一种基于光流和自运动估计的导航定位方法

摘要

随着机器视觉技术的不断发展成熟,同时由于经典的惯性导航系统具有笨重、体积大、价格高昂等缺点,基于视觉的导航技术正在逐渐成为当前研究的热点。视觉导航是被动导航(passive navigation)的一种,因为该技术不需要像声纳导航那样主动向外界发射声波,或是和GPS进行通信,只需要接受来自摄像头的信息,视觉导航就能正常工作。作为一种辅助手段,也可以预先在飞行器上存储周围环境的地图,为实时导航提供一定的依据。
　　在本文中,我们提出的算法能快速、鲁棒的求解飞行器6个自由度的自运动参数。在算法中,本文首先分别为两个连续帧构造两个图像金字塔,然后自上向下计算各层之间的自运动参数,并把每一层的结果都作为下一层的初值使用,直至最后一层,输出最终结果。每一层中,我们的算法都包括3个部分:①计算两帧图像之间的光流;②将光流场输入到本文提出的自运动估计算法中,估计6个自由度参数;③利用估计的自运动参数计算“平面流”(planar surface flow),根据平面流对下一层的第一帧图像进行图像变形(image warpping)。由于该算法将光流估计和自运动估计结合了起来,故本文将该算法称为 OFcEG(Optical Flow connect EGomotion)算法。
　　为了精确快速的求解飞行器在6自由度参数,本文首先研究了一些其他学者的成果以及他们的不足。为了解决这些问题,同时结合本文的研究背景,本文提出了OFcEG算法并证明了它的收敛性。同时本文还介绍了影响该算法性能的一些因素,并通过实验和其他算法进行了对比、验证,从中我们可以看见该算法的一些特性。另外,本文还设计了一个简单的仿真导航实验,并分别将 OFcEG算法和上文提到的自运动估计算法在该导航系统中进行了对比,发现 OFcEG能较大的提高导航精度,并且效率较高。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 选题的依据和意义

1.2 国内外研究现状

1.3 论文各部分的主要内容

2 昆虫视觉及Srinivasan的插值算法

2.1昆虫视觉概述

2.2 昆虫视觉模型

2.3本章小结

3 平面流

3.1 仿射变换

3.2 平面流概述

3.3 参数求解

3.4 本章小结

4熵流算法

4.1熵图

4.2 分块评估选择算法

4.3本章小结

5光流和自运动估计相结合的金字塔模型

5.1 金字塔模型

5.2 自运动估计

5.3 光流估计和自运动估计的结合

5.4 OFcEG算法的收敛性条件

5.5 本章小结

6 仿真导航实验

6.1 仿真导航系统

6.2 实验结果

6.3 本章小结

7 工作总结与展望

7.1 总结

7.2 展望

致谢

附录一 攻读学位期间发表论文目录

附录二 攻读学位期间参与的项目

参考文献