基于SIFT算法的无人机视觉导航研究

针对无人机在飞控信道被阻塞和失去卫星定位信号的情况,研究了依靠自主视觉导航来提高生存能力的可能。图像特征信息的获取和匹配是建立图像间的对应关系、实现视觉导航的关键,基于SIFT算法对无人机俯拍图像进行了局部特征的提取、描述和匹配研究,实验结果表明了SIFT算法在无人机俯拍图像的景象匹配中的不变性和准确性,证明了该算法在无人机视觉导航中的应用潜力。     

无人机自主降落过程视觉定位方法研究

为了充分利用连续视觉图像中3维空间信息, 解决无人机自主降落过程中的定位问题, 在稠密3维点云法和光流法定位原理的基础上, 提出了基于同物不同时图像像空间的定位方法。以理论推算、图形注释等方式, 通过求解单个像素点和整个图像移动变化情况, 将连续帧图像的形变、量变信息分解为无人机和参照物的空间相对运动信息, 并结合已知的参照物运动参量, 推算了无人机飞行位姿信息, 完成了无人机基于光学视觉图像的空间定位方法研究。结果表明, 该研究为视觉系统在无人机降落回收过程中独立实现空间定位提供了一定的借鉴和参考。     

光伏电站自主巡检中的无人机视觉定位算法研究

无人机自主巡检目前成为光伏电站巡检的主要手段,但它在自主巡检过程中存在两个主要问题：一是自身定位系统误差导致无人机难以按照设定好的路线采集到高质量图像;二是无人机在缺乏电站安装的先验信息情况下,对周边环境识别不准确。无人机在光伏电站巡检中的应用以采集高质量图像为目的,故而在执行任务中需要通过图像处理的反馈来及时调整无人机的位置与姿态,才能够确保定位精准。本研究将利用机器视觉的方法尝试解决图像中的光伏板与无人机相对位置和姿态的问题,以期实现无人机在巡检过程中的动态定位。     

基于单目视觉的旋翼无人机定位系统设计

随着航空科技的不断进步,为了完成载人飞机无法完成的高危险任务,无人机的发展受到了广泛关注。传统的位置信息获取依赖GPS和IMU传感器,但在城市楼宇、室内区域,GPS难以准确获取位置信息从而失去效能,而机载IMU传感器又常常会出现较大的姿态角积累误差给无人机的导航带来一定的难度。针对室内或复杂未知环境下无GPS等外部定位辅助系统的无人机的自主定位和导航问题,文章提出一种轻量级、低成本、实时性强、稳定性高的基于单目相机的视觉定位系统方案,搭建了定位系统的硬件和软件架构,研究了单目视觉定位算法,该系统能准确获取无人机的自身位置信息,辅助无人机自主导航、姿态控制等任务顺利执行。     

基于双目视觉的相对定位定向研究

设计一个基于尺寸不变特征变换SIFT特征提取算子的双目相对定位定向系统,可解决极端环境下一般导航系统无法准确定位定向的问题.实现过程采用2个相对位置固定的相机,利用SIFT特征点尺度及旋转不变的性质精确匹配图像序列中的投影点,并根据坐标变换来测定相机的移动距离和旋转角度,从而可以计算出相机轨迹的变化,达到了相时的定位和定向的效果.该系统的定位定向精度可达86%.     

无人机地面目标实时自主视觉定位

微小型无人机携带设备受到重量限制,基于摄像机透视投影原理的坐标解算模型,重点研究基于数字高程模型的测高逼近算法,获取无人机距离地面目标之间的高度差,以满足微小型无人机机载设备实时自主定位地面目标的要求。计算机仿真实验结果,以及完成算法硬件平台移植后进行的无人机实飞测试实验结果均可以看出,采用的解算模型结合基于数字高程模型的测高逼近算法可以满足对25帧/s视频流的地面目标实时自主定位,并具有较高的精度。     

一种基于视觉识别的无人机导航算法

近年来,随着无人机与数码相机技术的发展,无人机航测以其高效、精确、作业成本低和适用范围广等特点,在地表复杂地区高分辨率影像的获取方面优势明显.但无人机像片的后续处理需要布设大量像控点,工作量大且耗时耗力,特别是在地表复杂地区工作难度更大.如果采用精准定位的手段计算出拍照瞬间照片中心的精确位置和姿态,则可以节省大量施工投...     

基于机器视觉的无人机自动巡检定位控制技术

为解决无人机巡向角过度偏转的问题,使巡检节点的布局形式更符合实际定位需求,针对基于机器视觉的无人机自动巡检定位控制技术展开研究。根据巡检坐标变换原理,分别求解无人机飞行器的正运动学方程与逆运动学方程,完成基于机器视觉的无人机巡检节点抓取与处理。在此基础上,利用已提取特征点,估算帧间位姿的数值水平,联合相关数据,确定控制主机对于无人机巡检曲线的定位权限,实现基于机器视觉的无人机自动巡检定位控制方法设计。实验结果表明,与基于Cascade R-CNN的检测算法相比,在机器视觉技术的作用下,无人机巡向角偏转程度确实得到了较好控制,能够促使巡检节点布局形式更加符合实际定位需求。     

基于即时稠密三维重构的无人机视觉定位

传统景象匹配定位方法在用于低空无人机定位时,易因低空航拍图像视场小,且与卫星图像（带有地理信息）的拍摄角度差异大而失败.本文提出了一种基于即时稠密三维重构的无人机视觉定位方法,通过将稠密三维点云与卫星图像匹配以实现无人机定位.首先根据图像序列快速估计摄像机位姿,而后使用多深度图协同去噪与优化算法生成稠密三维点云,随后通过变换观察视角由稠密三维点云生成与卫星图像拍摄视角相近的虚拟视图,最后将虚拟视图与卫星图像匹配并得到无人机的地理坐标.由于稠密三维点云包含多张图像的信息,覆盖面积大,且可变化观察视角,因此能够有效克服上述两个问题.实验证明了本文方法的有效性.     

基于单目视觉的无人机障碍探测算法研究

针对低空飞行无人机的避障问题,研究了一种基于单目视觉的障碍物深度提取算法。在无人机前视摄像机获取的图像中,通过Harris角点检测算法提取角点作为特征点,使用归一化互相关算法进行角点的匹配,根据图像序列中特征点间距离的变化和无人机的运动计算障碍物的深度。对用于单个障碍物深度计算方法进行了改进,使用RANSAC算法区分不同深度的障碍物。仿真表明,该算法可以有效发现并区分不同深度的障碍物。     

一种基于单目视觉的无人机室内定位方法

目前,无人机定位技术主要依赖以GPS(Global Positioning System)为代表的全球定位系统,然而在室内等GPS信号缺失的地方进行定位则比较困难。另外,传统的室内定位技术主要采用蓝牙、WiFi、基站定位等多种方式融合成一套定位体系,但是该类方法受环境的影响比较大,而且往往需要部署多个设备。此外,这种方式只能得到远近信息,无法知道设备在空间中的姿态。该文提出一种基于单目视觉的无人机室内定位方法。首先,通过无人机机载相机拍摄的图像,结合特征点法和直接法,先跟踪特征点,然后利用直接法根据关键点进行块匹配,估计相机位姿。然后利用深度滤波器对特征点进行深度估计,建立一个当前环境的稀疏地图,最后利用ROS (Robot Operating System)的3维可视化工具RVIZ对真实环境进行仿真。仿真结果表明,所提方法在室内环境下可以获得良好的性能,定位精度达到0.04 m。     

基于双目视觉的无人机实时测距算法

无人机对目标进行测距时,其算法的实时性和准确性一直是研究的重点。针对算法的实时性,提出双向搜索策略以及采用三条数据流并行处理实现GPU加速,并引入蝶形排序算法,提高了运算效率;针对算法的准确性,提出改进AD算法与改进Census算法融合,有效地解决了算法过度依赖中心像素的问题;为了降低算法复杂度,在基于背景差法的目标检测中引入移动平均算法;针对无人机平台存储空间有限,提出存储数据优化方案,减少了数据的占用空间。在Middlebury数据集下与BM算法、SGBM算法进行对比实验,采集室外场景与BM算法进行测距性能对比,最后实现室外无人机测距。通过大量实验数据验证了所提算法可满足无人机实时测距的高精度要求。     

基于机器视觉的无人机起降纠偏控制方法

传统的无人机起降纠偏控制方法具有局限性,在受到外界环境干扰的情况下,无人机起降纠偏性能不稳定,容易出现无人机偏航的问题,为此,提出基于机器视觉的无人机起降纠偏控制方法。设计控制无人机起降误差的非线性动态纠偏方法,建立无人机起降偏航的动力学模型,分析无人机侧向运动的受力情况,寻找纠偏控制量因素,并搭建基于机器视觉的无人机纠偏结构,通过坐标对比判断无人机偏航情况。在此基础上,建立无人机地面滑跑的纠偏模型,使用函数拟合法控制无人机起降误差,实现对无人机起降的纠偏控制。通过对比传统方法与设计的方法,进行实验论证。结果表明,设计的基于机器视觉的纠偏控制方法,在对无人机起飞以及降落过程中的航行偏差控制效果方面,具有明显优势,能够保证在风力环境干扰下,保证纠偏控制结果误差在1m以内,具有极高的稳定性。     

无人机视觉SLAM算法及仿真

为将SLAM算法从地面机器人的两维空间扩展到无人机的三维环境,研究了SLAM的发展现状,指出无人机视觉SLAM面临的挑战,利用摄像机和惯导传感器的组合,建立了无人机视觉SLAM算法的数学模型;并提出了一种改进的延迟地标初始化的方法,为了便于理解和实施,简化了系统的状态和方差阵的结构,减少了存储和计算量。用EKF滤波对无人机视觉SLAM进行了仿真研究,得到了较好的估计效果,表明了SLAM在无人机上应用的可行性。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.     

基于深度视觉的四旋翼无人机自主飞行感知和避障综述

随着无人机技术的深入发展,基于深度学习且以视觉输入的四旋翼无人机(四旋翼)自主飞行感知和避障研究备受该领域学者的关注,以无人机飞行模式朝着完全自主的终极目标不断迈进。无人机的自主感知和避障正是实现无人机自主飞行的关键所在。简要地阐述了目前无人机自治水平等级和相关深度学习方法;对四旋翼的仿真平台和公开数据集进行了较为全面的介绍;从无人机自主飞行感知和避障2个方面,对当前基于深度视觉的四旋翼自主飞行感知和避障相关国内外文献报道,进行了较为全面的分析和总结;结合深度学习方法和以视觉输入的四旋翼自主飞行感知和避障在一些关键的开放性问题上的不足,对其未来挑战和发展趋势进行了总结和展望,旨在为后续研究提供参考。