无人机导航中的立体视觉技术研究

《无人机导航中的立体视觉技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京航空航天大学硕士学位论文无人机导航中的立体视觉技术研究姓名：倪炜基申请学位级别：硕士专业：测试计量技术及仪器指导教师：徐贵力2011-02南京航空航天大学硕士学位论文摘要立体视觉技术由于其强大的环境感知能力，广泛应用于无人机导航中的相对位置和高度估计、障碍物检测以及安全着陆点选择等领域。本文针对立体视觉技术在无人机导航过程中的一些关键问题进行了研究。首先，构建了双目立体视觉系统，完成了系统的参数标定、极线校正等工作，并利用该系统采集真实场景图像，验证了研究过程中的立体匹配算法、三维深度信息获取的准确性。其次，针对现有立体匹配算法难以兼顾匹配精度和速度的不足，提出了一种基于色彩分割和自适应

2、窗口的快速匹配算法。采用Middleburydataset和实拍图像进行的实验结果表明，本算法不仅可以提高视差不连续区域和低纹理区域的匹配精度，而且获得的视差与当前主流算法具有可比性。此外，所提算法的处理时间较之当前优秀的局部方法提高了约19～35倍。然后，针对现有立体匹配算法难以在幅度失真的真实视觉导航场景下获得高精度视差，提出了一种将匹配代价计算和匹配代价累积有机融合的基于自适应Census变换的局部匹配方法。采用Middleburydataset和实拍图像进行的实验结果表明，本算法对存在光照强度和曝光时间差异的左右视图能够获得更高精度的视差图，兼顾了匹配精度和对幅度失真的鲁棒性，能够更

3、好的适应无人机视觉导航的应用场景。最后，初步研究了一种导航场景中基于稠密视差图区域生长的障碍物检测算法。分析了空间障碍物存在的距离和面积约束，并将约束信息与视差图结合进行障碍物检测。通过室内走廊环境下实拍立体图像的实验表明，本算法不仅有效的检测出了视场内的障碍物，而且利用立体视觉模型准确的恢复了障碍物的三维深度信息。关键词：立体视觉，无人机导航，立体匹配，色彩分割，幅度失真不敏感，障碍物检测i无人机导航中的立体视觉技术研究ABSTRACTStereovisiontechnologybecauseofitsgoodperformanceonperceivingtheenvironment,ar

4、ewidelyusedinthefieldofUAVnavigation,suchasobstacledetection,heightestimation,selectionofsafelandingareaandsoon.Inthispaper,somekeyissuesofstereovisioninUAVnavigationareresearched.Firstly,Binocularstereovisionsystemisconstructed.Parametercalibrations,epipolarrectificationofthesystemarecompleted.The

5、realsceneimagesobtainedfromthissystemareusedtoverifytheaccuracyofstereomatchingalgorithmand3Dreconstruction.Secondly,fortheexistingstereomatchingalgorithms,itisdifficulttosimultaneouslymeettheaccuracyandspeedrequirements.Anovellocalmethodbasedonjointmatchingcostwaspresented.ExperimentalresultsonMid

6、dleburydatasetandrealsceneimagesdemonstratethattheproposedalgorithmcannotablyimprovetheaccuracyofdepthbordersandlowtextureregions,andthenobtainaccuratedisparitywhichiscomparablewithothercurrentstereomethods.Moreover,thealgorithmyieldsaspeedupfactorofabout19~35oversomeoutstandinglocalstereomethods.T

7、hirdly,fortheexistingstereomatchingalgorithms,itisdifficulttoobtainaccuratedisparityinthecaseofvisionnavigationexistenceradiometricdifferences.AnovellocalmethodbasedonadaptiveCensustransformwaspresented.Exp