本文關(guān)鍵詞：無(wú)人機(jī)視覺(jué)特征提取及同步定位與地圖構(gòu)建方法研究

  更多相關(guān)文章： 無(wú)人機(jī) 圖像特征提取 EKF-SLAM 粒子濾波 FastSLAM 粒子群優(yōu)化

【摘要】：近年來(lái)由于科技水平的提高,無(wú)人機(jī)在各方面的配置都有了大幅提升,在軍事和民用領(lǐng)域發(fā)揮了越來(lái)越重要的作用。在未來(lái)發(fā)展中,無(wú)人機(jī)將在全自主飛行方面進(jìn)一步發(fā)展,其需要解決的關(guān)鍵問(wèn)題之一便是自主導(dǎo)航。傳統(tǒng)的自主導(dǎo)航方法是利用慣性導(dǎo)航系統(tǒng)(INS)、全球定位系統(tǒng)(GPS)等途徑獲取無(wú)人機(jī)的位姿信息。但是GPS和INS存在使用局限性,如GPS在室內(nèi)及山谷等情況下會(huì)由于信號(hào)弱而失去作用,INS會(huì)隨著時(shí)間推移,引起較大的累積誤差。近年來(lái),圖像視覺(jué)傳感器由于其重量輕、信息量大等優(yōu)點(diǎn)逐漸被引入無(wú)人機(jī)視覺(jué)導(dǎo)航領(lǐng)域內(nèi)。因此本文對(duì)無(wú)人機(jī)SLAM自主導(dǎo)航算法進(jìn)行研究,主要做了如下工作:首先,本文研究了基于視覺(jué)特征提取的SIFT算法和SURF算法的差異。由于SURF算法利用了積分圖像及Hessian概念,大大減少了特征提取過(guò)程的時(shí)間,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該結(jié)論。其次,以擴(kuò)展卡爾曼濾波算法為基礎(chǔ),研究了EKF-SLAM算法。仿真實(shí)驗(yàn)表明該算法能夠?qū)崿F(xiàn)在一定精度要求范圍內(nèi)的無(wú)人機(jī)定位與地圖構(gòu)建,但該算法對(duì)于運(yùn)行環(huán)境有著較高的限制,并且計(jì)算復(fù)雜,魯棒性較差,并不適合應(yīng)用于噪聲較大的大范圍環(huán)境中。然后,為提高EKF-SLAM算法的精度及魯棒性,研究了FastSLAM算法,該算法采用N個(gè)粒子估計(jì)無(wú)人機(jī)的飛行路徑,對(duì)每個(gè)粒子采用M個(gè)EKF算法對(duì)環(huán)境特征點(diǎn)進(jìn)行估計(jì)。由于粒子濾波在非線性模型中獨(dú)特的優(yōu)點(diǎn)使得該算法的魯棒性較高,并提高了算法的精度。最后,針對(duì)因過(guò)度重采樣造成的算法實(shí)時(shí)性低、粒子樣本枯竭等問(wèn)題,提出了基于自適應(yīng)重采樣的FastSLAM算法。并引入兩種多樣性啟發(fā)因子作為粒子群優(yōu)化算法的指導(dǎo)因子,對(duì)重采樣后的粒子群進(jìn)行優(yōu)化,保證粒子群的多樣性及算法精度。仿真實(shí)驗(yàn)表明該改進(jìn)算法的精確度和魯棒性得到了提高。
【關(guān)鍵詞】：無(wú)人機(jī) 圖像特征提取 EKF-SLAM 粒子濾波 FastSLAM 粒子群優(yōu)化
【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
• ABSTRACT5-10
• 注釋表10-11
• 縮略詞11-12
• 第一章 緒論12-23
• 1.1 研究背景和意義12-13
• 1.2 無(wú)人機(jī)導(dǎo)航研究現(xiàn)狀13-17
• 1.2.1 無(wú)人機(jī)概述13-15
• 1.2.2 無(wú)人機(jī)導(dǎo)航問(wèn)題15-17
• 1.3 SLAM方法研究現(xiàn)狀17-21
• 1.3.1 SLAM算法的發(fā)展17-18
• 1.3.2 典型SLAM算法18-19
• 1.3.3 SLAM算法研究現(xiàn)狀19-20
• 1.3.4 SLAM算法難點(diǎn)20-21
• 1.4 本文研究的內(nèi)容和論文安排21-23
• 第二章 基于視覺(jué)的特征提取及匹配算法研究23-37
• 2.1 引言23
• 2.2 圖像特征23-24
• 2.3 基于無(wú)人機(jī)視覺(jué)的特征提取與匹配24-32
• 2.3.1 SIFT算法24-28
• 2.3.2 SURF算法28-32
• 2.4 特征點(diǎn)匹配算法32-33
• 2.5 基于視覺(jué)的特征提取與匹配仿真實(shí)驗(yàn)33-36
• 2.6 本章小結(jié)36-37
• 第三章 基于擴(kuò)展卡爾曼濾波的無(wú)人機(jī)SLAM算法研究37-53
• 3.1 引言37
• 3.2 濾波算法37-40
• 3.2.1 卡爾曼濾波算法37-39
• 3.2.2 擴(kuò)展卡爾曼濾波算法39-40
• 3.3 無(wú)人機(jī)EKF-SLAM算法40-52
• 3.3.1 無(wú)人機(jī)SLAM問(wèn)題40-41
• 3.3.2 無(wú)人機(jī)系統(tǒng)方程建立41-44
• 3.3.3 SLAM問(wèn)題的貝葉斯公式分解44-45
• 3.3.4 無(wú)人機(jī)EKF-SLAM算法45-48
• 3.3.5 仿真實(shí)驗(yàn)結(jié)果及分析48-52
• 3.4 本章小結(jié)52-53
• 第四章 基于粒子濾波的無(wú)人機(jī)SLAM算法研究53-70
• 4.1 引言53-54
• 4.2 粒子濾波算法54-56
• 4.3 基于自適應(yīng)重采樣的FastSLAM算法56-61
• 4.3.1 FastSLAM算法描述56-57
• 4.3.2 FastSLAM算法分解57-58
• 4.3.3 FastSLAM算法具體實(shí)現(xiàn)58-61
• 4.3.4 自適應(yīng)重采樣61
• 4.4 粒子群優(yōu)化FastSLAM算法61-63
• 4.4.1 粒子群優(yōu)化算法61-62
• 4.4.2 基于多樣性啟發(fā)因子的粒子群優(yōu)化算法62-63
• 4.4.3 基于改進(jìn)的粒子群優(yōu)化FastSLAM算法流程63
• 4.5 仿真實(shí)驗(yàn)結(jié)果及分析63-68
• 4.6 本章小結(jié)68-70
• 第五章 總結(jié)與展望70-72
• 5.1 本文的主要研究工作總結(jié)70
• 5.2 進(jìn)一步研究工作的展望70-72
• 參考文獻(xiàn)72-78
• 致謝78-79
• 在校期間的研究成果及發(fā)表的學(xué)術(shù)論文79

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王偉;陳華慶;韓衛(wèi);;無(wú)人機(jī)自主導(dǎo)航控制的FastSLAM算法研究[J];計(jì)算機(jī)仿真;2015年08期

2 曹美會(huì);鮮斌;張旭;文曦;;基于視覺(jué)的四旋翼無(wú)人機(jī)自主定位與控制系統(tǒng)[J];信息與控制;2015年02期

3 武俊;郭捷;邱衛(wèi)東;徐鵬;郭曼;張菡;;基于SIFT特征的特定目標(biāo)識(shí)別管控算法[J];信息安全與通信保密;2015年02期

4 王闖;盧健;黃杰;;AUV同時(shí)定位與跟蹤算法研究[J];西安工程大學(xué)學(xué)報(bào);2014年05期

5 陶于金;李沛峰;;無(wú)人機(jī)系統(tǒng)發(fā)展與關(guān)鍵技術(shù)綜述[J];航空制造技術(shù);2014年20期

6 劉衛(wèi)華;王希彬;周強(qiáng);;基于容積粒子濾波的無(wú)人機(jī)FastSLAM算法研究[J];系統(tǒng)仿真技術(shù);2014年03期

7 王超磊;王田苗;梁建宏;張以成;周易;;小型無(wú)人直升機(jī)單目視覺(jué)FastSLAM研究[J];高技術(shù)通訊;2013年10期

8 王希彬;趙國(guó)榮;寇昆湖;;無(wú)人機(jī)視覺(jué)SLAM算法及仿真[J];紅外與激光工程;2012年06期

9 杜航原;郝燕玲;高忠強(qiáng);趙巍華;;基于魯棒非線性卡爾曼濾波的自適應(yīng)SLAM算法[J];宇航學(xué)報(bào);2012年05期

10 傅衛(wèi)平;秦川;劉佳;楊世強(qiáng);王雯;;基于SIFT算法的圖像目標(biāo)匹配與定位[J];儀器儀表學(xué)報(bào);2011年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 曲麗萍;移動(dòng)機(jī)器人同步定位與地圖構(gòu)建關(guān)鍵技術(shù)的研究[D];哈爾濱工程大學(xué);2013年

2 林睿;基于圖像特征點(diǎn)的移動(dòng)機(jī)器人立體視覺(jué)SLAM研究[D];哈爾濱工業(yè)大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 何夢(mèng)超;利用單目攝像頭進(jìn)行并行跟蹤及地圖建立算法的研究[D];浙江大學(xué);2014年

2 周旭;基于改進(jìn)粒子濾波的SLAM算法研究[D];南京理工大學(xué);2014年

3 許金金;復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];華中科技大學(xué);2013年

4 邵妍;基于粒子濾波器的多機(jī)器人同時(shí)定位與地圖創(chuàng)建問(wèn)題研究[D];華南理工大學(xué);2011年

5 郭金鑫;基于改進(jìn)SIFT算法的移動(dòng)機(jī)器人視覺(jué)定位研究[D];燕山大學(xué);2011年

6 鄭宏;移動(dòng)機(jī)器人導(dǎo)航和SLAM系統(tǒng)研究[D];上海交通大學(xué);2007年

，

本文編號(hào)：903986