無(wú)人機(jī)圖像處理關(guān)鍵技術(shù)的研究與實(shí)現(xiàn).pdf

1、近年來(lái)，無(wú)人機(jī)憑借使用方便、成本低廉的優(yōu)點(diǎn)，成為了各領(lǐng)域應(yīng)用的“新寵”，如環(huán)境監(jiān)測(cè)、媒體報(bào)道、電商快遞等。由于外界環(huán)境復(fù)雜，無(wú)人機(jī)的GPS信號(hào)存在丟失或者干擾的可能，此時(shí)基于視覺(jué)的導(dǎo)航方式就顯得尤為重要。目前已有許多針對(duì)視覺(jué)導(dǎo)航的研究，但已實(shí)地應(yīng)用的方法較少。本文基于無(wú)人機(jī)自主飛行項(xiàng)目撰寫(xiě)，工作重點(diǎn)之一為研究圖像畸變矯正方法和圖像拼接技術(shù)，工作重點(diǎn)之二是自主降落階段的地標(biāo)設(shè)計(jì)與識(shí)別。
　　針對(duì)無(wú)人機(jī)利用航拍相機(jī)采集的圖片容易產(chǎn)生畸

2、變的問(wèn)題，本文首先分析了相機(jī)的成像原理，選用張正友標(biāo)定法對(duì)相機(jī)進(jìn)行標(biāo)定。先制作棋盤(pán)格標(biāo)定板，用航拍相機(jī)采集標(biāo)定版不同方位角的圖像，提取 Harris角點(diǎn)，計(jì)算得到相機(jī)的內(nèi)外參數(shù)矩陣和畸變系數(shù)，再利用極大似然估計(jì)對(duì)內(nèi)外參數(shù)和畸變系數(shù)進(jìn)行優(yōu)化。最后，利用畸變系數(shù)矯正圖像，得到較好的矯正結(jié)果。
　　圖像拼接時(shí)，本文采用基于SIFT特征的圖像拼接技術(shù)，先提取待拼接地圖的SIFT特征點(diǎn)，生成128維的特征向量描述子，計(jì)算兩張待拼接圖片的特征

3、點(diǎn)匹配情況。為了過(guò)濾誤匹配點(diǎn)，首先采用最小距離和次小距離的比值進(jìn)行篩選，對(duì)篩選出來(lái)的候選匹配點(diǎn)對(duì)，再利用 RANSAC算法進(jìn)行優(yōu)化，誤匹配點(diǎn)比例降低了74.74％。根據(jù)選出的匹配點(diǎn)對(duì)計(jì)算得到代表圖像變換關(guān)系的單應(yīng)性矩陣，用單應(yīng)性矩陣將待拼接圖像像素變換到基準(zhǔn)圖像坐標(biāo)系，生成拼接圖。本文提出了平均融合法和加權(quán)平均融合法對(duì)圖像的重合區(qū)域進(jìn)行像素融合，均得到了較好的拼接結(jié)果。最后，本文實(shí)現(xiàn)了多幅地圖的自動(dòng)拼接算法。
　　自主降落部分，本

4、文設(shè)計(jì)了簡(jiǎn)單易識(shí)別的 H地標(biāo)，對(duì)獲取的降落圖像進(jìn)行預(yù)
　　處理得到灰度圖，再將自適應(yīng)閾值法應(yīng)用到灰度圖的二值化中，提取圖像中的輪廓，依據(jù)輪廓的長(zhǎng)度和面積等信息，過(guò)濾出非地標(biāo)輪廓。最后在候選輪廓中，利用形狀
　　的Hu不變矩判斷是否是降落標(biāo)志輪廓。本項(xiàng)目改進(jìn)了H地標(biāo)，增加輪廓邊緣，并且將自適應(yīng)閾值法應(yīng)用于圖像二值化中，增強(qiáng)了地標(biāo)在各種環(huán)境下的魯棒性。
　　本文還提出了一套能夠?qū)崿F(xiàn)低空小范圍內(nèi)視覺(jué)降落的四旋翼無(wú)人機(jī)軟硬件方