在災(zāi)后搜救、橋梁檢修、電力巡檢和城市巡邏等復(fù)雜作業(yè)環(huán)境中,無(wú)人機(jī)通�；谌蚨ㄎ幌到y(tǒng)(Global Position System,GPS)實(shí)現(xiàn)精確定位。如果磁羅盤(pán)受干擾,GPS數(shù)據(jù)則無(wú)法被有效利用,這將導(dǎo)致無(wú)人機(jī)失去精確定位能力。為此,本文研究一種基于視覺(jué)慣性里程計(jì)(Visual Inertial Odometry,VIO)的無(wú)人機(jī)輔助定位技術(shù)。該技術(shù)只需要輕量級(jí)傳感器組合,在紋理正常的環(huán)境中,就能提供高可靠的定位信息�；趦�(yōu)化方法的VIO系統(tǒng)通常開(kāi)銷高而且初始化環(huán)節(jié)魯棒性差,即使基于多狀態(tài)約束卡爾曼濾波器(Multi-State Constraint Kalman Filter,MSCKF)的VIO系統(tǒng)開(kāi)銷低,但是其初始化和狀態(tài)估計(jì)環(huán)節(jié)性能不佳,無(wú)法滿足無(wú)人機(jī)高空環(huán)境定位。本文結(jié)合MSCKF系統(tǒng)開(kāi)銷低的優(yōu)點(diǎn),對(duì)MSCKF原始框架實(shí)施一系列改良策略,最終設(shè)計(jì)了系統(tǒng)開(kāi)銷低、魯棒性高且適用于高空環(huán)境應(yīng)用的VIO方案。本文首先從前端視覺(jué)處理、后端特征點(diǎn)估計(jì)和狀態(tài)更新等模塊展開(kāi)探討VIO技術(shù)原理,修正原有框架中協(xié)方差增擴(kuò)雅可比矩陣的錯(cuò)誤推導(dǎo)。再?gòu)墓こ躺?在后端狀態(tài)更新中使用慣性導(dǎo)航系統(tǒng)(In...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１小型消費(fèi)級(jí)無(wú)人機(jī)??２??

?高。??在工業(yè)界中，如圖ｌ－ｌ（ａ）的無(wú)人機(jī)是零度智控的Ｄ０ＢＢＹ?□袋無(wú)人機(jī)［３］，Ｄ０ＢＢＹ無(wú)??人機(jī)使用基于下視光流、ＩＭＵ和對(duì)地聲吶融合做無(wú)人機(jī)定位信息，它能在無(wú)ＧＰＳ環(huán)境??中紋理豐富的地方穩(wěn)定懸停，長(zhǎng)時(shí)間定位信不產(chǎn)生較大漂移。由于光流算法將下視場(chǎng)??景建模為￥面，這....

圖２－２?ＦＡＳＴ角點(diǎn)提取??２．２特征匹配??

?第二章視覺(jué)前端???點(diǎn)和Ｐ點(diǎn)的灰度值差異明顯，則該點(diǎn)是候選角點(diǎn)，否則該點(diǎn)不是角點(diǎn)。??：ｓ?探?ｓｍｙｓｓｓｓｉ??ｍｎｍｍＷｒｎｍｕｍａｕｕ??Ｈｉ?ｌｘ?ＪＩＢＩＢｉｌｌｌｌ＂??＼ｍｍｍｍｍｍｍｍｍｍｍｍｕ??圖２－２?ＦＡＳＴ角點(diǎn)提取??２．２特征匹配??傳統(tǒng)視覺(jué)里程計(jì)....

圖２－３光流相鄰幀特征點(diǎn)運(yùn)動(dòng)示意圖??在圖２－３中，原圖為／，左圖是視頻流第Ａ巾貞，右圖是視頻流Ａ：＋ｌ巾貞，對(duì)應(yīng)時(shí)間戮??

?第二章視覺(jué)前端???點(diǎn)和Ｐ點(diǎn)的灰度值差異明顯，則該點(diǎn)是候選角點(diǎn)，否則該點(diǎn)不是角點(diǎn)。??：ｓ?探?ｓｍｙｓｓｓｓｉ??ｍｎｍｍＷｒｎｍｕｍａｕｕ??Ｈｉ?ｌｘ?ＪＩＢＩＢｉｌｌｌｌ＂??＼ｍｍｍｍｍｍｍｍｍｍｍｍｕ??圖２－２?ＦＡＳＴ角點(diǎn)提取??２．２特征匹配??傳統(tǒng)視覺(jué)里程計(jì)....

圖２－４對(duì)極幾何??兩個(gè)不同相機(jī)視角對(duì)同一靜態(tài)特征點(diǎn)的觀測(cè)坐標(biāo)服從極線幾何約束，而動(dòng)態(tài)特征點(diǎn)??

－ｍ－ｎ－ｕｒｕｒ??Ｓ｛ｘ，ｙ）?＝?７７７??｛｛Ｈｉｌｊｆ２（ｘ?＋?ｉ，ｙ＋ｊ）?－ｍ－ｎ－ｕｆ２）｛ＸｉＹ．ｊｒ２｛ｘ?＋?ｉ，ｙ＋ｊ）?－ｍ－ｎ－ｕｒ２）｝??（２－１０）??２．３動(dòng)態(tài)點(diǎn)剔除??ｖｉ〇使用靜態(tài)路標(biāo)（此處的路標(biāo)也指上文的特征，點(diǎn)）釣束義身運(yùn)動(dòng)達(dá)到恢復(fù)結(jié)....

本文編號(hào)：3920683