發(fā)布時間：2017-07-30 17:27

  本文關鍵詞：無人機飛行途中視覺導航關鍵技術研究

  更多相關文章： 航路點自動選取 景象匹配導航 特征點跟蹤 序列圖像特征點匹配后驗 基于序列圖像的運動估計

【摘要】：視覺導航是一種重要的自主導航方式。在GPS失效情況下，視覺導航作為有效的輔助導航方式，對無人機慣性導航系統(tǒng)實現(xiàn)長航時高精度導航起著重要的作用。由于視覺成像受復雜自然環(huán)境及飛行狀態(tài)的影響，視覺導航面臨魯棒性差的問題。本文對復雜環(huán)境下視覺導航中景象匹配導航和基于序列圖像的運動估計中的關鍵技術展開較為系統(tǒng)深入的研究。主要貢獻如下： 1.針對景象匹配中人工選取航路點費時、費力、受主觀因素影響，很難滿足實際應用的問題，提出了基于顯著性分析的航路點自動選取算法。該方法首先將稀疏低秩分解和稀疏編碼相結合，實現(xiàn)航拍圖像的顯著結構區(qū)域的檢測；然后，基于顯著性分析結果實現(xiàn)了航路點正負訓練樣本的自動獲取，并提取訓練樣本的邊緣和互相關面的4個特征訓練SVM分類器參數；最后，利用SVM分類器對樣本圖像進行航路點與非航路點的分類。用Google Earth軟件獲取實驗樣本作為航拍圖像，進行SVM分類器的設計與測試，測試結果表明平均分類精度為93.33%。利用谷歌下載器獲取包含預定航跡的大基準圖，進行航路點的選取，結果表明，該方法能夠有效地從基準圖中提取出航路點。 2.針對具有較大旋轉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Hausdorff景象匹配算法。該方法首先構建基于邊緣連續(xù)性檢測的結構關鍵點提取方法，減小瑣碎邊緣點對目標結構描述的影響；然后，利用形狀上下文對目標邊緣結構信息進行有效描述，以形狀上下文匹配代價作為加權系數，并結合距離函數約束，構造了新的加權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、尺度及時空差異下進行匹配實驗，結果表明，本文算法在角度變化1o~8o和尺度變化0.9~1.2的范圍內具有較好的魯棒性。 3.針對序列圖像的幀間運動變化較大下出現(xiàn)特征點跟蹤誤差大的問題，提出了基于多重約束的KLT特征點跟蹤方法。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；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合，構造一種新的偏移量—雙向加權偏移量；利用雙向偏移量的閾值約束和多分辨率約束，在幀間運動變化較大的情況下對特征點位置進行分層最優(yōu)估計。用Google Earth圖像構建序列圖像，并進行特征點跟蹤實驗，結果表明本文算法在較大的平移和旋轉運動下，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特征點跟蹤方法的幀間特征點匹配后驗問題，提出一種基于拓撲結構一致性約束的序列圖像特征點匹配后驗分析方法。該方法首先以圖間所有可能的匹配點對作為分配圖的頂點，以圖像點集內和點集間的加權形狀上下文統(tǒng)計特征構造新的度量函數并作為圖的邊權值，構造新的分配圖；然后，利用迭代求解方法實現(xiàn)拓撲結構一致性約束下幀間特征點匹配，并獲取邊權值系數和的最大值；最后，通過與第4章跟蹤結果在上述圖模型下邊權值系數和的對比，判斷跟蹤結果的正確性。將該方法用于第4章特征點跟蹤所得到匹配點對的后驗分析。結果表明，該方法能夠對第4章跟蹤結果的正確性進行準確判斷。 5.針對序列圖像運動估計在實際工程應用中，由于飛行環(huán)境及飛行狀態(tài)的影響導致導航參數估計出現(xiàn)較大誤差的情況，運用基于單應性矩陣分解的運動估計方法，通過仿真實驗分析了圖像特征點檢測精度、圖像分辨率、特征點的個數及分布等因素對運動參數估計的影響。將第4章提出的序列圖像特征點跟蹤算法、第5章提出的序列圖像特征點匹配后驗方法、基于單應性矩陣分解的運動參數估計方法結合，構造基于序列圖像運動估計的導航方法，并在Vega Prime/MFC視景仿真環(huán)境下，進行不同分辨率下的精度分析。實驗結果可為序列圖像運動狀態(tài)估計的工程應用提供實驗依據和指導。 6.從視覺輔助導航的需求出發(fā)，構建一個綜合導航演示驗證系統(tǒng)。該系統(tǒng)的設計過程中，綜合運用了本文提出的航路點自動選取、航路點景象匹配、KLT特征點跟蹤、特征點匹配后驗分析等關鍵技術。重點解決的關鍵問題包括：（1）不同時段的大視場圖像獲取及地理信息的標注；（2）基于慣導漂移誤差、航路點和實時圖視場的航路點自動提取策略；（3）在無法獲取相機參數的航拍仿真環(huán)境下，基于圖像拼接技術實現(xiàn)幀間相對定位；（4）基于多幀一致性約束的綜合導航策略等。利用Matlab2012開發(fā)綜合導航演示驗證系統(tǒng)軟件，以西安—西灃路段上的GoogleEarth圖像作為航拍圖，進行視覺輔助導航方法的實驗驗證分析，結果表明本文所提出方法能夠較好完成對慣性導航誤差的校正，達到長航時精確導航的要求。
【關鍵詞】：航路點自動選取 景象匹配導航 特征點跟蹤 序列圖像特征點匹配后驗 基于序列圖像的運動估計
【學位授予單位】：西北工業(yè)大學
【學位級別】：博士
【學位授予年份】：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 視覺導航13-17
• 1.2.1 景象匹配導航13-16
• 1.2.2 基于序列圖像的運動估計16-17
• 1.3 國內外研究現(xiàn)狀17-24
• 1.3.1 視覺導航系統(tǒng)的研究現(xiàn)狀17-21
• 1.3.2 視覺導航關鍵技術的研究現(xiàn)狀21-24
• 1.4 論文內容安排24-27
• 2 基于顯著性分析的航路點自動選取算法27-41
• 2.1 前言27-28
• 2.2 基于顯著性分析的獨特結構區(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 結合稀疏低秩分解的獨特結構區(qū)域檢測30-32
• 2.2.3 結果分析32-33
• 2.3 基于顯著性分析的分類器設計與測試33-38
• 2.3.1 SVM 簡介33
• 2.3.2 訓練樣本的自動獲取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 航路點的自動選取38-40
• 2.5 本章小結40-41
• 3 基于形狀上下文的加權 Hausdorff 景象匹配算法41-53
• 3.1 引言41-42
• 3.2 結構關鍵點提取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 實驗與分析46-52
• 3.5.1 實驗 147-50
• 3.5.2 實驗 250-52
• 3.6 小結52-53
• 4 基于多重約束的 KLT 特征點跟蹤算法53-69
• 4.1 前言53-54
• 4.2 KLT 特征點跟蹤54-57
• 4.2.1 KLT 算法原理54-55
• 4.2.2 特征點選取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跟蹤57-60
• 4.3.1 時間可逆性約束57-58
• 4.3.2 雙向加權偏移量約束58-59
• 4.3.3 多分辨約束59
• 4.3.4 算法描述59-60
• 4.4 實驗與分析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 旋轉運動下的跟蹤對比65-68
• 4.5 本章小結68-69
• 5 基于拓撲結構一致性約束的序列圖像匹配后驗分析方法69-84
• 5.1 引言69
• 5.2 拓撲結構一致性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 基于拓撲結構的圖匹配求解72-74
• 5.4 匹配后驗分析方法74-75
• 5.5 實驗與分析75-83
• 5.5.1 不同分辨率下的跟蹤后驗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77-80
• 5.5.3 旋轉運動下的跟蹤后驗80-83
• 5.6 本章小結83-84
• 6 序列圖像運動估計的實驗分析84-99
• 6.1 引言84
• 6.2 坐標系建立84-88
• 6.2.1 坐標系的定義84-87
• 6.2.2 坐標系間的轉換模型87-88
• 6.3 基于單應性矩陣分解的位姿估計88-92
• 6.3.1 單應性矩陣的概念88-89
• 6.3.2 單應性矩陣的求解89-91
• 6.3.3 導航參數的獲取91-92
• 6.4 仿真驗證及實驗分析92-98
• 6.4.1 模擬數據仿真實驗92-96
• 6.4.2 視景仿真環(huán)境下的實驗96-98
• 6.5 本章小結98-99
• 7 綜合導航演示驗證系統(tǒng)99-116
• 7.1 引言99-100
• 7.2 系統(tǒng)架構及模塊設計100-105
• 7.2.1 系統(tǒng)架構100
• 7.2.2 子模塊設計100-105
• 7.3 系統(tǒng)軟件設計105-108
• 7.3.1 開發(fā)平臺105
• 7.3.2 軟件結構設計105-106
• 7.3.3 人機界面設計106-108
• 7.4 實驗環(huán)境建立108-111
• 7.4.1 數據制備108-110
• 7.4.2 相關參數110-111
• 7.5 實驗結果與分析111-114
• 7.6 本章小結114-116
• 8 總結與展望116-119
• 8.1 總結116-117
• 8.2 展望117-119
• 參考文獻119-135
• 致謝135-136
• 攻讀博士學位期間發(fā)表的學術論文和參加科研情況136-138

【參考文獻】

中國期刊全文數據庫 前10條

1 趙龍;李鐵軍;;基于6自由度機械臂的景像匹配半實物仿真[J];北京航空航天大學學報;2011年12期

2 黃顯林;姜肖楠;盧鴻謙;李明明;;自主視覺導航方法綜述[J];吉林大學學報(信息科學版);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的一種快速算法[J];傳感技術學報;2007年06期

4 陳裕;劉慶元;;基于SIFT算法和馬氏距離的無人機遙感圖像配準[J];測繪與空間地理信息;2009年06期

5 金勇俊;李言俊;張科;;基于對數極坐標變換的景像匹配算法研究[J];彈道學報;2007年04期

6 高劍宏;陳哲;;機載景像匹配導航試驗系統(tǒng)軟件的研究[J];彈箭與制導學報;2003年S1期

7 何鳴;劉光斌;;一種抗區(qū)域強灰度變化的景象匹配算法研究[J];彈箭與制導學報;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展[J];電子學報;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模式匹配算法[J];電子與信息學報;2010年10期

10 馬芮;董景新;;GNSS/MIMU組合導航技術綜述[J];飛航導彈;2007年04期

中國博士學位論文全文數據庫 前2條

1 任三孩;彈載SAR景象匹配制導關鍵技術研究[D];國防科學技術大學;2011年

2 卜彥龍;面向INS/SAR組合導航的SAR景象區(qū)域適配性研究[D];國防科學技術大學;2009年

本文編號：595370