｅｔａ分布

略和ＭａｔｉａＰｉｚｚｏｌｉ的方法不同，對于待重建的傾都做一定的滯后處理，通過局部逡逑關(guān)鍵幀集合和待重建的幀的多次匹配，一次性融合出場景的深度。其深度估計的逡逑方法對于測試圖集的效果如圖１－４。逡逑￥詹魯逡逑圖１－４邋Ｍｕｒ－Ａｒｔａｌ邋Ｒ提出的算法在測試圖集ｆｒ３＿ｌｏｎｇ＿ｏｆｆｉｃｅ＿ｈｏｕｓｅｈｏｌｄ上的表現(xiàn)逡逑１．２．３邐點云去噪平滑逡逑實際環(huán)境復(fù)雜多變，由傳感器直接生成的點云都會存在著一些噪聲。噪聲按逡逑尺度分類可以分為大尺度噪聲和小尺度噪聲，去噪處理的目的是去除點云中的大逡逑尺度噪聲，也稱之為去除離群點；平滑處理的目的是優(yōu)化小尺度噪聲，使點云更逡逑平順，更接近真實數(shù)據(jù)逡逑對離群點的檢測一般通過分析三維點和其鄰域內(nèi)點云特征的關(guān)系來區(qū)分該逡逑點云是否是離群點。這種特征可以是幾何特征［３３，３４］，比如法向量［３５］，也可以是密逡逑度特征，比如待檢測三維點鄰域內(nèi)的點云密度對于幾何特征，當(dāng)和鄰域點逡逑云幾何特征差異過大時，則認(rèn)為待檢測三維點是離群點；對于密度特征，當(dāng)待檢逡逑測點云密度太過稀疏時
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：V279;V249

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 牛曉靜;王美麗;何東健;;一種聚類與濾波融合的點云去噪平滑方法[J];計算機應(yīng)用與軟件;2016年10期

2 袁華;龐建鏗;莫建文;;基于噪聲分類的雙邊濾波點云去噪算法[J];計算機應(yīng)用;2015年08期

3 管西鵬;陳宇拓;張懷清;劉閩;李永亮;;基于雙邊濾波算法的樹木點云模型去噪方法研究[J];中南林業(yè)科技大學(xué)學(xué)報;2015年09期

4 朱俊鋒;胡翔云;張祖勛;熊小東;;多尺度點云噪聲檢測的密度分析法[J];測繪學(xué)報;2015年03期

5 曹爽;岳建平;馬文;;基于特征選擇的雙邊濾波點云去噪算法[J];東南大學(xué)學(xué)報(自然科學(xué)版);2013年S2期

6 劉輝;王伯雄;任懷藝;羅秀芝;;基于三維重建數(shù)據(jù)的雙向點云去噪方法研究[J];電子測量與儀器學(xué)報;2013年01期

7 韓文軍;左志權(quán);;基于三角網(wǎng)光滑規(guī)則的LiDAR點云噪聲剔除算法[J];測繪科學(xué);2012年06期

8 左志權(quán);張祖勛;張劍清;;三維有限元分析的LIDAR點云噪聲剔除算法[J];遙感學(xué)報;2012年02期

9 葛寶臻;項晨;田慶國;彭博;;基于曲率特征混合分類的高密度點云去噪方法[J];納米技術(shù)與精密工程;2012年01期

10 張巧英;陳浩;朱爽;;密度聚類算法在連續(xù)分布點云去噪中的應(yīng)用[J];地理空間信息;2011年06期

相關(guān)博士學(xué)位論文 前2條

1 徐偉杰;基于視覺的微小型無人直升機位姿估計與目標(biāo)跟蹤研究[D];浙江大學(xué);2012年

2 王麗輝;三維點云數(shù)據(jù)處理的技術(shù)研究[D];北京交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前3條

1 黃大龍;基于單目視覺無人直升機輔助降落的研究[D];浙江大學(xué);2012年

2 童丸丸;用于UAV導(dǎo)航的合成視覺方法[D];浙江大學(xué);2010年

3 戴靜蘭;海量點云預(yù)處理算法研究[D];浙江大學(xué);2006年

本文編號：2709472