【摘要】：微小型飛行器在低空和室內(nèi)等復(fù)雜、危險的環(huán)境下自主執(zhí)行飛行任務(wù)時必須規(guī)避地面、空中的威脅或障礙物,而其機體容量和承載重量的限制給障礙物規(guī)避與自主導(dǎo)航相關(guān)技術(shù)的研究帶來較大困難。微小型飛行器自主避障與安全飛行的核心在于兩個方面:一是對飛行器自身絕對位置、速度、姿態(tài)等導(dǎo)航狀態(tài)的實時獲取,另一方面是要對周圍環(huán)境及潛在碰撞威脅物體相對信息的精確測量;從而要求微小型飛行器在具備高精度的自主導(dǎo)航定位能力同時,還能夠自主實現(xiàn)對周圍環(huán)境的三維建模,并對飛行路徑上可能遇到的障礙物進(jìn)行實時分辨和監(jiān)測,進(jìn)而制定出合理的避讓策略,確保既定任務(wù)的完成。為此,本文結(jié)合微小型飛行器的運動特性與低空飛行環(huán)境,開展了基于雙目相機立體視覺實現(xiàn)的三維環(huán)境建模與避障關(guān)鍵技術(shù)研究,同時還開展了基于慣性/立體視覺的自主導(dǎo)航方法研究,提出了一套適用于微小型飛行器的雙目立體視覺避障方法和組合導(dǎo)航方法,以提高對飛行環(huán)境和自身運動狀態(tài)信息的感知能力,為實現(xiàn)微小型飛行器在復(fù)雜和危險環(huán)境下的安全飛行與自主導(dǎo)航提供可行方案和參考。為有效實現(xiàn)微小型飛行器在飛行過程中對周圍環(huán)境的感知,研究了基于雙目相機立體視覺的三維重建方法。針對雙目相機在實際使用中存在邊緣誤匹配及深度信息缺失的問題,借鑒了傳統(tǒng)的基于聯(lián)合雙邊濾波深度圖像優(yōu)化的思路,在保證優(yōu)化深度圖像質(zhì)量的前提下,設(shè)計了實時性強的基于導(dǎo)向濾波的深度圖像優(yōu)化方法,并通過立體視覺和三維重建技術(shù),提高了微小型飛行器對環(huán)境感知的能力,同時還可以實時獲取和障礙物之間的相對距離信息;在此基礎(chǔ)上,依據(jù)雙目相機的標(biāo)定結(jié)果,結(jié)合雙目測距模型,分析建立了基于雙目相機的測距誤差特性,從而為后續(xù)的微小型飛行器實時避障研究奠定了基礎(chǔ)�？紤]到微小型飛行器在實際飛行過程中,對于周圍環(huán)境中存在的障礙物大小、類型都無法預(yù)先獲得,為此,在對周圍環(huán)境實現(xiàn)三維重建的基礎(chǔ)上,還需要設(shè)計針對性的障礙物檢測識別方法;為實現(xiàn)微小型飛行器對障礙物的有效規(guī)避,設(shè)計了基于輪廓檢測方法的障礙物識別方法,通過對輪廓的大小進(jìn)一步判斷,從而減少了深度圖像噪聲帶來的誤檢,能夠有效識別飛行環(huán)境中的障礙物;并在此基礎(chǔ)上,通過分析飛行器與潛在障礙物之間的相對運動關(guān)系,建立了碰撞錐模型評估方法,可以實現(xiàn)對未來發(fā)生碰撞風(fēng)險的評估,從而判斷出真正威脅微小型飛行器前進(jìn)的障礙物;并在此基礎(chǔ)上,在充分考慮了微小型飛行器運動特性和運動約束基礎(chǔ)上,改進(jìn)了傳統(tǒng)的碰撞錐預(yù)測模型設(shè)計方法,采用運動分解的方式設(shè)計了主動避障策略,提出了兼顧避障實時性和避障準(zhǔn)確性的視覺引導(dǎo)方法,提高了微小型飛行器的自主避障能力,為微小型飛行器的安全避障飛行提供了基礎(chǔ)。微小型飛行器在避障飛行過程中離不開對自身絕對位姿信息的準(zhǔn)確測量,傳統(tǒng)的微慣性/視覺里程計組合存在誤差積累的問題,特別是在高機動的避障飛行條件下,會引起微慣性誤差的急劇發(fā)散,而視覺里程計由于存在測量延時、輸出誤差模型未知等問題,導(dǎo)致傳統(tǒng)的微慣性/視覺里程計組合無法滿足微小型飛行器避障飛行的需要。為此,本文提出了一種基于測量模型優(yōu)化的雙目視覺里程計/微慣性組合導(dǎo)航方法,利用雙目視覺里程計獲取飛行器的實時位姿變化,并以此為基礎(chǔ),基于相關(guān)噪聲的卡爾曼濾波器設(shè)計實現(xiàn)對慣性導(dǎo)航系統(tǒng)器件的在線誤差估計和補償,有效提高了自主導(dǎo)航精度,為微小型飛行器在復(fù)雜飛行環(huán)境下的安全避障飛行提供了絕對位姿信息。論文最后還基于大疆M100四旋翼飛行器和妙算(Manifold)機載處理模塊以及Guidance雙目視覺傳感模塊等實際硬件設(shè)備,設(shè)計了基于雙目相機的微小型飛行器視覺避障綜合飛行實物驗證方案,對所提出的微小型飛行器視覺避障方法進(jìn)行了綜合驗證分析,并基于實際傳感器數(shù)據(jù)對所提出的自主導(dǎo)航方法進(jìn)行了測試和分析,有效驗證了本文所提出的微小型飛行器視覺避障與自主導(dǎo)航方法的有效性,從而為微小型飛行器自主避障與安全飛行提供了有益的參考。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：V249.3
【圖文】：

圖 2.2 圖像坐標(biāo)系、攝像機坐標(biāo)系轉(zhuǎn)換圖相關(guān)性質(zhì)可以獲得如下比例關(guān)系式：ccccxXf ZyYf Z 單位一般為毫米。將上述關(guān)系改寫為矩陣形式進(jìn)行表系之間的轉(zhuǎn)換公式如下所示：0 0 00 0 01 0 0 1 01ccccXx fYZ y fZ 攝過程中壓縮物體三維信息至二維圖像的轉(zhuǎn)換過程，中，將出現(xiàn)符合人類視覺習(xí)慣的“近大遠(yuǎn)小”、不平行[39]

圖 2.5 相機標(biāo)定所用棋盤紙標(biāo)定了單個相機的焦距、光心等參數(shù)后，還需要確定雙目相機的基線距離，這一標(biāo)定。主要通過計算兩個相機之間的變換矩陣，利用重投影誤差提高標(biāo)定精度，兩個相機之間的平移向量和旋轉(zhuǎn)矩陣參數(shù)。圖 2.6 所顯示的是標(biāo)定中采集的部分。利用 matlab 軟件可以生成在標(biāo)定中所拍攝不同角度棋盤格的位置示意圖如圖 2.7映實驗中雙目相機與標(biāo)定板之間的位置關(guān)系。

圖 2.5 相機標(biāo)定所用棋盤紙標(biāo)定了單個相機的焦距、光心等參數(shù)后，還需要確定雙目相機的基線距離，這一標(biāo)定。主要通過計算兩個相機之間的變換矩陣，利用重投影誤差提高標(biāo)定精度，兩個相機之間的平移向量和旋轉(zhuǎn)矩陣參數(shù)。圖 2.6 所顯示的是標(biāo)定中采集的部分。利用 matlab 軟件可以生成在標(biāo)定中所拍攝不同角度棋盤格的位置示意圖如圖 2映實驗中雙目相機與標(biāo)定板之間的位置關(guān)系。圖 2.6 標(biāo)定試驗所用部分圖像

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 于永軍;徐錦法;張梁;熊智;;慣導(dǎo)/雙目視覺位姿估計算法研究[J];儀器儀表學(xué)報;2014年10期

2 李知菲;陳源;;基于聯(lián)合雙邊濾波器的Kinect深度圖像濾波算法[J];計算機應(yīng)用;2014年08期

3 張彪;曹其新;王雯珊;;使用三維柵格地圖的移動機器人路徑規(guī)劃[J];西安交通大學(xué)學(xué)報;2013年10期

4 李宇波;朱效洲;盧惠民;張輝;;視覺里程計技術(shù)綜述[J];計算機應(yīng)用研究;2012年08期

5 李霞;張際海;謝文俊;邱愷;李雪松;鐘世剛;;無人機自主防碰撞方法研究[J];飛行力學(xué);2011年06期

6 黃敦華;朱青松;;基于微小型四旋翼飛行器的目標(biāo)監(jiān)測與識別綜述[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2011年06期

7 康岳林;高楊;高立;;基于MEMS的GPS/SINS組合導(dǎo)航技術(shù)發(fā)展現(xiàn)狀[J];船電技術(shù);2011年05期

8 于起峰;李強;雷志輝;尚洋;朱憲偉;劉曉春;;基于序列圖像的無人機自測速方法與試驗[J];航空學(xué)報;2009年08期

9 楊嘉琛;侯春萍;沈麗麗;張卓筠;;基于PSNR立體圖像質(zhì)量客觀評價方法[J];天津大學(xué)學(xué)報;2008年12期

相關(guān)碩士學(xué)位論文 前6條

1 章華;基于模糊控制超聲波避障算法的巡檢機器人研究與設(shè)計[D];南昌大學(xué);2016年

2 邵玉萍;MEMS慣性導(dǎo)航系統(tǒng)的冗余技術(shù)研究[D];哈爾濱工程大學(xué);2015年

3 顏遠(yuǎn)輝;基于雙目立體視覺的三維重建研究[D];廣西師范大學(xué);2015年

4 蘇東;基于雙目視覺的小型無人飛行器的導(dǎo)航與避障[D];電子科技大學(xué);2014年

5 黃鴻;雙目立體視覺與慣導(dǎo)融合里程估計方法[D];浙江大學(xué);2014年

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

本文編號：2806527