【摘要】：隨著小型多旋翼無(wú)人機(jī)技術(shù)的成熟與成本的降低,多旋翼無(wú)人機(jī)逐漸成為一個(gè)二次開(kāi)發(fā)平臺(tái),在不同行業(yè)發(fā)展出各種應(yīng)用,如航拍測(cè)繪、電力巡檢、農(nóng)業(yè)植保等。與此同時(shí),不同任務(wù)所需面對(duì)的復(fù)雜環(huán)境,對(duì)無(wú)人機(jī)的環(huán)境感知能力提出了較高要求。相比于激光雷達(dá)、飛行時(shí)間測(cè)距、超聲波等主動(dòng)式傳感器,視覺(jué)傳感器擁有成本低、設(shè)備簡(jiǎn)單、分辨率高等優(yōu)點(diǎn),非常適合應(yīng)用于無(wú)人機(jī)環(huán)境感知。雙目立體視覺(jué)通過(guò)并行的兩個(gè)攝像機(jī)來(lái)模擬人眼觀測(cè)世界,從而形成對(duì)周?chē)h(huán)境的有效感知。考慮到無(wú)人機(jī)上板載處理器有限的算力以及不同應(yīng)用所需面對(duì)的復(fù)雜場(chǎng)景,如何在高動(dòng)態(tài)環(huán)境下自適應(yīng)調(diào)節(jié)相機(jī)曝光以采集細(xì)節(jié)豐富的圖像數(shù)據(jù),隨后通過(guò)快速立體匹配估計(jì)視差并進(jìn)行障礙物檢測(cè),最終為無(wú)人機(jī)避障與導(dǎo)航提供有效信息,仍有許多研究難點(diǎn)。本文主要設(shè)計(jì)了 一套無(wú)人機(jī)雙目立體視覺(jué)感知系統(tǒng),用于無(wú)人機(jī)飛行過(guò)程中對(duì)于周?chē)h(huán)境中障礙物的感知,主要工作如下:1)基于圖像特征點(diǎn)位置有效亮度的相機(jī)自動(dòng)曝光算法。無(wú)人機(jī)上視覺(jué)傳感器所采集的圖像將直接作為后續(xù)算法的輸入,因此圖像中物體特征,細(xì)節(jié)等信息將對(duì)后續(xù)算法精度造成很大影響。然而,高曝光質(zhì)量圖像的采集常常受到傳感器和算法的限制。本文設(shè)計(jì)的基于圖像特征點(diǎn)位置有效亮度的相機(jī)自動(dòng)曝光算法,能充分考慮圖像特征點(diǎn)豐富區(qū)域曝光質(zhì)量,在高動(dòng)態(tài)環(huán)境下快速迭代到合適曝光,從而采集高質(zhì)量曝光圖像。2)快速雙目立體匹配與障礙物感知。雙目立體視覺(jué)通過(guò)模擬人類(lèi)觀測(cè)世界的方式,利用視差原理對(duì)左右視圖進(jìn)行匹配,從而獲得深度信息。無(wú)人機(jī)上有限的載荷與算力,以及在復(fù)雜環(huán)境中及時(shí)避讓障礙物的需求,使得無(wú)人機(jī)上雙目立體視覺(jué)系統(tǒng)需要兼顧算法實(shí)時(shí)性與準(zhǔn)確性,并對(duì)障礙物進(jìn)行有效表示。本文設(shè)計(jì)的雙目立體視覺(jué)系統(tǒng)在NVIDIA Jetson TX2嵌入式處理器上實(shí)現(xiàn)了基于CUDA加速的半全局匹配算法,隨后基于視差圖進(jìn)行深度重建,最后在生成的八叉樹(shù)地圖中進(jìn)行障礙物的高效感知與表示。本文將端到端神經(jīng)網(wǎng)絡(luò)模型進(jìn)行裁剪加速,并用于復(fù)雜情況下的視差估計(jì)。
【圖文】：

（ａ）邐（ｂ）逡逑圖１．２無(wú)人機(jī)雙目避障。（ａ）邋ＭＩＴＰｕｓｈＢｒｏｏｍ，（ｂ）大疆精靈４逡逑無(wú)人機(jī)上的雙目立體視覺(jué)系統(tǒng)，需要保證無(wú)人機(jī)在復(fù)雜環(huán)境下的障礙物感知與安全飛逡逑行。受限于傳感器與算法，通用相機(jī)模組往往很難適應(yīng)高動(dòng)態(tài)環(huán)境下的快速光強(qiáng)變化，從逡逑而造成圖像過(guò)曝或過(guò)暗，導(dǎo)致信息缺失。圖１．３顯示了同一場(chǎng)景下不同曝光時(shí)間所拍攝的逡逑圖像。相機(jī)的自動(dòng)曝光算法能否在高動(dòng)態(tài)環(huán)境下快速調(diào)整相機(jī)曝光，從而最大程度保留圖逡逑像有效信息，對(duì)后續(xù)立體匹配，同時(shí)定位與建圖（Ｓｉｍｕｌｔａｎｅｏｕｓ邋Ｌｏｃａｌｉｚａｔｉｏｎ邋ａｎｄ邋Ｍａｐｐｉｎｇ，逡逑ＳＬＡＭ）等視覺(jué)算法精度有較大影響。逡逑，１＾逡逑（ａ）邐（ｂ）邐（ｃ）逡逑圖１．３不同曝光時(shí)間圖像。（ａ）過(guò)暗，（ｂ）正常，（ｃ）過(guò)曝逡逑雙目立體視覺(jué)技術(shù)中關(guān)鍵點(diǎn)在于立體匹配

無(wú)人機(jī)上的雙目立體視覺(jué)系統(tǒng)，需要保證無(wú)人機(jī)在復(fù)雜環(huán)境下的障礙物感知與安全飛逡逑行。受限于傳感器與算法，通用相機(jī)模組往往很難適應(yīng)高動(dòng)態(tài)環(huán)境下的快速光強(qiáng)變化，從逡逑而造成圖像過(guò)曝或過(guò)暗，導(dǎo)致信息缺失。圖１．３顯示了同一場(chǎng)景下不同曝光時(shí)間所拍攝的逡逑圖像。相機(jī)的自動(dòng)曝光算法能否在高動(dòng)態(tài)環(huán)境下快速調(diào)整相機(jī)曝光，從而最大程度保留圖逡逑像有效信息，對(duì)后續(xù)立體匹配，同時(shí)定位與建圖（Ｓｉｍｕｌｔａｎｅｏｕｓ邋Ｌｏｃａｌｉｚａｔｉｏｎ邋ａｎｄ邋Ｍａｐｐｉｎｇ，逡逑ＳＬＡＭ）等視覺(jué)算法精度有較大影響。逡逑，１＾逡逑（ａ）邐（ｂ）邐（ｃ）逡逑圖１．３不同曝光時(shí)間圖像。（ａ）過(guò)暗，（ｂ）正常，（ｃ）過(guò)曝逡逑雙目立體視覺(jué)技術(shù)中關(guān)鍵點(diǎn)在于立體匹配，立體匹配主要是在經(jīng)過(guò)立體校正后的左右逡逑視圖上尋找匹配點(diǎn)，從而計(jì)算視差圖。場(chǎng)景中過(guò)曝、過(guò)暗區(qū)域與低紋理、重復(fù)紋理區(qū)域等，逡逑常常會(huì)對(duì)匹配造成困難從而無(wú)法獲得準(zhǔn)確視差。立體匹配通常需要較大的計(jì)算量，這對(duì)于逡逑無(wú)人機(jī)有限的載荷與算力來(lái)說(shuō)是一個(gè)較大的挑戰(zhàn)。在獲得視差圖的基礎(chǔ)上
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：V279;V249

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李斌;;基于單目視覺(jué)的障礙物檢測(cè)方法研究[J];電子世界;2016年17期

2 謝德勝;徐友春;王任棟;蘇致遠(yuǎn);;基于三維激光雷達(dá)的無(wú)人車(chē)障礙物檢測(cè)與跟蹤[J];汽車(chē)工程;2018年08期

3 吳學(xué)易;李健明;劉佳浩;許豪;張緒祥;;一種基于激光及超聲波聯(lián)合的障礙物斜率檢測(cè)算法[J];汽車(chē)實(shí)用技術(shù);2018年04期

4 鮮敏;馬勇;鄭翔;;激光傳感器的機(jī)器人障礙物檢測(cè)研究[J];激光雜志;2017年09期

5 張晴晴;林強(qiáng)強(qiáng);;盲道區(qū)域中障礙物的視覺(jué)檢測(cè)方法[J];價(jià)值工程;2019年09期

6 何勇;蔣浩;方慧;王宇;劉羽飛;;車(chē)輛智能障礙物檢測(cè)方法及其農(nóng)業(yè)應(yīng)用研究進(jìn)展[J];農(nóng)業(yè)工程學(xué)報(bào);2018年09期

7 方崇全;;基于激光掃描雷達(dá)的礦井機(jī)車(chē)障礙物檢測(cè)方法研究[J];煤礦機(jī)械;2018年08期

8 王榮本;趙一兵;李琳輝;張明恒;;智能車(chē)輛的障礙物檢測(cè)研究方法綜述[J];公路交通科技;2007年11期

9 陸峰;徐友春;李永樂(lè);王任棟;王東敏;;基于多傳感器數(shù)據(jù)融合的障礙物檢測(cè)與跟蹤[J];軍事交通學(xué)院學(xué)報(bào);2018年02期

10 方曉瑩;;一種基于3D的道路與障礙物檢測(cè)算法[J];浙江國(guó)際海運(yùn)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年01期

相關(guān)會(huì)議論文 前5條

1 項(xiàng)志宇;;針對(duì)越野自主導(dǎo)航的障礙物檢測(cè)系統(tǒng)[A];2005全國(guó)自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（二）[C];2005年

2 蘇天楚;潘博;倪俊;;基于低線(xiàn)束雷達(dá)的低矮障礙物優(yōu)化檢測(cè)[A];2018中國(guó)汽車(chē)工程學(xué)會(huì)年會(huì)論文集[C];2018年

3 田立國(guó);丁航;劉s，

本文編號(hào)：2654017