本文關(guān)鍵詞：基于合作目標(biāo)的無(wú)人機(jī)視覺(jué)著陸位姿估計(jì)方法及合作目標(biāo)優(yōu)化研究

  更多相關(guān)文章： 無(wú)人機(jī) 合作目標(biāo) 位姿估計(jì) 遺傳算法 顯著性檢驗(yàn)

【摘要】：無(wú)人機(jī)視覺(jué)著陸技術(shù)的實(shí)用價(jià)值和發(fā)展前景備受關(guān)注,其中的研究熱點(diǎn)之一為基于合作目標(biāo)的無(wú)人機(jī)視覺(jué)著陸位姿估計(jì)方法。本文主要研究了基于合作目標(biāo)的位姿估計(jì)方法及合作目標(biāo)的構(gòu)型優(yōu)化。首先,針對(duì)目前缺乏對(duì)常用位姿估計(jì)算法在統(tǒng)一實(shí)驗(yàn)條件下的綜合定量對(duì)比研究問(wèn)題,本文研究了常用位姿估計(jì)算法原理,包括P3P算法、P4P算法、RPnP算法、Tsai算法和正交迭代算法;對(duì)各算法的穩(wěn)定性、精度和實(shí)時(shí)性進(jìn)行了綜合對(duì)比研究,得出了RPnP算法較適用于無(wú)人機(jī)視覺(jué)著陸位姿估計(jì)場(chǎng)合的結(jié)論,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該結(jié)論。其次,針對(duì)P3P算法穩(wěn)定性曲線呈雙峰的問(wèn)題,通過(guò)仿真實(shí)驗(yàn)分析了問(wèn)題產(chǎn)生的原因;針對(duì)正交迭代算法的初始值有多種選取方法的問(wèn)題,通過(guò)仿真實(shí)驗(yàn)對(duì)比研究,得出了選取RPnP算法解作為初始值時(shí)算法性能較好的結(jié)論。再次,針對(duì)Tsai算法求解旋轉(zhuǎn)矩陣R的精度較高,但求解平移向量T的精度較低的問(wèn)題,充分利用已知的焦距和特征點(diǎn)間距離作為冗余信息,根據(jù)小孔成像模型的比例關(guān)系,在Tsai算法解得R的基礎(chǔ)上,提出了對(duì)T求解過(guò)程的改進(jìn)方法,對(duì)比實(shí)驗(yàn)表明,與傳統(tǒng)Tsai算法相比,本文的改進(jìn)Tsai算法精度提高約10%、實(shí)時(shí)性提高約50%。最后,研究了合作目標(biāo)構(gòu)型優(yōu)化,一方面,研究了基于遺傳算法的構(gòu)型優(yōu)化方法,其中,針對(duì)目前構(gòu)型優(yōu)化研究中對(duì)解空間的構(gòu)型有一定限制的問(wèn)題,提出了新的解空間編碼解碼方法;針對(duì)現(xiàn)有位姿估計(jì)誤差評(píng)價(jià)指標(biāo)無(wú)法較好地統(tǒng)一6個(gè)位姿參數(shù)量綱和數(shù)量級(jí)的問(wèn)題,根據(jù)回歸分析中對(duì)回歸方程擬合顯著性的評(píng)價(jià)方法,提出了基于顯著性檢驗(yàn)公式的位姿估計(jì)誤差評(píng)價(jià)指標(biāo),并利用該指標(biāo)設(shè)計(jì)了遺傳算法適應(yīng)度函數(shù)。對(duì)比試驗(yàn)表明,優(yōu)化后的合作目標(biāo)具有更高的位姿估計(jì)精度和實(shí)用性。另一方面,針對(duì)固定翼無(wú)人機(jī)沿小角度下降軌跡運(yùn)動(dòng)時(shí),合作目標(biāo)在相機(jī)成像平面的投影沿縱向明顯縮小,從而影響位姿估計(jì)精度的問(wèn)題,提出了斜平面合作目標(biāo),并研究了斜平面合作目標(biāo)與地面的夾角對(duì)位姿估計(jì)精度的影響,為斜平面合作目標(biāo)的工程應(yīng)用提供了理論支持。
【關(guān)鍵詞】：無(wú)人機(jī) 合作目標(biāo) 位姿估計(jì) 遺傳算法 顯著性檢驗(yàn)
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：V279
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 縮略詞13-14
• 第一章 緒論14-24
• 1.1 研究背景及意義14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-22
• 1.2.1 無(wú)人機(jī)視覺(jué)著陸位姿估計(jì)方法研究現(xiàn)狀14-19
• 1.2.2 合作目標(biāo)構(gòu)型優(yōu)化研究現(xiàn)狀19-21
• 1.2.3 研究現(xiàn)狀存在的問(wèn)題21-22
• 1.3 本文主要內(nèi)容與創(chuàng)新點(diǎn)22-23
• 1.3.1 本文主要內(nèi)容22
• 1.3.2 本文創(chuàng)新點(diǎn)22-23
• 1.4 本文章節(jié)安排23-24
• 第二章 基于合作目標(biāo)的位姿估計(jì)方案及理論基礎(chǔ)研究24-30
• 2.1 無(wú)人機(jī)視覺(jué)著陸總體方案設(shè)計(jì)24
• 2.2 合作目標(biāo)的初步設(shè)計(jì)24-26
• 2.2.1 分體式合作目標(biāo)24-25
• 2.2.2 紅外合作目標(biāo)25
• 2.2.3 合作目標(biāo)特征點(diǎn)提取25-26
• 2.3 位姿估計(jì)理論基礎(chǔ)26-29
• 2.3.1 成像模型26
• 2.3.2 坐標(biāo)系定義及變換26-28
• 2.3.3 位姿參數(shù)定義28-29
• 2.4 本章小結(jié)29-30
• 第三章 基于特征點(diǎn)的位姿估計(jì)算法研究30-61
• 3.1 常用位姿估計(jì)算法原理研究30-38
• 3.1.1 非迭代算法30-37
• 3.1.2 迭代算法37-38
• 3.2 常用位姿估計(jì)算法性能對(duì)比研究38-42
• 3.2.1 算法性能指標(biāo)及仿真實(shí)驗(yàn)方法38-39
• 3.2.2 基于仿真實(shí)驗(yàn)的常用算法性能對(duì)比39-42
• 3.3 對(duì)常用算法存在問(wèn)題的研究和改進(jìn)42-51
• 3.3.1 對(duì)P3P算法多解選擇問(wèn)題的討論42-43
• 3.3.2 對(duì)正交迭代算法初始值選取問(wèn)題的研究43-46
• 3.3.3 基于Tsai算法的改進(jìn)研究46-49
• 3.3.4 基于仿真實(shí)驗(yàn)的改進(jìn)前后Tsai算法性能對(duì)比49-51
• 3.4 算法性能的對(duì)比實(shí)驗(yàn)研究51-57
• 3.4.1 基于 3ds Max仿真實(shí)驗(yàn)的算法性能對(duì)比51-53
• 3.4.2 基于實(shí)物實(shí)驗(yàn)的算法性能對(duì)比53-57
• 3.5 基于實(shí)物實(shí)驗(yàn)的無(wú)人機(jī)視覺(jué)著陸位姿估計(jì)方法驗(yàn)證研究57-59
• 3.5.1 實(shí)驗(yàn)方案及器材57-58
• 3.5.2 實(shí)驗(yàn)數(shù)據(jù)分析58-59
• 3.6 本章小結(jié)59-61
• 第四章 合作目標(biāo)構(gòu)型優(yōu)化研究61-84
• 4.1 合作目標(biāo)構(gòu)型優(yōu)化可行性分析61-63
• 4.2 遺傳算法理論基礎(chǔ)63-65
• 4.3 基于遺傳算法的合作目標(biāo)構(gòu)型優(yōu)化研究65-74
• 4.3.1 合作目標(biāo)構(gòu)型優(yōu)化總體方案65-66
• 4.3.2 染色體編碼、解碼研究66-68
• 4.3.3 染色體調(diào)整研究68
• 4.3.4 適應(yīng)度函數(shù)設(shè)計(jì)研究68-71
• 4.3.5 遺傳操作方法及參數(shù)的選擇研究71-73
• 4.3.6 合作目標(biāo)構(gòu)型優(yōu)化實(shí)驗(yàn)73-74
• 4.4 對(duì)優(yōu)化所得構(gòu)型性能的驗(yàn)證研究74-78
• 4.4.1 基于仿真實(shí)驗(yàn)的構(gòu)型性能驗(yàn)證研究74-75
• 4.4.2 基于3dsMax仿真實(shí)驗(yàn)的構(gòu)型性能驗(yàn)證研究75-77
• 4.4.3 基于實(shí)物實(shí)驗(yàn)的構(gòu)型性能驗(yàn)證研究77-78
• 4.5 斜平面合作目標(biāo)研究78-83
• 4.5.1 斜平面合作目標(biāo)與地面夾角取值的對(duì)比研究78-81
• 4.5.2 實(shí)物驗(yàn)證實(shí)驗(yàn)81-83
• 4.6 本章小結(jié)83-84
• 第五章 總結(jié)與展望84-86
• 5.1 本文的主要工作84
• 5.2 研究展望84-86
• 參考文獻(xiàn)86-91
• 致謝91-92
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文92

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 鄒海寧;;美國(guó)海軍精確進(jìn)近著降系統(tǒng)(JPALS)架構(gòu)研究[J];飛機(jī)設(shè)計(jì);2015年02期

2 李鑫;龍古燦;劉進(jìn)博;張小虎;于起峰;;相機(jī)位姿估計(jì)的加速正交迭代算法[J];光學(xué)學(xué)報(bào);2015年01期

3 唐麟;劉琳;蘇君紅;;紅外圖像噪聲建模及仿真研究[J];紅外技術(shù);2014年07期

4 溫卓漫;王延杰;邸男;金明河;;基于合作靶標(biāo)的在軌手眼標(biāo)定[J];儀器儀表學(xué)報(bào);2014年05期

5 Xu Guili;Qi Xiaopeng;Zeng Qinghua;Tian Yupeng;Guo Ruipeng;Wang Biao;;Use of land's cooperative object to estimate UAV's pose for autonomous landing[J];Chinese Journal of Aeronautics;2013年06期

6 吳俁;余濤;謝東海;;面向應(yīng)急響應(yīng)的無(wú)人機(jī)圖像快速自動(dòng)拼接[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年03期

7 李宇;王友仁;羅慧;陳燕;姜媛媛;;基于視覺(jué)的無(wú)人機(jī)自主著陸地標(biāo)識(shí)別方法[J];計(jì)算機(jī)應(yīng)用研究;2012年07期

8 王廣彪;李華偉;丁文銳;李紅光;;無(wú)人機(jī)在運(yùn)動(dòng)艦船上著艦視覺(jué)導(dǎo)引技術(shù)研究[J];中國(guó)電子科學(xué)研究院學(xué)報(bào);2012年03期

9 馬永杰;云文霞;;遺傳算法研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2012年04期

10 李飛;唐大全;畢波;沈?qū)?;基于點(diǎn)線對(duì)應(yīng)的無(wú)人機(jī)位姿估計(jì)算法[J];計(jì)算機(jī)測(cè)量與控制;2011年12期

，

本文編號(hào)：807760