無人機(jī)飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究
本文關(guān)鍵詞:無人機(jī)飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究
更多相關(guān)文章: 航路點(diǎn)自動選取 景象匹配導(dǎo)航 特征點(diǎn)跟蹤 序列圖像特征點(diǎn)匹配后驗(yàn) 基于序列圖像的運(yùn)動估計(jì)
【摘要】:視覺導(dǎo)航是一種重要的自主導(dǎo)航方式。在GPS失效情況下,視覺導(dǎo)航作為有效的輔助導(dǎo)航方式,對無人機(jī)慣性導(dǎo)航系統(tǒng)實(shí)現(xiàn)長航時高精度導(dǎo)航起著重要的作用。由于視覺成像受復(fù)雜自然環(huán)境及飛行狀態(tài)的影響,視覺導(dǎo)航面臨魯棒性差的問題。本文對復(fù)雜環(huán)境下視覺導(dǎo)航中景象匹配導(dǎo)航和基于序列圖像的運(yùn)動估計(jì)中的關(guān)鍵技術(shù)展開較為系統(tǒng)深入的研究。主要貢獻(xiàn)如下: 1.針對景象匹配中人工選取航路點(diǎn)費(fèi)時、費(fèi)力、受主觀因素影響,很難滿足實(shí)際應(yīng)用的問題,提出了基于顯著性分析的航路點(diǎn)自動選取算法。該方法首先將稀疏低秩分解和稀疏編碼相結(jié)合,實(shí)現(xiàn)航拍圖像的顯著結(jié)構(gòu)區(qū)域的檢測;然后,基于顯著性分析結(jié)果實(shí)現(xiàn)了航路點(diǎn)正負(fù)訓(xùn)練樣本的自動獲取,并提取訓(xùn)練樣本的邊緣和互相關(guān)面的4個特征訓(xùn)練SVM分類器參數(shù);最后,利用SVM分類器對樣本圖像進(jìn)行航路點(diǎn)與非航路點(diǎn)的分類。用Google Earth軟件獲取實(shí)驗(yàn)樣本作為航拍圖像,進(jìn)行SVM分類器的設(shè)計(jì)與測試,測試結(jié)果表明平均分類精度為93.33%。利用谷歌下載器獲取包含預(yù)定航跡的大基準(zhǔn)圖,進(jìn)行航路點(diǎn)的選取,結(jié)果表明,該方法能夠有效地從基準(zhǔn)圖中提取出航路點(diǎn)。 2.針對具有較大旋轉(zhuǎn)和尺度畸變的航拍圖像匹配,Hausdorff匹配算法存在魯棒性差的問題,,提出了基于形狀上下文的加權(quán)Hausdorff景象匹配算法。該方法首先構(gòu)建基于邊緣連續(xù)性檢測的結(jié)構(gòu)關(guān)鍵點(diǎn)提取方法,減小瑣碎邊緣點(diǎn)對目標(biāo)結(jié)構(gòu)描述的影響;然后,利用形狀上下文對目標(biāo)邊緣結(jié)構(gòu)信息進(jìn)行有效描述,以形狀上下文匹配代價作為加權(quán)系數(shù),并結(jié)合距離函數(shù)約束,構(gòu)造了新的加權(quán)Hausdorff距離作為相似性度量用于景象匹配。以Google Earth圖像作為航拍圖像,在同時存在旋轉(zhuǎn)、尺度及時空差異下進(jìn)行匹配實(shí)驗(yàn),結(jié)果表明,本文算法在角度變化1o~8o和尺度變化0.9~1.2的范圍內(nèi)具有較好的魯棒性。 3.針對序列圖像的幀間運(yùn)動變化較大下出現(xiàn)特征點(diǎn)跟蹤誤差大的問題,提出了基于多重約束的KLT特征點(diǎn)跟蹤方法。該方法首先在KLT跟蹤算法的框架下,利用光流梯度矩陣的特征值大小判斷特征點(diǎn);然后基于時間可逆性約束,利用后向跟蹤求解后向偏移量,并與前向偏移量相結(jié)合,構(gòu)造一種新的偏移量—雙向加權(quán)偏移量;利用雙向偏移量的閾值約束和多分辨率約束,在幀間運(yùn)動變化較大的情況下對特征點(diǎn)位置進(jìn)行分層最優(yōu)估計(jì)。用Google Earth圖像構(gòu)建序列圖像,并進(jìn)行特征點(diǎn)跟蹤實(shí)驗(yàn),結(jié)果表明本文算法在較大的平移和旋轉(zhuǎn)運(yùn)動下,跟蹤精度優(yōu)于P-KLT和TRC-KLT算法。 4.針對上述基于多重約束KLT特征點(diǎn)跟蹤方法的幀間特征點(diǎn)匹配后驗(yàn)問題,提出一種基于拓?fù)浣Y(jié)構(gòu)一致性約束的序列圖像特征點(diǎn)匹配后驗(yàn)分析方法。該方法首先以圖間所有可能的匹配點(diǎn)對作為分配圖的頂點(diǎn),以圖像點(diǎn)集內(nèi)和點(diǎn)集間的加權(quán)形狀上下文統(tǒng)計(jì)特征構(gòu)造新的度量函數(shù)并作為圖的邊權(quán)值,構(gòu)造新的分配圖;然后,利用迭代求解方法實(shí)現(xiàn)拓?fù)浣Y(jié)構(gòu)一致性約束下幀間特征點(diǎn)匹配,并獲取邊權(quán)值系數(shù)和的最大值;最后,通過與第4章跟蹤結(jié)果在上述圖模型下邊權(quán)值系數(shù)和的對比,判斷跟蹤結(jié)果的正確性。將該方法用于第4章特征點(diǎn)跟蹤所得到匹配點(diǎn)對的后驗(yàn)分析。結(jié)果表明,該方法能夠?qū)Φ?章跟蹤結(jié)果的正確性進(jìn)行準(zhǔn)確判斷。 5.針對序列圖像運(yùn)動估計(jì)在實(shí)際工程應(yīng)用中,由于飛行環(huán)境及飛行狀態(tài)的影響導(dǎo)致導(dǎo)航參數(shù)估計(jì)出現(xiàn)較大誤差的情況,運(yùn)用基于單應(yīng)性矩陣分解的運(yùn)動估計(jì)方法,通過仿真實(shí)驗(yàn)分析了圖像特征點(diǎn)檢測精度、圖像分辨率、特征點(diǎn)的個數(shù)及分布等因素對運(yùn)動參數(shù)估計(jì)的影響。將第4章提出的序列圖像特征點(diǎn)跟蹤算法、第5章提出的序列圖像特征點(diǎn)匹配后驗(yàn)方法、基于單應(yīng)性矩陣分解的運(yùn)動參數(shù)估計(jì)方法結(jié)合,構(gòu)造基于序列圖像運(yùn)動估計(jì)的導(dǎo)航方法,并在Vega Prime/MFC視景仿真環(huán)境下,進(jìn)行不同分辨率下的精度分析。實(shí)驗(yàn)結(jié)果可為序列圖像運(yùn)動狀態(tài)估計(jì)的工程應(yīng)用提供實(shí)驗(yàn)依據(jù)和指導(dǎo)。 6.從視覺輔助導(dǎo)航的需求出發(fā),構(gòu)建一個綜合導(dǎo)航演示驗(yàn)證系統(tǒng)。該系統(tǒng)的設(shè)計(jì)過程中,綜合運(yùn)用了本文提出的航路點(diǎn)自動選取、航路點(diǎn)景象匹配、KLT特征點(diǎn)跟蹤、特征點(diǎn)匹配后驗(yàn)分析等關(guān)鍵技術(shù)。重點(diǎn)解決的關(guān)鍵問題包括:(1)不同時段的大視場圖像獲取及地理信息的標(biāo)注;(2)基于慣導(dǎo)漂移誤差、航路點(diǎn)和實(shí)時圖視場的航路點(diǎn)自動提取策略;(3)在無法獲取相機(jī)參數(shù)的航拍仿真環(huán)境下,基于圖像拼接技術(shù)實(shí)現(xiàn)幀間相對定位;(4)基于多幀一致性約束的綜合導(dǎo)航策略等。利用Matlab2012開發(fā)綜合導(dǎo)航演示驗(yàn)證系統(tǒng)軟件,以西安—西灃路段上的GoogleEarth圖像作為航拍圖,進(jìn)行視覺輔助導(dǎo)航方法的實(shí)驗(yàn)驗(yàn)證分析,結(jié)果表明本文所提出方法能夠較好完成對慣性導(dǎo)航誤差的校正,達(dá)到長航時精確導(dǎo)航的要求。
【關(guān)鍵詞】:航路點(diǎn)自動選取 景象匹配導(dǎo)航 特征點(diǎn)跟蹤 序列圖像特征點(diǎn)匹配后驗(yàn) 基于序列圖像的運(yùn)動估計(jì)
【學(xué)位授予單位】:西北工業(yè)大學(xué)
【學(xué)位級別】:博士
【學(xué)位授予年份】:2015
【分類號】:V279;TP391.41
【目錄】:
- 摘要4-6
- Abstract6-12
- 1 緒論12-27
- 1.1 引言12-13
- 1.2 視覺導(dǎo)航13-17
- 1.2.1 景象匹配導(dǎo)航13-16
- 1.2.2 基于序列圖像的運(yùn)動估計(jì)16-17
- 1.3 國內(nèi)外研究現(xiàn)狀17-24
- 1.3.1 視覺導(dǎo)航系統(tǒng)的研究現(xiàn)狀17-21
- 1.3.2 視覺導(dǎo)航關(guān)鍵技術(shù)的研究現(xiàn)狀21-24
- 1.4 論文內(nèi)容安排24-27
- 2 基于顯著性分析的航路點(diǎn)自動選取算法27-41
- 2.1 前言27-28
- 2.2 基于顯著性分析的獨(dú)特結(jié)構(gòu)區(qū)域檢測28-33
- 2.2.1 基于稀疏編碼的顯著性分析28-30
- 2.2.2 結(jié)合稀疏低秩分解的獨(dú)特結(jié)構(gòu)區(qū)域檢測30-32
- 2.2.3 結(jié)果分析32-33
- 2.3 基于顯著性分析的分類器設(shè)計(jì)與測試33-38
- 2.3.1 SVM 簡介33
- 2.3.2 訓(xùn)練樣本的自動獲取33-34
- 2.3.3 特征選取及分析34-37
- 2.3.4 分類測試37-38
- 2.4 航路點(diǎn)的自動選取38-40
- 2.5 本章小結(jié)40-41
- 3 基于形狀上下文的加權(quán) Hausdorff 景象匹配算法41-53
- 3.1 引言41-42
- 3.2 結(jié)構(gòu)關(guān)鍵點(diǎn)提取42-43
- 3.3 相似度測量43-46
- 3.3.1 Hausdorff 距離43-44
- 3.3.2 形狀上下文44-45
- 3.3.3 SC-WHD45-46
- 3.4 基于 SC-WHD 的景象匹配算法46
- 3.5 實(shí)驗(yàn)與分析46-52
- 3.5.1 實(shí)驗(yàn) 147-50
- 3.5.2 實(shí)驗(yàn) 250-52
- 3.6 小結(jié)52-53
- 4 基于多重約束的 KLT 特征點(diǎn)跟蹤算法53-69
- 4.1 前言53-54
- 4.2 KLT 特征點(diǎn)跟蹤54-57
- 4.2.1 KLT 算法原理54-55
- 4.2.2 特征點(diǎn)選取55
- 4.2.3 金字塔模型55-56
- 4.2.4 算法適用性分析56-57
- 4.3 多重約束下的特征點(diǎn)跟蹤57-60
- 4.3.1 時間可逆性約束57-58
- 4.3.2 雙向加權(quán)偏移量約束58-59
- 4.3.3 多分辨約束59
- 4.3.4 算法描述59-60
- 4.4 實(shí)驗(yàn)與分析60-68
- 4.4.1 分辨率的影響分析60-63
- 4.4.2 序列圖像平移像素超出跟蹤窗口時的跟蹤對比63-65
- 4.4.3 旋轉(zhuǎn)運(yùn)動下的跟蹤對比65-68
- 4.5 本章小結(jié)68-69
- 5 基于拓?fù)浣Y(jié)構(gòu)一致性約束的序列圖像匹配后驗(yàn)分析方法69-84
- 5.1 引言69
- 5.2 拓?fù)浣Y(jié)構(gòu)一致性69-70
- 5.3 成對約束下的圖匹配70-74
- 5.3.1 基于成對約束的分配圖70-72
- 5.3.2 基于拓?fù)浣Y(jié)構(gòu)的圖匹配求解72-74
- 5.4 匹配后驗(yàn)分析方法74-75
- 5.5 實(shí)驗(yàn)與分析75-83
- 5.5.1 不同分辨率下的跟蹤后驗(yàn)75-77
- 5.5.2 序列圖像平移像素超出跟蹤窗口時的跟蹤后驗(yàn)77-80
- 5.5.3 旋轉(zhuǎn)運(yùn)動下的跟蹤后驗(yàn)80-83
- 5.6 本章小結(jié)83-84
- 6 序列圖像運(yùn)動估計(jì)的實(shí)驗(yàn)分析84-99
- 6.1 引言84
- 6.2 坐標(biāo)系建立84-88
- 6.2.1 坐標(biāo)系的定義84-87
- 6.2.2 坐標(biāo)系間的轉(zhuǎn)換模型87-88
- 6.3 基于單應(yīng)性矩陣分解的位姿估計(jì)88-92
- 6.3.1 單應(yīng)性矩陣的概念88-89
- 6.3.2 單應(yīng)性矩陣的求解89-91
- 6.3.3 導(dǎo)航參數(shù)的獲取91-92
- 6.4 仿真驗(yàn)證及實(shí)驗(yàn)分析92-98
- 6.4.1 模擬數(shù)據(jù)仿真實(shí)驗(yàn)92-96
- 6.4.2 視景仿真環(huán)境下的實(shí)驗(yàn)96-98
- 6.5 本章小結(jié)98-99
- 7 綜合導(dǎo)航演示驗(yàn)證系統(tǒng)99-116
- 7.1 引言99-100
- 7.2 系統(tǒng)架構(gòu)及模塊設(shè)計(jì)100-105
- 7.2.1 系統(tǒng)架構(gòu)100
- 7.2.2 子模塊設(shè)計(jì)100-105
- 7.3 系統(tǒng)軟件設(shè)計(jì)105-108
- 7.3.1 開發(fā)平臺105
- 7.3.2 軟件結(jié)構(gòu)設(shè)計(jì)105-106
- 7.3.3 人機(jī)界面設(shè)計(jì)106-108
- 7.4 實(shí)驗(yàn)環(huán)境建立108-111
- 7.4.1 數(shù)據(jù)制備108-110
- 7.4.2 相關(guān)參數(shù)110-111
- 7.5 實(shí)驗(yàn)結(jié)果與分析111-114
- 7.6 本章小結(jié)114-116
- 8 總結(jié)與展望116-119
- 8.1 總結(jié)116-117
- 8.2 展望117-119
- 參考文獻(xiàn)119-135
- 致謝135-136
- 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文和參加科研情況136-138
【參考文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前10條
1 趙龍;李鐵軍;;基于6自由度機(jī)械臂的景像匹配半實(shí)物仿真[J];北京航空航天大學(xué)學(xué)報(bào);2011年12期
2 黃顯林;姜肖楠;盧鴻謙;李明明;;自主視覺導(dǎo)航方法綜述[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年02期
3 陳沈軼;錢徽;吳錚;朱淼良;;模板圖像匹配中互相關(guān)的一種快速算法[J];傳感技術(shù)學(xué)報(bào);2007年06期
4 陳裕;劉慶元;;基于SIFT算法和馬氏距離的無人機(jī)遙感圖像配準(zhǔn)[J];測繪與空間地理信息;2009年06期
5 金勇俊;李言俊;張科;;基于對數(shù)極坐標(biāo)變換的景像匹配算法研究[J];彈道學(xué)報(bào);2007年04期
6 高劍宏;陳哲;;機(jī)載景像匹配導(dǎo)航試驗(yàn)系統(tǒng)軟件的研究[J];彈箭與制導(dǎo)學(xué)報(bào);2003年S1期
7 何鳴;劉光斌;;一種抗區(qū)域強(qiáng)灰度變化的景象匹配算法研究[J];彈箭與制導(dǎo)學(xué)報(bào);2006年SA期
8 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報(bào);2009年05期
9 趙鍵;孫即祥;李智勇;陳明生;;基于相對形狀上下文和譜匹配方法的點(diǎn)模式匹配算法[J];電子與信息學(xué)報(bào);2010年10期
10 馬芮;董景新;;GNSS/MIMU組合導(dǎo)航技術(shù)綜述[J];飛航導(dǎo)彈;2007年04期
中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條
1 任三孩;彈載SAR景象匹配制導(dǎo)關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年
2 卜彥龍;面向INS/SAR組合導(dǎo)航的SAR景象區(qū)域適配性研究[D];國防科學(xué)技術(shù)大學(xué);2009年
本文編號:595370
本文鏈接:http://sikaile.net/kejilunwen/hangkongsky/595370.html