基于HOG的熵流导航方法

摘要

航天事业是衡量一个国家科技水平是否先进、国防力量是否强大的重要指标之一。导航领域在经过不断的发展之后,目前已经存在许多种常见的导航方法。其中,基于昆虫视觉的导航方法是目前一个正日益引起关注的研究对象。视觉导航对硬件要求相对较低,只需要简单的视觉传感器即可。同时,它不要借助外部信号进行导航,通过计算可以得到真实环境中物体到摄像机的距离,从而躲避障碍达到自主导航的目的。
　　方向梯度直方图(HistogramofOrientedGradient,HOG)算子是计算和统计图像局部区域梯度直方图的局部区域描述符。它基于图像的局部单元格,并对局部区域直方图进行归一化操作,使得它能保持光学和几何的不变性,这对刻画图像的局部信息十分有用。
　　本文在实验室项目已有科研成果的基础上对之前的导航方法进行了改进,提出了基于HOG的熵流导航方法。首先,根据熵图和熵流的概念,结合HOG描述子强大的描述局部信息的能力,重新定义了熵图的计算方式,并给出了构造熵图的详细步骤;随后根据熵图计算出熵流,得到导航过程中信息的流动,并将熵流作为输入参数带入六参数运动估计模型进行全局运动估计,获得导航的运动估计参数。由于在运动估计中使用了最小二乘法,会引入噪声数据,所以在导航的最后对全局运动估计的结果进行卡尔曼滤波以得到优化的运动估计参数。
　　经过前面的理论研究,随后在MATLAB平台上进行了仿真实验。首先给出了原图和利用HOG描述子对图像进行描述之后的对比图,然后给出了通过使用HOG进行熵流导航的效果。通过对结果的分析,发现使用HOG描述子比使用普通自信息熵描述图像变化信息能提供更多的导航信息从而进行精确导航。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 常见导航方法比较

1.2 视觉导航的优点

1.3 国内外昆虫视觉的研究现状

1.4 本文结构安排

2 HOG算子求图像梯度特征

2.1 HOG描述子介绍

2.2 HOG算子计算步骤

2.3 HOG描述子参数选择

2.4 本章小结

3 熵图及熵流

3.1 香农信息熵理论

3.2 熵图概念

3.3 熵流

3.4 本章小结

4 全局运动估计

4.1 全局运动估计

4.2 本文所采用的运动估计

4.3 卡尔曼滤波

4.4 本章小结

5 基于HOG的熵流导航仿真实验

5.1 导航思路

5.2 导航仿真实验

5.3 导航仿真结果

5.4 本章小结

6 总结与展望

6.1 论文总结

6.2 工作展望

致谢

参考文献