无人机景象匹配辅助返航系统的研究

摘要

返航作为导航任务中重要的一环，对无人机的费效比和再利用率有着深远的影响。目前无人机产品主要依靠全球定位系统GPS进行返航，但GPS信号的自主性差，易受干扰，复杂城市环境中，常发生无人机飞丢或坠毁等事故。针对这种现象，本文引入基于视觉的景象匹配辅助返航技术，提出了携带基准图和无基准图两种返航方案，对方案中景象匹配算法和航路点自动选取技术进行了深入的研究。
　　本研究主要内容包括：⑴针对斑点特征的景象匹配算法冗余点多、实时性差、抗几何变换不突出的情况，本文为携带基准图的返航方案提出了基于CenSurE-star的无人机景象匹配算法。算法通过实时图与基准图的匹配，给出飞行位置的经纬坐标，从而替代 GPS实现定位功能。⑵由于基准图存在占用内存大，更新慢，分辨率有限等缺点，提出了无基准图的返航方案，该方案首先从航拍视频中提取出适合匹配的航路点，而后通过匹配实时图像与航路点，确定航路点方位，引导无人机按照航路点组成的路径返航。⑶在提取航路点部分，为摆脱对单一指标和专家经验值的依赖，本文提出了基于模糊综合评价的航路点选取方法。选择三项适配特征指标，以候选航路点对指标属性的贡献度为权重，实现了自动化、无干预的航路点筛选。在确定航路点方位部分，提出了基于FAST角点的帧间景象匹配算法。针对FAST角点检测无尺度不变性、特征点聚簇的问题，为FAST角点构建尺度空间，并通过网格最大值抑制角点的数量和分布。此外，算法对FREAK二进制描述符进行简化，提高了运算效率。算法实现了航路点与实时图的匹配，为返航提供距离和方位信息。

目录

第一章 绪论

§1.1 课题研究背景及意义

§1.2 无人机景象匹配技术研究现状

§1.3 论文研究内容与章节安排

第二章 基础理论及方案设计

§2.1 视觉传感器及成像原理

§2.2 数字图像处理基础

§2.3 景象匹配基础知识

§2.4 无人机丢星返航方案设计

§2.5 本章小结

第三章 基于CenSurE-star的无人机景象匹配算法

§3.1 引言

§3.2 斑点特征检测算法

§3.3 基于CenSurE-star的景象匹配算法

§3.4 仿真实验与性能分析

§3.5 本章小结

第四章 基于模糊评价的航路点选取方法

§4.1 引言

§4.2 视频帧的聚类

§4.3 航路点的特征指标

§4.4 基于模糊综合评价的航路点适配能力评定

§4.5 仿真实验与结果分析

§4.6 本章小结

第五章 基于FAST角点的帧间景象匹配算法

§5.1 引言

§5.2 基于FAST角点的多尺度网格检测方法

§5.3 改进的FREAK描述符及相似性度量

§5.4 航路点定位模型的建立

§5.5 仿真实验与性能分析

§5.6 本章小结

第六章 外场挂飞实验

§6.1 实验平台介绍

§6.2 实验过程及结果

§6.3 本章小结

第七章 总结与展望

§7.1 总结

§7.2 展望

参考文献

致谢

作者在攻读硕士期间主要研究成果