本文關(guān)鍵詞：基于圖像配準的無人機姿態(tài)測量技術(shù)研究

  更多相關(guān)文章： 無人機 姿態(tài)測量 特征點提取 匹配度量 坐標系

【摘要】：基于圖像處理技術(shù)的無人機姿態(tài)測量,是傳統(tǒng)姿態(tài)測量的一種新型輔助測量方法,它因具有無源、自主等優(yōu)點,成為國內(nèi)外研究的熱點。本文創(chuàng)新之處在于通過無人機成像設(shè)備對地面目標進行連續(xù)圖像采集,得到目標圖像序列,再通過圖像處理技術(shù)提取圖像匹配特征點,綜合計算機視覺和坐標幾何變換等理論完成無人機姿態(tài)測量。為完成無人機姿態(tài)測量,需要將無人機放置在一個合適的坐標系中,在無人機姿態(tài)發(fā)生變化后,坐標系能準確描述狀態(tài)變化并建立坐標系間的變換關(guān)系。轉(zhuǎn)換的過程還需要考慮無人機、云臺以及地球三大坐標系,完成彼此之間的矩陣轉(zhuǎn)換并簡化這一過程。對采集圖像的特征點提取,比較了經(jīng)典Harris特征點提取算法,SIFT特征點提取算法和基于小波變換的多尺度小波變換能量累加特征點檢測算法。在圖像發(fā)生尺度和旋轉(zhuǎn)變化時,比較三種方法在特征點檢測的性能,最終通過比較基于小波變換的特征點檢測在性能上表現(xiàn)更為優(yōu)異。對于存在變化的圖像間的特征點,如何進行匹配度量,引入了特征點相似性度量方法。比較了常見的基于歸一化互相關(guān)的相似性度量技術(shù)和基于Fourier-Mellin變換的相似性度量技術(shù)。對于存在較為復(fù)雜幾何變換的圖像,基于Fourier-Mellin變換的相似度量技術(shù)表現(xiàn)更好。為了進一步改善尺度、旋轉(zhuǎn)不變特征點相似性度量方法的計算速度,再結(jié)合圖像跡變換。通過圖像處理方法找到無人機成像變化之間的特征點對,并根據(jù)投影變換得到幾何轉(zhuǎn)換參數(shù)。再與建立的無人機姿態(tài)模型相融合,完成無人機姿態(tài)測量,并對姿態(tài)測量進行誤差分析。
【關(guān)鍵詞】：無人機 姿態(tài)測量 特征點提取 匹配度量 坐標系
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：V279
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 縮略詞10-11
• 第一章 緒論11-19
• 1.1 研究背景與意義11-13
• 1.2 目前國內(nèi)外無人機姿態(tài)測量研究情況13-16
• 1.3 論文研究的主要內(nèi)容和方法16-19
• 第二章 無人機姿態(tài)測量模型19-29
• 2.1 引言19
• 2.2 坐標系的定義和轉(zhuǎn)換19-21
• 2.3 坐標系的轉(zhuǎn)換21-26
• 2.3.1 齊次坐標轉(zhuǎn)換理論21-24
• 2.3.2 常用坐標系的轉(zhuǎn)換24-26
• 2.4 無人機攝像機云臺26-27
• 2.5 姿態(tài)角的定義27-28
• 2.6 本章小結(jié)28-29
• 第三章 圖像配準技術(shù)29-49
• 3.1 引言29
• 3.2 常見特征點配準技術(shù)29-31
• 3.3 經(jīng)典的Harris特征點檢測方法31-34
• 3.4 SIFT特征點檢測方法34-38
• 3.5 小波變換旋轉(zhuǎn)、尺度不變特征點檢測方法38-48
• 3.5.1 小波變換的定義38-40
• 3.5.2 小波變換的尺度離散化40-41
• 3.5.3 小波變換信號的奇異性檢測41-43
• 3.5.4 尺度變化小波變換能量累加特征點檢測方法43-48
• 3.6 本章小結(jié)48-49
• 第四章 特征點匹配度量技術(shù)49-64
• 4.1 引言49-50
• 4.2 基于歸一化思想的相似度量技術(shù)50-52
• 4.3 基于Fourier-Mellin變換的相似度量技術(shù)52-57
• 4.3.1 傅里葉變換性質(zhì)53-54
• 4.3.2 傅里葉幅度譜坐標轉(zhuǎn)換54-55
• 4.3.3 基于Fourier-Mellin變換的圖像匹配55
• 4.3.4 基于Fourier-Mellin變換的特征點相似度量55-57
• 4.4 基于跡變換的特征點相似度量57-63
• 4.4.1 圖像Radon變換57-59
• 4.4.2 圖像跡變換59-61
• 4.4.3 基于局部圖像跡變換的特征點相似度量61-63
• 4.5 本章小結(jié)63-64
• 第五章 無人機姿態(tài)測量64-78
• 5.1 引言64
• 5.2 圖像配準效果驗證64-68
• 5.2.1 圖像預(yù)處理64-66
• 5.2.2 圖像特征點提取66
• 5.2.3 圖像特征點匹配效果66-68
• 5.3 無人機姿態(tài)測量68-74
• 5.3.1 姿態(tài)測量模型68-71
• 5.3.2 姿態(tài)測量結(jié)果71-74
• 5.4 姿態(tài)測量誤差分析74-77
• 5.5 本章小結(jié)77-78
• 第六章 總結(jié)與展望78-81
• 6.1 本文主要工作總結(jié)78
• 6.2 展望78-81
• 參考文獻81-84
• 致謝84-85
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文85

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 許佳佳;張葉;張赫;;基于改進Harris-SIFT算子的快速圖像配準算法[J];電子測量與儀器學(xué)報;2015年01期

2 聶鵬;李佩華;李正強;鄭旺;宋平;;基于卡爾曼濾波的小型無人機姿態(tài)估計算法研究[J];沈陽航空航天大學(xué)學(xué)報;2013年06期

3 劉健;張國華;黃琳琳;;基于改進SIFT的圖像配準算法[J];北京航空航天大學(xué)學(xué)報;2010年09期

4 陳龍勝;陳謀;姜長生;;基于視覺信息的無人機自主著陸過程姿態(tài)和位置估計[J];電光與控制;2009年05期

5 文貢堅;呂金建;王繼陽;;基于特征的高精度自動圖像配準方法[J];軟件學(xué)報;2008年09期

6 徐貴力;倪立學(xué);程月華;;基于合作目標和視覺的無人飛行器全天候自動著陸導(dǎo)引關(guān)鍵技術(shù)[J];航空學(xué)報;2008年02期

7 那盟;賈培發(fā);;微型直升機自主飛行輔助視覺系統(tǒng)研究[J];計算機工程與應(yīng)用;2006年30期

8 劉士清,胡春華,朱紀洪;一種基于滅影線的無人直升機位姿估計方法[J];計算機工程與應(yīng)用;2004年09期

9 邱力為,宋子善,沈為群;用于無人直升機著艦控制的計算機視覺技術(shù)研究[J];航空學(xué)報;2003年04期

10 邱力為,宋子善,沈為群;無人直升機自主著艦的計算機視覺算法[J];北京航空航天大學(xué)學(xué)報;2003年02期

，

本文編號：742201