论文部分内容阅读
本文对基于视觉的空地机器人协作技术进行了研究,该课题共分为三部分内容,分别是基于SIFT和RANSAC的全景图像拼接技术、空地机器人协作三维场景重建技术和无人飞行器起落标志检测技术。首先,研究了图像处理技术,包括图像预处理、角点检测算法以及摄像机成像技术,其中列举并比较了多种图像灰度化和图像去噪技术;详细研究了Harris角点检测算法、SIFT特征提取算法,并通过实验对比了两种算法的检测效果;研究了摄像机成像模型中所需的坐标系及各个坐标系之间的转换关系。其次,研究了基于SIFT和RANSAC的全景图像拼接技术,其基本流程为获取图像序列、角点检测、特征点匹配、图像融合。首先使用SIFT算法检测出特征点;再使用基于最近邻算法的SIFT匹配算法对特征点进行初匹配,该方法运算简单、速度快,但会产生误匹配;然后利用RANSAC算法进行精确匹配,提高了匹配的精确度和速度;最后使用图像融合技术将两幅图像映射到一幅图像上,完成无缝拼接,该融合算法拓宽了视野范围,提高了图像的分辨率。然后,通过无人飞行器与地面无人车协作完成三维场景重建任务。由于无人车只能获取近地面图像序列,因此可使用无人飞行器协助其获取更高、更广泛空间的图像序列。环绕重建景物获取图像序列后,使用运动恢复结构(Structure from Motion,SFM)算法得到稀疏点云,再利用多视图聚簇(Cluster Multi-View Stereo,CMVS)算法得到稠密点云,最后使用泊松表面重建算法使模型表面更平滑,更具真实感。重建工作完成后,可以从多角度观察景物的特征,将二维平面图像又还原成了三维结构。再次,完成无人飞行器起落标志检测工作。在无人车上设置“T”型合作目标,以便无人飞行器识别,然后经过图像预处理、图像分割、边缘检测、角点提取等图像处理工作,得到飞行器相对于“T”型标志物上关键点的位姿信息,通过飞行器降落控制系统,引导其降落到无人车上充电,以便长时间执行任务。最后,对本课题已完成工作进行了总结,并对后续工作内容作了展望。