基于双目视觉的无人机障碍物检测研究

发布时间：2020-06-08 16:30

【摘要】：近年来随着小型无人机向自主化、智能化方向的迅速发展,其应用范围越来越广,尤其是在无卫星导航条件下的使用需求日渐强烈。无人机发展初期主要是针对消费级用户去设计的,并未过多的考虑其在工程或实际应用中可能遇到的场景,其主要倚靠操控手通过肉眼去辨别飞行方向,在环境复杂的情况下,对操控人员提出了很高的要求,即使技术高超也难以保证无人机的安全,同时夜晚缺少光线,操控人员很难在没有外力的帮助下看清无人机本身。传统的由惯性测量单元和GPS组成的导航系统无法满足要求。本课题基于双目立体视觉技术利用在不同视角下获得的图像,通过视差获取图像的深度信息,获取场景的三维信息,进而进行无人机避障。作为机器视觉的一个重要分支,双目立体视觉可以获取三维场景中物体的深度信息,它主要分为像机标定、图像获取、图像预处理、特征检测、立体匹配以及障碍物距离信息的获取等六个步骤。本文主要聚焦其中的摄像机标定、图像获取及立体匹配这三个步骤。在像机标定方面,采用了张正友平面标定法,结合Matlab的标定工具箱,分别成功标定了左右两个摄像头的内外参数以及这两个摄像头之间的旋转平移参数,标定得到的这些参数的精度很高,完全满足本文的双目立体视觉系统的需求。图像获取是整个双目视觉系统中最基础的一步,改善图像采集的性能有利于改善系统的整体性能。在FPGA上设计实现的采集模块通过摄像头的同步信号并行的对两个摄像头进行图像采集,通过内部总线,由DAM将采集到的图像对传输到DDR中,这种方法提高了图像采集与传输的效率,降低了CPU的负担,提高了整个双目视觉系统的性能。作为双目立体视觉中最重要、最关键的一个步骤—立体匹配,通过对左右两幅图像中的区域灰度特征、点特征或相位特征等特征进行匹配,得到匹配的两个投影点后,再经过三角形原理计算获得对应的景物点的距离信息。本文基于Harris角点特征检测算法与SIFT立体匹配算法,通过将这两种算法结合的方法,实现高效精确的双目立体匹配。该方法首先使用Harris算子对左右两幅图像进行检测,然后对检测到的角点生成SIFT特征向量,最后根据获得的SIFT特征向量,对两幅图像中的角点进行匹配,得到匹配点。该方法角点检测耗时较少,且匹配效率和正确率都比单独使用SIFT算法要高。
【图文】：

关系图,坐标系,关系图,双目视觉

基于双目视觉的无人机障碍物检测研究第2章双目视觉原理及相机标定目立体视觉检测障碍物的的研究中，双目摄像机的内外参数和配是十分重要的。双目摄像机的标定算法精度会对相机模型参的影响；而立体匹配算法作为获取深度图像的核心部分，其算的生成产生很大的影响。本章主要对平行双目视觉如何获取深绍了双目视觉原理以及张正友标定法，并进行了实验仿真。视觉理论基础机双目系统中主要有：世界、相机、图像 3 个坐标系：3 个坐标所示，点 P 是世界坐标系中的某一点，和分别是点 P 投影到下的坐标。

示意图,前后对比,行线

校正后的左右图图 2.5 校正前后对比图通过对比可以得到，左图和右图分别以光轴为基准进行了一定角度的旋转。而这两个摄像机焦点之间的连线与坐标的行线平行。αθ图 2.6 以光轴为基准旋转示意图校正后图的行线用红线进行说明。通过对比原图和校正后的图，可以总结得到，左图和右图的行线转动的角度分别为和。我们以上图中（图左）为例，来进行相关说明。假设hR 代表旋转矩阵，则它有如下定义： h1 2 3R e e e（2.34）
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V279;V249

【参考文献】