計算機視覺憑借其無源、經(jīng)濟、信息豐富的優(yōu)點,成為無人機自主導航中的重要信息源。本文以雙目攝像機所拍攝的艦船模型序列圖像為研究對象,綜合運用數(shù)字圖像處理、計算機視覺、三維重建等技術和方法,對無人機自主著艦階段的艦船識別與跟蹤、著陸場區(qū)域有用特征提取、無人機相對位姿的估計等問題進行了深入的研究。首先利用SIFT特征匹配與模板匹配相結合的方法來解決復雜背景條件下著陸場目標的識別與跟蹤的問題。在建立艦船跑道SIFT特征庫的基礎上,將機載攝像機拍攝圖像所提取的SIFT特征與特征庫做匹配,并設定匹配閾值來確定目標是否已被識別,然后對識別后的艦船跑道區(qū)域進行定位,通過提出的模板刷新策略,采用模板匹配的算法對定位區(qū)域實現(xiàn)實時的跟蹤。光照變換對著陸場區(qū)域圖像的有效分割造成了極大的影響,本文提出一種跑道區(qū)域圖像增強算法來消除光照變化帶來的不利影響。算法融合了基于圖像平均灰度的圖像恢復技術和線性灰度變換的圖像增強技術,并通過一種基于反饋信息的迭代方法將兩種技術多次迭代。處理后的圖像不僅消除了光照變化的影響,而且突出了跑道線的特征。以增強的跑道區(qū)域灰度圖像為對象,經(jīng)過灰度拉伸、閾值分割得到二值化圖像,利用Ca... 

【文章來源】：國防科技大學湖南省 211工程院校 985工程院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景和意義
    1.2 無人機自主著陸/艦視覺導航的研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 自主著陸/艦過程中目標識別算法存在的問題
    1.3 本文研究內(nèi)容及章節(jié)安排
第二章 無人機自主著陸中的跑道識別與跟蹤
    2.1 SIFT算法原理
        2.1.1 尺度空間極值檢測
        2.1.2 特征點定位
        2.1.3 特征點主方向計算
        2.1.4 特征點描述子生成
        2.1.5 特征向量的匹配
    2.2 基于SIFT特征匹配的艦船識別
        2.2.1 轉換灰度圖像
        2.2.2 平滑濾波
        2.2.3 目標艦船SIFT特征庫的建立
        2.2.4 艦船識別算法設計
        2.2.5 艦船跑道區(qū)域的定位
    2.3 基于模板匹配的跑道區(qū)域跟蹤
        2.3.1 模板匹配方法
        2.3.2 模板更新策略
    2.4 實驗結果與分析
    2.5 本章小結
第三章 艦船跑道區(qū)域圖像增強算法
    3.1 圖像恢復技術
        3.1.1 圖像恢復方法
        3.1.2 基于平均灰度的圖像恢復
    3.2 圖像增強技術
    3.3 圖像恢復和增強算法的迭代規(guī)則
    3.4 實驗結果與分析
    3.5 本章小結
第四章 跑道邊線的檢測與提取
    4.1 跑道區(qū)域增強圖像預處理
        4.1.1 灰度拉伸
        4.1.2 閾值分割
        4.1.3 數(shù)學形態(tài)學運算
            4.1.3.1 形態(tài)學基本運算
            4.1.3.2 對跑道二值圖像的形態(tài)學運算
    4.2 跑道區(qū)域直線檢測
        4.2.1 邊緣檢測
            4.2.1.1 常用邊緣檢測算法
            4.2.1.2 Canny邊緣檢測
        4.2.2 直線特征檢測
            4.2.2.1 Hough變換原理
            4.2.2.2 概率Hough變換檢測直線
    4.3 跑道左右邊線的提取
        4.3.1 跑道線的分類
        4.3.2 跑道邊線外邊緣的提取
    4.4 實驗結果與分析
    4.5 本章小結
第五章 基于雙目立體視覺的無人機姿態(tài)測量
    5.1 雙目立體視覺的標定
        5.1.1 相機成像模型
        5.1.2 相機的標定
    5.2 跑道邊線端點三維坐標的計算
        5.2.1 基于極線約束的匹配點的確定
        5.2.2 匹配點三維坐標的計算
    5.3 無人機位姿的估計
        5.3.1 高度的估計
        5.3.2 旋轉矩陣的估計
        5.3.3 水平位置的估計
    5.4 KALMAN濾波
    5.5 無人機模擬平臺簡介
        5.5.1 雙目立體視覺系統(tǒng)
        5.5.2 仿真下滑平臺
    5.6 實驗結果與分析
        5.6.1 位置測量結果
        5.6.2 姿態(tài)角測量結果
        5.6.3 誤差原因分析
    5.7 本章小結
第六章 總結與展望
    6.1 工作總結
    6.2 研究展望
致謝
參考文獻
作者在學期間取得的學術成果


【參考文獻】：
期刊論文
[1]基于直方圖均衡化圖像增強的改進方法[J]. 張琳梅,潘赟,張雪峰.  電子世界. 2013(17)
[2]一種改善受光照影響而惡化的圖像質(zhì)量的方法[J]. 陶志鋒.  制導與引信. 2009(03)
[3]基于視覺信息的無人機自主著陸過程姿態(tài)和位置估計[J]. 陳龍勝,陳謀,姜長生.  電光與控制. 2009(05)
[4]基于視覺著陸的無人機俯仰角與高度估計[J]. 潘翔,馬德強,吳貽軍,張光富,姜哲圣.  浙江大學學報(工學版). 2009(04)
[5]一種基于Hough變換的對極幾何穩(wěn)健估計算法[J]. 山海濤,馬淑宇,郝向陽,李大衛(wèi).  測繪科學技術學報. 2008(03)
[6]基于視覺的飛機自主著陸導航[J]. 趙昊昱,李紅,彭嘉雄.  系統(tǒng)工程與電子技術. 2007(07)
[7]基于不變矩的前視紅外圖像機場目標識別[J]. 張?zhí)煨?曹楊,劉進,李勐.  華中科技大學學報(自然科學版). 2007(01)
[8]概率Hough變換在儀表檢測中的應用[J]. 陳艷海,姜木霖,陳建勛.  湖北汽車工業(yè)學院學報. 2006(04)
[9]基于視覺的無人機著陸時機場標記的檢測與識別[J]. 王洪群,彭嘉雄,李玲玲.  模式識別與人工智能. 2006(06)
[10]圖像處理技術在火焰目標提取中的應用[J]. 范華忠,張伯虎,馮艷.  電光與控制. 2006(01)

碩士論文
[1]無人機著陸信息預測與姿態(tài)控制[D]. 汪光明.華中科技大學 2008
[2]基于視覺信息的無人飛行器自主著陸導航系統(tǒng)的關鍵技術研究[D]. 王興國.浙江大學 2007



本文編號：3175594