基于視覺信息的微小型無人直升機(jī)地標(biāo)識別與位姿估計研究.pdf

1、微小型無人直升機(jī)在軍事和民用方面都具有廣泛的應(yīng)用價值，近十年以來一直都是國內(nèi)外很多機(jī)構(gòu)和組織的研究對象。其中，導(dǎo)航與控制是微小型無人直升機(jī)研究的核心。視覺導(dǎo)航是微小型無人直升機(jī)先進(jìn)的導(dǎo)航方式之一。與傳統(tǒng)的慣性導(dǎo)航方式相比，它具有成本低，硬件實(shí)現(xiàn)簡單，信息量大等優(yōu)勢。周圍環(huán)境感知和自身位姿估計是實(shí)現(xiàn)微小型無人直升機(jī)視覺導(dǎo)航的基本要求，而地標(biāo)識別是周圍環(huán)境感知的主要手段之一。本文針對微小型無人直升機(jī)基于視覺信息的地標(biāo)識別和自身位姿估計展開研

2、究，主要工作如下： 1)介紹了課題的研究背景和研究內(nèi)容，指出了研究難點(diǎn)。隨后，綜述了基于視覺信息的地標(biāo)識別和直升機(jī)位姿估計的相關(guān)技術(shù)方法，分別對這些方法進(jìn)行分類和比較，并指出其優(yōu)點(diǎn)和不足之處。 2)將現(xiàn)有的一種基于Adaboost圖像識別算法進(jìn)行改進(jìn)，提出一種適合于微小型無人直升機(jī)對地標(biāo)多角度觀測的實(shí)時識別算法。其中，串聯(lián)結(jié)構(gòu)的分類器框架保證了識別算法的實(shí)時性。同時，將串聯(lián)分類器的前端作為地標(biāo)旋轉(zhuǎn)姿態(tài)的估計器，在不增

3、加算法額外運(yùn)算開銷的情況下提高了整個算法的效率。最后使用微小型無人直升機(jī)對5種不同的地標(biāo)進(jìn)行了實(shí)時地標(biāo)識別實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明，在訓(xùn)練樣本足夠多的前提下，該方法無論從識別準(zhǔn)確性還是實(shí)時性都明顯優(yōu)于傳統(tǒng)的基于空間模版匹配的地標(biāo)識別算法。 3)樣本的獲取和選擇對于基于Adaboost的地標(biāo)識別方法至關(guān)重要。但是，由于微小型無人直升機(jī)獨(dú)特的飛行狀態(tài)和飛行危險性，獲取足夠多真實(shí)地標(biāo)圖像作為訓(xùn)練樣本是非常困難的。針對這個問題，論文在分析B

4、oosting系列算法與前向分布加法模型之間關(guān)系的基礎(chǔ)上，對基于Adaboost的地標(biāo)識別方法進(jìn)一步改進(jìn)，提出了基于嵌入先驗(yàn)知識Boosting算法的微小型無人直升機(jī)地標(biāo)識別方法。在地標(biāo)識別過程中，由于使用了先驗(yàn)知識，從而有效彌補(bǔ)了訓(xùn)練樣本不足帶來的缺陷。通過真實(shí)的對比實(shí)驗(yàn)驗(yàn)證了在稀少樣本情況下，該方法比完全數(shù)據(jù)驅(qū)動的基于Adaboost地標(biāo)識別算法性能更好。 4)建立了直升機(jī)機(jī)載攝像機(jī)運(yùn)動和投影模型，并在此模型基礎(chǔ)上提出了一種基于特定

5、人工地標(biāo)圖像信息的微小型無人直升機(jī)位姿估計方法。在這在種方法中采用了快速SUSAN角點(diǎn)檢測算法來穩(wěn)定快速地提取匹配特征點(diǎn)，并且使用了Levenberg-Marquardt算法以求穩(wěn)定估計直升機(jī)位姿參數(shù)。最后，在一架真實(shí)微小型無人直升機(jī)上成功實(shí)現(xiàn)了該位姿估計方法。 5)在分析序列圖像信息與直升機(jī)運(yùn)動關(guān)系的基礎(chǔ)上，提出一種基于圖像序列信息的微小型無人直升機(jī)位姿估計方法。重點(diǎn)設(shè)計了基于SIFT特征的序列圖像之間的匹配點(diǎn)和一套基于RA