無人機(jī)視覺導(dǎo)航關(guān)鍵技術(shù)的研究與實(shí)現(xiàn).pdf

1、無人機(jī)視覺導(dǎo)航是一種重要的自主導(dǎo)航技術(shù)，利用計(jì)算機(jī)視覺的相關(guān)技術(shù)對(duì)相機(jī)獲取的圖像信息進(jìn)行處理，結(jié)合無人機(jī)其他傳感器獲取的數(shù)據(jù)可以計(jì)算得到無人機(jī)當(dāng)前位置等信息，完成既定飛行任務(wù)。視覺導(dǎo)航成本低、不依賴GPS，在各行各業(yè)應(yīng)用廣泛。
　　本文首先對(duì)低空小范圍的無人機(jī)視覺導(dǎo)航整體系統(tǒng)進(jìn)行了思考和設(shè)計(jì)，將整體系統(tǒng)劃分為硬件、導(dǎo)航軟件和輔助軟件三個(gè)部分。硬件由四旋翼無人機(jī)、機(jī)載計(jì)算機(jī)、云臺(tái)、相機(jī)和數(shù)傳電臺(tái)組成，導(dǎo)航軟件由視覺定位和視覺追蹤兩部

2、分組成，輔助軟件由地面站、飛行任務(wù)管理軟件和數(shù)傳協(xié)議組成。
　　視覺定位方法，本文采用ORB特征。首先提取兩張圖像的ORB特征點(diǎn)，生成特征點(diǎn)的描述子，根據(jù)漢明距離計(jì)算描述子之間的相似度。采用暴力匹配的方式得到兩張圖像之間的匹配情況，采用交叉匹配驗(yàn)證算法和PROSAC算法對(duì)粗匹配進(jìn)行過濾，根據(jù)匹配成功的點(diǎn)對(duì)數(shù)量衡量?jī)蓮垐D像之間的相似度。最后，采用基于密度的聚類算法將匹配的特征點(diǎn)進(jìn)行分類，選取面積最大的兩個(gè)類作為圖像間的重合區(qū)域，得到

3、了較好的偏移量計(jì)算結(jié)果，相對(duì)于密度聚類之前的結(jié)果，精度提高了10％。
　　視覺追蹤方法，本文采用KLT算法。為了適應(yīng)大運(yùn)動(dòng)量的圖像追蹤，將KLT算法和高斯金字塔結(jié)合。從金字塔頂層開始計(jì)算偏移量再作為初始值計(jì)算下一層的圖像偏移量，反復(fù)迭代最終得到原圖的偏移量?；诮鹱炙Ｐ偷乃惴ㄔ谶B續(xù)幀圖像測(cè)試中，取得了很好的效果。
　　系統(tǒng)實(shí)現(xiàn)時(shí)，為減少視覺導(dǎo)航的計(jì)算時(shí)長(zhǎng)，采取基準(zhǔn)圖庫(kù)的方案。預(yù)先將基準(zhǔn)圖的特征點(diǎn)和描述子提取，存儲(chǔ)到文本文件