论文部分内容阅读
以基于无人机序列图像的三维地形重建及视觉导航为应用背景,研究了图像特征点匹配、地面目标和场景的三维重建以及基于序列图像三维重建的地形匹配导航等内容。论文的研究较好地解决了无人机序列图像特征点自动匹配问题和高精度的多视图三维解算问题,实现了基于无人机图像的地面目标三维重建,以及基于视觉图像的飞行器导航信息获取。在图像匹配方法研究的基础上,对三线阵像机月面成像的配准问题进行了研究,实现了嫦娥一号卫星月面成像的超分辨率重建。论文的主要研究成果有:(1)针对未知成像相对几何关系的序列图像特征点匹配,提出了一系列匹配算法。具体包括:①鲁棒性特征描述与最小二乘迭代融合的匹配方法,算法采用具有不变性的特征匹配提供位置、旋转等初值参数,用最小二乘迭代匹配获得高精度结果,算法的鲁棒性和精度都较好;②提出了有效特征的概念以及基于有效特征的匹配算法(MBVIFP),算法识别有效特征用于图像匹配,提高了在遮挡、干扰情况下的匹配精度;③提出了一种高次形变补偿的三线阵立体像机成像匹配方法,该方法应用于嫦娥一号卫星月面图像的处理,实现了月面成像的超分辨率重建。(2)针对已知成像相对几何关系的序列图像特征点匹配,提出了一系列匹配算法。具体包括:①极线局部校正匹配算法,该算法将待匹配图像上极线两侧局部区域进行校正使极线到达水平状态,在校正后的极线范围内相关搜索最佳匹配点,保证了匹配的极大相似性,从而获得了快速、稳定和高精度的匹配结果;②基于局部平面识别的单应约束与对极约束相融合的匹配算法,该算法根据成像中相邻特征点多对应于空间中实际平面的原理,识别已配准的局部共面点作为种子点,并计算其局部单应矩阵,对空间平面上种子点之间的待匹配点利用局部单应进行匹配点预测,算法具有搜索范围小,速度快的特点,提高了自动匹配的可靠性和精度。(3)提出了匹配测度加权的基础矩阵、单应矩阵参数解算方法。在求基础矩阵、单应矩阵等多视图相对几何关系参数的过程中引入了同名特征点的匹配测度,定义了同名点的互相关系数、特征距离尺度等匹配测度函数,利用匹配测度函数作为匹配点的权值对数据进行加权,同时利用RANSAC算法解决匹配野值问题,提高了解算的精度和鲁棒性。(4)研究了通过机载像机对地序列成像进行实时三维地形重建,利用重建地形图与基准图进行匹配定位的视觉导航方法。提出了基于控制特征点可靠跟踪的关键帧特征点配准方法以及利用控制点确定的最优局部单应来引导密集点匹配的方法,提高了匹配效率,实现了航迹区域的三维地形的实时重建,满足了地形匹配导航的要求。(5)针对地形匹配导航中实时地形图与基准地形图可能存在尺度缩放的情况,提出了一种基于三维地形不变性特征描述的地形匹配方法。该方法利用地形关键点的相对位置构造地形的特征向量,基于特征向量间的距离比较实现地形匹配,解决了具有缩放变化的地形匹配问题,拓展了基于序列图像重建三维地形在地形匹配导航中的应用范围。(6)在飞行器视觉导航方面提出了两种基于图像的导航信息获取方法。①提出了一种根据图像边缘与区域特征的地平线检测方法,基于地平线的成像分析实现了飞行器的俯仰角、滚转角的姿态测量。②提出了利用单应诱导视差测量着陆平面内目标起伏尺度的方法。分析了平面单应诱导视差与目标离面距离、成像配置参数等因素的关系,给出了基于单应诱导视差的目标离面距离评估方法,用于降落场的平面平整度评估。在论文研究中,根据这些新算法开发了无人机时序图像三维重建示范性软件系统,完成了基于无人机序列图像的三维重建。本文对无人机序列图像三维重建的发展以及其在导航中的应用具有积极的作用。