基于圖像處理的小型四旋翼導(dǎo)航.pdf

1、旋翼無人機近來在諸多領(lǐng)域都有比較多的應(yīng)用，不論是在軍事領(lǐng)域中執(zhí)行偵察打擊任務(wù)，還是在民用領(lǐng)域災(zāi)害現(xiàn)場的搜救工作等，其中旋翼無人機的導(dǎo)航都至關(guān)重要。傳統(tǒng)導(dǎo)航方式有慣性導(dǎo)航設(shè)備以及GPS（Global Positioning System）等衛(wèi)星導(dǎo)航設(shè)備，其中GPS導(dǎo)航運用范圍最廣。但有許多沒有GPS信號的地方或者不適合GPS使用的場合，因此其它導(dǎo)航方式亟待開發(fā)。計算機視覺技術(shù)對圖像進行處理，包含信息豐富，其應(yīng)用于旋翼無人機導(dǎo)航上有很大的潛

2、力。
　　針對視覺導(dǎo)航中旋翼無人機定位問題，采用圖像匹配技術(shù)來解算無人機的實際位置，本文提出基準(zhǔn)圖匹配和運動估計二者信息融合的方法實現(xiàn)定位導(dǎo)航。研究分析圖像特征點提取及圖像匹配，采用ORB(oriented FAST and rotated BRIEF)算法提取圖像特征點獲得描述子，二值化處理后與對應(yīng)的正確地理坐標(biāo)作為基準(zhǔn)圖。事先采集待飛區(qū)域的圖片，每張基準(zhǔn)圖大小為640*480，提取圖片描述子、記錄描述子對應(yīng)坐標(biāo)，以文本文件的形

3、式保存到機載計算單元。制作圖片編號、圖片GPS、圖片夾角的索引表存儲到本地。將索引表按經(jīng)度和緯度雙重排序，用于匹配時查找。對于特征點的匹配問題采用速度較快的LSH(Locality Sensitive Hashing)算法，并對結(jié)果進行RANSANC(Random Sample Consensus)去誤差處理。
　　為提高搜索匹配速度增加本文視覺導(dǎo)航的實時性，研究KLT（Kanade-Lucas-Tomasi）特征點跟蹤算法估算旋

4、翼無人機運動信息，給出飛行途中的粗略位置輔助搜索基準(zhǔn)圖。計算當(dāng)前圖和上一幀圖片的相對偏移，并將偏移量從圖片坐標(biāo)系轉(zhuǎn)換到世界坐標(biāo)系，從起始位置累積的偏移量作為當(dāng)前無人機的位置。在基準(zhǔn)圖中以該位置附近15米內(nèi)圖片作為候選匹配圖，因此縮小了搜索范圍提高了導(dǎo)航算法的實時性。而匹配得到的準(zhǔn)確位置用于更新估算運動信息算法的初始位置，以此減小累積的誤差。
　　針對算法的實用性問題，本文設(shè)計了完整視覺導(dǎo)航軟件系統(tǒng)，并在大疆M100上完成了測試。軟