基于雷达和视觉复合传感器的无人机障碍物检测研究

摘要

具有自主飞行能力的无人机由于其成本低，机动性能好，效费比好，生存能力强，无人员伤亡风险等优点，在军事、民用以及科学研究中均具有重要的应用价值。然而现有的无人机缺乏自主探测及躲避障碍物的能力，在可视范围以内可以通过人为的遥控飞行，可视范围以外障碍物会对无人机飞行产生安全威胁。因此需要构建一套具有感知能力，并使无人机能够实现障碍物自主检测的方法。
　　本文提出了基于毫米波雷达和视觉传感器融合进行无人机障碍物的检测的方法。利用毫米波雷达获取前方障碍物的距离、角度等信息，根据毫米波雷达获取的信息和图像的底层颜色信息在视频图像上建立起障碍物的感兴趣区域，然后利用 SURF（Speeded Up Robust Feature）算法对感兴趣区域进行验证，判断是否为建筑物等障碍物。主要研究内容如下：
　　1.建立雷达坐标和图像坐标转换关系。根据无人机平台高度、姿态变化的特点，雷达和图像坐标转换关系需要满足对其变化具有自适应性。传统的毫米波雷达和视觉传感器融合通常基于二维运动平台的假设，对平台的姿态变化非常敏感。本文基于相机的针孔模型推导并建立与融合系统的姿态和高度关联的雷达坐标和图像坐标转换关系，并通过融合IMU的姿态数据和差分GPS的高度数据精确计算出目标障碍物的图像坐标。
　　2.障碍物候选区域分割。由于毫米波雷达获取的为环境的稀疏信息，不能得到障碍物的全面位置信息。因此根据雷达反射点的图像坐标和图像颜色特征进行障碍物的候选区域分割。
　　3.基于SURF算法的障碍物候选区域判别。通过提取候选区域的SURF特征关键点与障碍物样本的关键点数据库匹配来实现障碍物的分类识别。
　　4.融合系统开发及实验验证。利用VS2008和Opencv2.43开发了基于毫米波雷达、视觉传感器、IMU(Inertial Measurement Unit)和GPS(Global Position System)多传感器融合的无人机障碍物检测系统。系统运行环境为研华Celeron2.3GHz处理器、2G内存的单板计算机，多传感器融合障碍物检测系统搭在无人机上进行低空障碍物检测实验。实验结果表明，该方法可以自适应无人机的姿态变化以及能够快速、准确地实现无人机障碍物的在线检测,具有较好的实时性和准确性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题研究的背景及意义

1.2国内外无人机障碍物检测研究现状

1.3小结

1.4论文主要内容及章节安排

第2章 基于毫米波雷达与视觉传感器融合模型的搭建

2.1自适应无人机平台的高度和姿态变化的坐标转换关系建立

2.2坐标转换参数的求取

2.3 融合模型设计

2.4 融合模型验证

2.5本章小结

第3章 基于图像的障碍物候选区域分割

3.1颜色特征

3.2空间信息

3.3基于颜色特征和空间信息相结合的障碍物候选区域图像分割

3.4障碍物候选区域分割算法验证

3.5本章小结

第4章 基于SURF特征的障碍物判别

4.1 SIFT 特征

4.2 SURF特征点检测

4.3 SURF特征描述

4.4 SURF特征匹配

4.5 SURF特征与SIFT特征的比较

4.6基于Surf特征的无人机障碍物检测

4.7 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和获得的科研成果

致谢