基于视觉的无人机导航定位系统关键技术研究
发布时间：2021-02-12 09:26
无人机视觉导航技术是目前计算机视觉领域研究的热点之一,其目的在于利用航拍图像的视觉信息实现无人机持续、可靠以及准确的定位。随着硬件平台的不断升级,无人机被广泛应用于国防、军事、灾害探测、地质勘探等诸多领域。大部分的无人机依靠配备的全球卫星导航系统（GNSS）来进行导航定位,然而该系统的无线电信号容易丢失或受到故意的攻击。定位系统对无人机进行稳定且安全的飞行起着至关重要的作用,基于视觉的导航 位技术不依赖卫星定位系统和无线电通信信号,对无人机在GNSS信号丢失的情况下实现自主飞行任务具有重要的意义。本文针对室外环境下的无人机视觉定位技术进行分析和设计,对视觉信息提取以及定位估计问题进行深入研究,并提出一系列改进措施。本文主要研究内容与贡献如下:（1）本 出了一种基于ORB特征的视觉信息处理算法。该算法包括图像特征提取、匹配筛选、描述子生成三个部分。本文针对图像匹配筛选阶段提出了改进措施。首先提取拍摄图像的ORB特征,然后采用改进的RANSAC算法对相邻帧之间的粗匹配进行筛选过滤,同时消除离群特征点。相对于传统的匹配方法,特征匹配精度得到提升,提取的特征点能更加准确地代表图像的视觉信息。（...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
图２－２?ＦＡＳＴ特征点示意图??
?电ｆ科技大学硕士学位论文．???预测、ｙ＾预测％?预测??丫更新?更新??ｙｔ－ｉ?ｙｔ??图２－３贝叶斯动态估计示意图??ｐ（ｘ＾ｘｋ－ｉＫ．．ｋ－ｉ）?＝?ｐ｛ｘｋ?＼?ｘｋ－＾ｙ〇．．．ｋ－ｉ）ｐ（ｘｋ－ｉ?＼ｙ〇．．．ｋ－ｉ）?（２＿１０）??根据本文假设系统运动状态符合一阶马尔科夫模型，所以有公式（２－１１）。??ｐ（ｘｋ?Ｉｘｋ－ｖｙ〇．．．ｋ－ｉ）?＝?ｐｉｘｋ?Ｉ＾－ｉ）?（２－１１）??将式子（２－１１）代入式（２－９）中，得到最终的预测结果，如式（２－１２）：??Ｐ｛ｘｋ＼ｙｗ）?＝?＼ｐｉｘｋ?｜ｘｋ＿｛）ｐ｛ｘｋＡ?｜?ｙ＾＾ｄ＾ｋ－ｘ?（２－１２）??该式表达了机器人在Ａ－Ｊ时刻的位姿置信度结合前后时刻的状态转移置信??度，推算得到当前々时刻０标的状态豐信度，根据贝叶斯公式，最新的视觉数??凡对上述公式进一步％得到当前时刻的最终贝叶斯滤波结果，该过程可通过公式??（２－１３）得到。??私（２－１３）??Ｉ凡』－１）??于是根据马尔科夫模型，＿前目标运动状态置信度只与当前状态有关，也即??是＝?｛（＆［＞〇，所以可以得到更新过程的结果，如公式（２－１４）。??＝?Ｈ?⑷?Ｙ１）?（２－１４）??该公式表示了根据々时刻前所有的先验僖息，推算ｍｓ前时刻状态的置信度??过程。更新得到的置信度同样会作为下一时刻预测的塞础，由此递推进行，从而??得到下一时刻的估计结果６??１８??
?电ｆ科技大学硕士学位论文．???根据观测值Ｚ来推测得到机器人的状态Ｘ。??在计算过程中，一般来说只有少数部分的粒子的权童较大，其余粒子的权值??可忽略不计，粒子权值的方差随着时间增大，状态空间中的有效粒子数＿减少，??无效粒子数目的增加，粒子滤波面临权值化问题。整个过程中太量计算被用在??无效的粒子上，从而降低了定位估计性能。通常釆用有效粒子数Ｎｅｆｆ１３１１衡讀粒子??权值的退化程度ａ?Ｎｅｆｆ的近似计算如式（２－１６）。??Ｎｅｆｆ?＝?（２－１６）??其中，Ｗ表示粒子权熏为粒子个数，有效粒子数越小，表明权值退化越??严Ｓ?Ｎｅｆｆ的值小于苯ｋ阈值时，应采取童采样措施。蓳采样带来的新问题??是，重采样后的粒子群多样性减弱，从而不足以用来逼近后验密度。??无人机视觉导肮定位系统???Ｙ???ＪＬ???Ｙ???图像特征提取模块?图像视觉信息处理模块?算法实现模块??＿＿??ＯＲＢ?．?－ｔｇ?４±?．?定??图?特??＾?１１??＾编?位??像?征??ＩＸ?￡?＊??＾程?误??采点?Ｓ?＾?仿差??集检?Ｉ?！?真分??测?Ｋ?远?析??Ｘ?Ｉｋ?Ｘ???Ｉ?￣?｜?Ｉ??＼＿???改进ＲＡＮＡＳＡＣ算法?视觉定位系统?改进粒子滤波定位??异最?｜?视?￥?自相?Ｋ??常近?ｐ?觉焉?适似?｜??值邻?｜?数?Ｋ?应性?Ｓ??分?比?｜?据?Ｓ?采度?Ｓ??类法?ｇ?库?＃?样?量?Ｌ??图２－４系统整体设计图??粒子滤波的最后一步是通过粒子群的加权权重值计算系统状态变量估计值，??２０??
本文编号：3030633
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
图２－２?ＦＡＳＴ特征点示意图??
?电ｆ科技大学硕士学位论文．???预测、ｙ＾预测％?预测??丫更新?更新??ｙｔ－ｉ?ｙｔ??图２－３贝叶斯动态估计示意图??ｐ（ｘ＾ｘｋ－ｉＫ．．ｋ－ｉ）?＝?ｐ｛ｘｋ?＼?ｘｋ－＾ｙ〇．．．ｋ－ｉ）ｐ（ｘｋ－ｉ?＼ｙ〇．．．ｋ－ｉ）?（２＿１０）??根据本文假设系统运动状态符合一阶马尔科夫模型，所以有公式（２－１１）。??ｐ（ｘｋ?Ｉｘｋ－ｖｙ〇．．．ｋ－ｉ）?＝?ｐｉｘｋ?Ｉ＾－ｉ）?（２－１１）??将式子（２－１１）代入式（２－９）中，得到最终的预测结果，如式（２－１２）：??Ｐ｛ｘｋ＼ｙｗ）?＝?＼ｐｉｘｋ?｜ｘｋ＿｛）ｐ｛ｘｋＡ?｜?ｙ＾＾ｄ＾ｋ－ｘ?（２－１２）??该式表达了机器人在Ａ－Ｊ时刻的位姿置信度结合前后时刻的状态转移置信??度，推算得到当前々时刻０标的状态豐信度，根据贝叶斯公式，最新的视觉数??凡对上述公式进一步％得到当前时刻的最终贝叶斯滤波结果，该过程可通过公式??（２－１３）得到。??私（２－１３）??Ｉ凡』－１）??于是根据马尔科夫模型，＿前目标运动状态置信度只与当前状态有关，也即??是＝?｛（＆［＞〇，所以可以得到更新过程的结果，如公式（２－１４）。??＝?Ｈ?⑷?Ｙ１）?（２－１４）??该公式表示了根据々时刻前所有的先验僖息，推算ｍｓ前时刻状态的置信度??过程。更新得到的置信度同样会作为下一时刻预测的塞础，由此递推进行，从而??得到下一时刻的估计结果６??１８??
?电ｆ科技大学硕士学位论文．???根据观测值Ｚ来推测得到机器人的状态Ｘ。??在计算过程中，一般来说只有少数部分的粒子的权童较大，其余粒子的权值??可忽略不计，粒子权值的方差随着时间增大，状态空间中的有效粒子数＿减少，??无效粒子数目的增加，粒子滤波面临权值化问题。整个过程中太量计算被用在??无效的粒子上，从而降低了定位估计性能。通常釆用有效粒子数Ｎｅｆｆ１３１１衡讀粒子??权值的退化程度ａ?Ｎｅｆｆ的近似计算如式（２－１６）。??Ｎｅｆｆ?＝?（２－１６）??其中，Ｗ表示粒子权熏为粒子个数，有效粒子数越小，表明权值退化越??严Ｓ?Ｎｅｆｆ的值小于苯ｋ阈值时，应采取童采样措施。蓳采样带来的新问题??是，重采样后的粒子群多样性减弱，从而不足以用来逼近后验密度。??无人机视觉导肮定位系统???Ｙ???ＪＬ???Ｙ???图像特征提取模块?图像视觉信息处理模块?算法实现模块??＿＿??ＯＲＢ?．?－ｔｇ?４±?．?定??图?特??＾?１１??＾编?位??像?征??ＩＸ?￡?＊??＾程?误??采点?Ｓ?＾?仿差??集检?Ｉ?！?真分??测?Ｋ?远?析??Ｘ?Ｉｋ?Ｘ???Ｉ?￣?｜?Ｉ??＼＿???改进ＲＡＮＡＳＡＣ算法?视觉定位系统?改进粒子滤波定位??异最?｜?视?￥?自相?Ｋ??常近?ｐ?觉焉?适似?｜??值邻?｜?数?Ｋ?应性?Ｓ??分?比?｜?据?Ｓ?采度?Ｓ??类法?ｇ?库?＃?样?量?Ｌ??图２－４系统整体设计图??粒子滤波的最后一步是通过粒子群的加权权重值计算系统状态变量估计值，??２０??
本文编号：3030633
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3030633.html
