在無人機(jī)視覺定位中,景象匹配的效果直接決定了視覺定位的精度。無人機(jī)視覺定位一般使用高分辨率遙感圖像作為參考圖像,使用無人機(jī)航拍圖像作為實(shí)時圖像,通過景象匹配確定無人機(jī)位置。然而由于參考圖像與實(shí)時圖像成像原理不同、拍攝條件存在差異,兩種圖像的灰度值相差很大,匹配存在一定的困難。線特征能夠有效克服圖像間灰度差異的影響,利用結(jié)構(gòu)信息解決匹配問題,本文對基于線特征匹配的無人機(jī)視覺定位算法展開深入研究。首先描述了無人機(jī)視覺定位的基本流程,說明了景象匹配算法的重要性。然后按照特征匹配的基本順序,研究了線特征提取算法,通過比較實(shí)驗(yàn)發(fā)現(xiàn)基于曲線擬合的線特征提取算法性能更為穩(wěn)定;探究了基于RANSAC的線特征匹配算法,指出該算法所存在的不足,提出對線特征進(jìn)行分組優(yōu)化匹配過程的思路,加快了匹配速度。最后針對無人機(jī)視覺定位中參考圖像與實(shí)時圖像尺度相差較大的問題,提出了一種尺度統(tǒng)一的方法,使用由粗到精的匹配策略優(yōu)化特征匹配過程,得到一種精度高、實(shí)時性強(qiáng)的匹配方法。主要內(nèi)容和創(chuàng)新點(diǎn)如下:1.闡述了無人機(jī)視覺定位的基本原理。首先介紹了無人機(jī)及視覺定位系統(tǒng)的基本組成、視覺定位的原理和流程,說明了景象匹配算法的重要地位。然后推導(dǎo)了如何利用同名線特征確定圖像間變換參數(shù)。最后對無人機(jī)視覺定位圖像進(jìn)行分析,指出了無人機(jī)視覺定位需要解決的問題。2.研究了線特征提取、線特征匹配算法以及如何利用同名線特征確定圖像間變換參數(shù)。研究了不同線特征提取算法的具體實(shí)現(xiàn)步驟,使用合成圖像比較了不同線特征提取算法的各項(xiàng)指標(biāo),發(fā)現(xiàn)基于曲線擬合的線特征提取算法效果較好。其次研究了基于RANSAC確定特征對應(yīng)關(guān)系的方法,指出該算法所存在的不足,提出基于特征的尺度穩(wěn)定性對特征進(jìn)行分組,優(yōu)化匹配過程。3.完成了無人機(jī)視覺定位中的景象匹配。根據(jù)線特征的尺度穩(wěn)定性統(tǒng)一圖像尺度,利用基于曲線擬合的線特征提取算法、基于改進(jìn)的RANSAC特征匹配算法,匹配最小尺寸的圖像得到粗略的變換關(guān)系,然后依次確定相鄰層的較大圖像上線特征的對應(yīng)關(guān)系,計算得到更加精確的變換參數(shù)。直到某個匹配圖像達(dá)到原圖像的尺寸,利用最小二乘法優(yōu)化,得到精確的匹配結(jié)果。
【學(xué)位單位】：戰(zhàn)略支援部隊(duì)信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：V279;V249.3
【部分圖文】：

第一章 緒論涌現(xiàn)。按照飛行方式的不同，可分為單旋翼、多旋翼、固定翼以及組合無人機(jī)如圖 1.1 所示。按照飛行高度的不同，一般劃分為超低空(100 米以下)、低空(100-1000 米)、中空(1000-7000 米)、高空(7000-15000 米)以及超高空(15000 米以上)無人機(jī)。(a)單旋翼無人機(jī) (b)多旋翼無人機(jī)

(d)農(nóng)田航拍圖像 (e)湖泊航拍圖像 (f)建筑航拍圖像圖 1.3 遙感圖像與航拍圖像對比選取農(nóng)田、湖泊以及建筑等常見的遙感景象和航拍圖像進(jìn)行分析。通過對比，可以看出由于成像原理的不同，航拍圖像與遙感圖像間存在著明顯的色彩差異，其中農(nóng)田圖像尤其敏感。此外，對于田野這種特征重復(fù)、區(qū)分不明顯的區(qū)域，很難通過顯著特征點(diǎn)進(jìn)行匹配，然而，我們可以通過提取顯著線特征完成配準(zhǔn)。在湖泊圖像中，我們可以利用湖泊邊緣等顯著的線特征進(jìn)行匹配。在包含建筑的圖像中，需要注意由成像角度不同引起的建筑側(cè)面差異。觀察圖像可以發(fā)現(xiàn)，盡管圖像間存在色彩、角度差異，但是都保持了良好的結(jié)構(gòu)特征。在人造環(huán)境中，到處都有著十分顯著的線特征，因此可以選用線特征進(jìn)行匹配。概括來講，景象匹配的難點(diǎn)在于如何解決圖像間的差異。在無人機(jī)視覺定位應(yīng)用中，除了光照、角度等環(huán)境因素的影響，還需要解決成像原理的不同造成的灰度差異，由于圖像分辨率不同造成的尺度差異。圖 1.3 中的航拍圖像與 Worldview 遙感圖像的尺寸大約相差十幾倍，必須解決景象間尺度不同的問題，才有可能實(shí)現(xiàn)無人機(jī)視覺定位。1.4 主要內(nèi)容和組織結(jié)構(gòu)

第二章 無人機(jī)視覺定位原理設(shè)計過程中，考慮到機(jī)載運(yùn)算能力有限，應(yīng)盡可能使用高效、簡單的同時保證定位算法的精確性和實(shí)時性。機(jī)視覺定位方法原理和流程導(dǎo)航的起始階段，首先利用慣性導(dǎo)航系統(tǒng)獲取的位置以及姿態(tài)角信息像中心點(diǎn)在參考圖像中的大致位置，然后在附近區(qū)域進(jìn)行搜索匹配，系。根據(jù)攝影測量中相機(jī)標(biāo)定理論[34]-[35]，可以解算得到相機(jī)的位置、姿機(jī)與無人機(jī)間的相對位置關(guān)系，確定無人機(jī)的坐標(biāo)以及姿態(tài)。文獻(xiàn)[3同時刻的位置、姿態(tài)求取速度和角速度的方法，利用速度變化可以求得刻的定位結(jié)果。無人機(jī)視覺定位的示意圖如圖 2.2 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 萬成浩;李潤生;毛天祺;李春奇;牛朝陽;;基于正則化方法的室內(nèi)三維定位算法[J];測繪與空間地理信息;2018年03期

2 劉學(xué);王峰;溫瑞生;;基于SIFT算法的無人機(jī)視覺導(dǎo)航研究[J];無線電工程;2017年05期

3 陳小衛(wèi);張保明;郭海濤;趙傳;徐俊峰;;利用自由形狀線特征的遙感影像分級匹配方法[J];測繪學(xué)報;2017年02期

4 王力;賈平;張葉;馬天翔;;復(fù)雜地物條件下基于線特征的異源景象匹配[J];中國光學(xué);2016年01期

5 YU QiFeng;SHANG Yang;LIU XiaoChun;LEI ZhiHui;LI Xiang;ZHU XianWei;LIU XiaoLin;YANG Xia;SU Ang;ZHANG XiaoHu;ZHANG HongLiang;;Full-parameter vision navigation based on scene matching for aircrafts[J];Science China(Information Sciences);2014年05期

6 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(jī)應(yīng)用研究;2012年08期

7 楊廷梧;賈浩正;;基于中心投影方程的多光電跟蹤傳感器跟蹤測量模型[J];測控技術(shù);2012年07期

8 張葉;曲宏松;李桂菊;王延杰;;采用FMT的實(shí)時景象匹配關(guān)鍵技術(shù)[J];紅外與激光工程;2011年08期

9 范千;方緒華;范娟;;病態(tài)問題解算的直接正則化方法比較[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2011年04期

10 許允喜;蔣云良;陳方;;基于區(qū)域協(xié)方差的慣性組合導(dǎo)航景象匹配算法[J];光子學(xué)報;2011年03期

相關(guān)碩士學(xué)位論文 前3條

1 趙宇;基于互信息和空間信息的景象匹配技術(shù)[D];西安電子科技大學(xué);2013年

2 劉國琴;基于仿生視覺原理的巡航導(dǎo)彈制導(dǎo)與控制技術(shù)研究[D];南京航空航天大學(xué);2008年

3 趙鋒偉;景象匹配算法、性能評估及其應(yīng)用[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2002年

本文編號：2826697