【摘要】：微小型飞行器在低空和室内等复杂、危险的环境下自主执行飞行任务时必须规避地面、空中的威胁或障碍物,而其机体容量和承载重量的限制给障碍物规避与自主导航相关技术的研究带来较大困难。微小型飞行器自主避障与安全飞行的核心在于两个方面:一是对飞行器自身绝对位置、速度、姿态等导航状态的实时获取,另一方面是要对周围环境及潜在碰撞威胁物体相对信息的精确测量;从而要求微小型飞行器在具备高精度的自主导航定位能力同时,还能够自主实现对周围环境的三维建模,并对飞行路径上可能遇到的障碍物进行实时分辨和监测,进而制定出合理的避让策略,确保既定任务的完成。为此,本文结合微小型飞行器的运动特性与低空飞行环境,开展了基于双目相机立体视觉实现的三维环境建模与避障关键技术研究,同时还开展了基于惯性/立体视觉的自主导航方法研究,提出了一套适用于微小型飞行器的双目立体视觉避障方法和组合导航方法,以提高对飞行环境和自身运动状态信息的感知能力,为实现微小型飞行器在复杂和危险环境下的安全飞行与自主导航提供可行方案和参考。为有效实现微小型飞行器在飞行过程中对周围环境的感知,研究了基于双目相机立体视觉的三维重建方法。针对双目相机在实际使用中存在边缘误匹配及深度信息缺失的问题,借鉴了传统的基于联合双边滤波深度图像优化的思路,在保证优化深度图像质量的前提下,设计了实时性强的基于导向滤波的深度图像优化方法,并通过立体视觉和三维重建技术,提高了微小型飞行器对环境感知的能力,同时还可以实时获取和障碍物之间的相对距离信息;在此基础上,依据双目相机的标定结果,结合双目测距模型,分析建立了基于双目相机的测距误差特性,从而为后续的微小型飞行器实时避障研究奠定了基础。考虑到微小型飞行器在实际飞行过程中,对于周围环境中存在的障碍物大小、类型都无法预先获得,为此,在对周围环境实现三维重建的基础上,还需要设计针对性的障碍物检测识别方法;为实现微小型飞行器对障碍物的有效规避,设计了基于轮廓检测方法的障碍物识别方法,通过对轮廓的大小进一步判断,从而减少了深度图像噪声带来的误检,能够有效识别飞行环境中的障碍物;并在此基础上,通过分析飞行器与潜在障碍物之间的相对运动关系,建立了碰撞锥模型评估方法,可以实现对未来发生碰撞风险的评估,从而判断出真正威胁微小型飞行器前进的障碍物;并在此基础上,在充分考虑了微小型飞行器运动特性和运动约束基础上,改进了传统的碰撞锥预测模型设计方法,采用运动分解的方式设计了主动避障策略,提出了兼顾避障实时性和避障准确性的视觉引导方法,提高了微小型飞行器的自主避障能力,为微小型飞行器的安全避障飞行提供了基础。微小型飞行器在避障飞行过程中离不开对自身绝对位姿信息的准确测量,传统的微惯性/视觉里程计组合存在误差积累的问题,特别是在高机动的避障飞行条件下,会引起微惯性误差的急剧发散,而视觉里程计由于存在测量延时、输出误差模型未知等问题,导致传统的微惯性/视觉里程计组合无法满足微小型飞行器避障飞行的需要。为此,本文提出了一种基于测量模型优化的双目视觉里程计/微惯性组合导航方法,利用双目视觉里程计获取飞行器的实时位姿变化,并以此为基础,基于相关噪声的卡尔曼滤波器设计实现对惯性导航系统器件的在线误差估计和补偿,有效提高了自主导航精度,为微小型飞行器在复杂飞行环境下的安全避障飞行提供了绝对位姿信息。论文最后还基于大疆M100四旋翼飞行器和妙算(Manifold)机载处理模块以及Guidance双目视觉传感模块等实际硬件设备,设计了基于双目相机的微小型飞行器视觉避障综合飞行实物验证方案,对所提出的微小型飞行器视觉避障方法进行了综合验证分析,并基于实际传感器数据对所提出的自主导航方法进行了测试和分析,有效验证了本文所提出的微小型飞行器视觉避障与自主导航方法的有效性,从而为微小型飞行器自主避障与安全飞行提供了有益的参考。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V249.3
【图文】：
图 2.2 图像坐标系、摄像机坐标系转换图相关性质可以获得如下比例关系式：ccccxXf ZyYf Z 单位一般为毫米。将上述关系改写为矩阵形式进行表系之间的转换公式如下所示：0 0 00 0 01 0 0 1 01ccccXx fYZ y fZ 摄过程中压缩物体三维信息至二维图像的转换过程，中，将出现符合人类视觉习惯的“近大远小”、不平行[39]
图 2.5 相机标定所用棋盘纸标定了单个相机的焦距、光心等参数后，还需要确定双目相机的基线距离，这一标定。主要通过计算两个相机之间的变换矩阵，利用重投影误差提高标定精度，两个相机之间的平移向量和旋转矩阵参数。图 2.6 所显示的是标定中采集的部分。利用 matlab 软件可以生成在标定中所拍摄不同角度棋盘格的位置示意图如图 2.7映实验中双目相机与标定板之间的位置关系。
图 2.5 相机标定所用棋盘纸标定了单个相机的焦距、光心等参数后，还需要确定双目相机的基线距离，这一标定。主要通过计算两个相机之间的变换矩阵，利用重投影误差提高标定精度，两个相机之间的平移向量和旋转矩阵参数。图 2.6 所显示的是标定中采集的部分。利用 matlab 软件可以生成在标定中所拍摄不同角度棋盘格的位置示意图如图 2映实验中双目相机与标定板之间的位置关系。图 2.6 标定试验所用部分图像
【参考文献】
相关期刊论文 前9条
1 于永军;徐锦法;张梁;熊智;;惯导/双目视觉位姿估计算法研究[J];仪器仪表学报;2014年10期
2 李知菲;陈源;;基于联合双边滤波器的Kinect深度图像滤波算法[J];计算机应用;2014年08期
3 张彪;曹其新;王雯珊;;使用三维栅格地图的移动机器人路径规划[J];西安交通大学学报;2013年10期
4 李宇波;朱效洲;卢惠民;张辉;;视觉里程计技术综述[J];计算机应用研究;2012年08期
5 李霞;张际海;谢文俊;邱恺;李雪松;钟世刚;;无人机自主防碰撞方法研究[J];飞行力学;2011年06期
6 黄敦华;朱青松;;基于微小型四旋翼飞行器的目标监测与识别综述[J];机电产品开发与创新;2011年06期
7 康岳林;高杨;高立;;基于MEMS的GPS/SINS组合导航技术发展现状[J];船电技术;2011年05期
8 于起峰;李强;雷志辉;尚洋;朱宪伟;刘晓春;;基于序列图像的无人机自测速方法与试验[J];航空学报;2009年08期
9 杨嘉琛;侯春萍;沈丽丽;张卓筠;;基于PSNR立体图像质量客观评价方法[J];天津大学学报;2008年12期
相关硕士学位论文 前6条
1 章华;基于模糊控制超声波避障算法的巡检机器人研究与设计[D];南昌大学;2016年
2 邵玉萍;MEMS惯性导航系统的冗余技术研究[D];哈尔滨工程大学;2015年
3 颜远辉;基于双目立体视觉的三维重建研究[D];广西师范大学;2015年
4 苏东;基于双目视觉的小型无人飞行器的导航与避障[D];电子科技大学;2014年
5 黄鸿;双目立体视觉与惯导融合里程估计方法[D];浙江大学;2014年
6 童丸丸;用于UAV导航的合成视觉方法[D];浙江大学;2010年
本文编号：
2806527
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/2806527.html
