本文關(guān)鍵詞：基于視覺的無人機姿態(tài)估計方法研究

  更多相關(guān)文章： 無人機 視覺導航 地平線檢測 閾值分割 姿態(tài)估計

【摘要】：無人機具有體積小、成本低、安全性高等優(yōu)點,在軍用和民用領(lǐng)域都有很廣泛的應(yīng)用前景。傳統(tǒng)的慣性導航方式由于累積誤差以及GPS導航中GPS信號缺失等問題,影響了無人機的導航精度。通過圖像采集,得到其特征信息,從而解決導航問題,這是視覺導航的基本思路,它具有自主性和成本低等優(yōu)點。因而隨著計算機視覺技術(shù)的發(fā)展,視覺導航作為輔助導航方式成為了研究熱點。本文主要的研究內(nèi)容是視覺導航中無人機姿態(tài)估計方法,所做的主要工作有:(1)深入研究了濾波、邊緣檢測、圖像分割等圖像處理的基本算法,導航系統(tǒng)中的坐標系轉(zhuǎn)換,計算機視覺中攝像機坐標系、圖像坐標系、世界坐標系等相對關(guān)系,為后續(xù)地平線檢測算法和姿態(tài)估計方法提供理論基礎(chǔ)。(2)提出一種有效的地平線檢測算法,用基于最大類間方差的閾值分割方法將圖像分割開來,進而進行邊緣檢測,并通過Radon變換和Hough變換分別對檢測到的地平線進行了提取,得到了直線方程。與基于邊緣檢測的方法相比,出現(xiàn)誤判地平線的現(xiàn)象較少,證明了所提算法的有效性。(3)提出一種基于地平線直線方程的無人機姿態(tài)估計方法。根據(jù)攝像機的投影映射關(guān)系,建立了地平線與無人機姿態(tài)角之間的關(guān)系。從而根據(jù)直線方程的斜率和截距,就可以進行姿態(tài)角的計算。(4)在對攝像機進行標定后設(shè)計實驗對所提出的方法進行了驗證,結(jié)果表明所提出的方法是可行且正確的。
【關(guān)鍵詞】：無人機 視覺導航 地平線檢測 閾值分割 姿態(tài)估計
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;V279
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-20
• 1.1 研究背景和意義10-14
• 1.1.1 無人機簡介10-11
• 1.1.2 計算機視覺簡介11-12
• 1.1.3 無人機導航方式12-13
• 1.1.4 視覺導航的意義13-14
• 1.2 研究現(xiàn)狀與發(fā)展趨勢14-17
• 1.2.1 國外研究現(xiàn)狀14-15
• 1.2.2 國內(nèi)研究現(xiàn)狀15
• 1.2.3 研究和發(fā)展趨勢15-16
• 1.2.4 研究難點16-17
• 1.3 研究內(nèi)容及論文結(jié)構(gòu)安排17-20
• 第2章 圖像處理基礎(chǔ)知識20-39
• 2.1 基本的圖像處理操作20-25
• 2.1.1 灰度化方法20-21
• 2.1.2 直方圖21-22
• 2.1.3 濾波方法22-25
• 2.2 邊緣檢測算子25-31
• 2.3 圖像分割方法31-34
• 2.3.1 最佳閾值分割31-32
• 2.3.2 最大類間方差閾值分割32-34
• 2.4 Hough變換34-36
• 2.5 Radon變換36-38
• 2.6 本章小結(jié)38-39
• 第3章 計算機視覺基礎(chǔ)39-50
• 3.1 無人機導航39-40
• 3.1.1 各種導航相關(guān)坐標系的轉(zhuǎn)換39-40
• 3.2 無人機姿態(tài)角40-41
• 3.3 攝像機坐標系41-45
• 3.3.1 歐氏變換41-43
• 3.3.2 計算機視覺中的坐標系43-45
• 3.3.3 針孔攝像機模型45
• 3.4 攝像機標定方法45-48
• 3.5 本章小結(jié)48-50
• 第4章 姿態(tài)估計方法50-56
• 4.1 人工目標識別50-53
• 4.1.1 地標識別特點50-51
• 4.1.2 常用地標識別方法51-53
• 4.2 常用姿態(tài)估計方法53-54
• 4.3 基于地平線的姿態(tài)估計54-55
• 4.4 本章小結(jié)55-56
• 第5章 基于地平線檢測估計姿態(tài)角56-72
• 5.1 地平線檢測56-63
• 5.1.1 圖像去霧56-58
• 5.1.2 地平線檢測算法58-59
• 5.1.3 基于最大類間方差的地平線檢測算法59-63
• 5.2 姿態(tài)估計63-68
• 5.2.1 傳統(tǒng)姿態(tài)估計方法63-64
• 5.2.2 新的姿態(tài)計算方法64-68
• 5.3 特殊情況68
• 5.4 實驗驗證68-71
• 5.4.1 實驗裝置68-69
• 5.4.2 仿真實驗69
• 5.4.3 姿態(tài)估計69-71
• 5.5 本章小結(jié)71-72
• 結(jié)論72-74
• 參考文獻74-78
• 攻讀學位期間發(fā)表論文與研究成果清單78-80
• 致謝80

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 傅澤寧;邵曉巍;龔德仁;段登平;;最優(yōu)遞歸線性姿態(tài)估計算法[J];測控技術(shù);2012年06期

2 羅宇陽;龔德仁;陳筠力;段登平;邵曉巍;;基于羅格里斯參數(shù)的航天器遞歸線性姿態(tài)估計算法[J];航天控制;2012年04期

3 李建竹;張駿;;水下晃動平臺姿態(tài)估計精度仿真[J];西安工業(yè)大學學報;2008年01期

4 史東承,于德海,楊冬;一種多視角人臉姿態(tài)估計算法[J];長春工業(yè)大學學報(自然科學版);2004年01期

5 張根寶;楊永;;粒子濾波器及其在衛(wèi)星姿態(tài)估計中的應(yīng)用[J];計算機工程與科學;2011年06期

6 張彩霞;趙青娥;;基于旋轉(zhuǎn)體的攝像機姿態(tài)估計[J];北方工業(yè)大學學報;2011年03期

7 郭作敏;飛行器實時姿態(tài)估計系統(tǒng)[J];光機電信息;1997年12期

8 毛玉星;于燕來;韓倍濤;徐少志;成華安;;應(yīng)用人臉姿態(tài)估計實現(xiàn)人機信息交互[J];重慶大學學報;2012年01期

9 李興唐;郭立紅;;基于三維模型的飛機識別與姿態(tài)估計[J];武漢理工大學學報;2008年08期

10 馬獻德;陳強;孫振國;張文增;;水輪機葉片坑內(nèi)修復機器人姿態(tài)估計改進算法[J];清華大學學報(自然科學版);2011年05期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 葉蓬;劉方;;一種基于李群的目標姿態(tài)估計方法[A];全國第二屆信號處理與應(yīng)用學術(shù)會議�？痆C];2008年

2 牟忠凱;隋立芬;甘雨;黃賢源;;觀測噪聲為有色噪聲的UKF姿態(tài)估計算法[A];第二屆中國衛(wèi)星導航學術(shù)年會電子文集[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 劉袁緣;自然環(huán)境下頭部姿態(tài)估計方法的研究與應(yīng)用[D];華中師范大學;2015年

2 崔錦實;基于三維模型的關(guān)節(jié)式物體姿態(tài)估計與跟蹤方法研究[D];清華大學;2004年

3 趙松;人臉識別中的姿態(tài)估計、識別算法和融合算法的研究[D];中國科學技術(shù)大學;2009年

4 歐陽毅;單目視頻中人體運動建模及姿態(tài)估計研究[D];浙江大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 石廣升;基于Kinect的物體三維模型構(gòu)建和姿態(tài)估計方法研究[D];哈爾濱工業(yè)大學;2015年

2 杜署明;基于捷聯(lián)慣性傳感的吊鉤姿態(tài)估計技術(shù)研究[D];大連理工大學;2015年

3 劉則芬;基于擴展梯度直方圖的行人檢測及姿態(tài)估計研究[D];合肥工業(yè)大學;2014年

4 張亞男;低成本動中通測控系統(tǒng)姿態(tài)估計算法的設(shè)計與實現(xiàn)[D];電子科技大學;2015年

5 張培浩;基于姿態(tài)估計的行為識別方法研究[D];南京航空航天大學;2015年

6 丁卓;基于單幅靜止圖像的人臉姿態(tài)估計的研究[D];華東師范大學;2014年

7 侯佳麗;基于視覺的無人機姿態(tài)估計方法研究[D];北京理工大學;2016年

8 孫昊翔;關(guān)于人臉姿態(tài)估計問題的研究[D];吉林大學;2007年

9 李華明;基于中國人面貌形態(tài)學特征的人臉姿態(tài)估計方法研究[D];西北大學;2005年

10 楊旭;基于稀疏流形的頭部姿態(tài)估計研究[D];華中科技大學;2013年

，

本文編號：606088