微小型无人机(MAV)搭载图像采集设备获取飞行环境的序列图像,并且通过图像特征提取与匹配技术,进行环境进行辨识和载体位姿估计,实现定位与导航控制,已成为一个重要研究领域,也成为自主定位导航技术的研究前沿。因此,研究和寻求适应上述应用需求和条件限制特点的有效算法,对有着极为重要的意义。本课题以MAV获取的低空航拍图像为对象,针对SIFT算法及其改进和扩展算法作为主题研究目标,针对无人机获取的图像存在难以避免的较大、较复杂的几何变形而易导致特征难以提取和匹配困难或误匹配的问题进行研究。实验验证和分析评价SIFT方法在微小型多旋翼无人机视觉定位应用中的解决图像匹配问题的具体实现算法及其有效性和性能。主要研究工作内容包括:(1)深入分析了SIFT自提出以后国内外研究技术现状,SIFT算法的局限性,以及相应图像匹配分析与研究进展;分析研究基于SIFT的图像特征提取匹配在机器人和无人系统相关研究现状和动态,以及在无人机自主定位的发展前沿地位。(2)基于计算机视觉发展的主要事件和脉络进行总结分析研究;介绍目前研究图像问题使用的标准图像数据集;以及图像相似性度量方法的研究分析;在微型无人机这一特定领域的视觉图像点和匹配需求分析,选取SIFT算法作为研究核心。(3)深入研究SIFT的思想、原理和基本算法,介绍从视觉图像特征点找寻到图像金字塔概念和以及高斯模糊的选择,尺度空间理论,高斯金字塔的构建,空间极值点检测,关键点方向的确定,关键点的描述等原理的研究分析(4)搭建基于OpenCV实验研究平台,分析研究无人机视觉图像特点,遴选有价值实验数据,分析对比SIFT以及SURF算法在匹配中的效能。(5)深入总结分析了SIFT算法的改进原理,从不同角度并分析比较了改进思路;包括。包括数据降维度,高斯参数选择。方向确定的优化,确定本文用的简单改进优化;使用标准数据集和无人机视觉图像测试简单优化算法并分析评价其效能