论文部分内容阅读
随着小型多旋翼无人机技术的成熟与成本的降低,多旋翼无人机逐渐成为一个二次开发平台,在不同行业发展出各种应用,如航拍测绘、电力巡检、农业植保等。与此同时,不同任务所需面对的复杂环境,对无人机的环境感知能力提出了较高要求。相比于激光雷达、飞行时间测距、超声波等主动式传感器,视觉传感器拥有成本低、设备简单、分辨率高等优点,非常适合应用于无人机环境感知。双目立体视觉通过并行的两个摄像机来模拟人眼观测世界,从而形成对周围环境的有效感知。考虑到无人机上板载处理器有限的算力以及不同应用所需面对的复杂场景,如何在高动态环境下自适应调节相机曝光以采集细节丰富的图像数据,随后通过快速立体匹配估计视差并进行障碍物检测,最终为无人机避障与导航提供有效信息,仍有许多研究难点。本文主要设计了 一套无人机双目立体视觉感知系统,用于无人机飞行过程中对于周围环境中障碍物的感知,主要工作如下:1)基于图像特征点位置有效亮度的相机自动曝光算法。无人机上视觉传感器所采集的图像将直接作为后续算法的输入,因此图像中物体特征,细节等信息将对后续算法精度造成很大影响。然而,高曝光质量图像的采集常常受到传感器和算法的限制。本文设计的基于图像特征点位置有效亮度的相机自动曝光算法,能充分考虑图像特征点丰富区域曝光质量,在高动态环境下快速迭代到合适曝光,从而采集高质量曝光图像。2)快速双目立体匹配与障碍物感知。双目立体视觉通过模拟人类观测世界的方式,利用视差原理对左右视图进行匹配,从而获得深度信息。无人机上有限的载荷与算力,以及在复杂环境中及时避让障碍物的需求,使得无人机上双目立体视觉系统需要兼顾算法实时性与准确性,并对障碍物进行有效表示。本文设计的双目立体视觉系统在NVIDIA Jetson TX2嵌入式处理器上实现了基于CUDA加速的半全局匹配算法,随后基于视差图进行深度重建,最后在生成的八叉树地图中进行障碍物的高效感知与表示。本文将端到端神经网络模型进行裁剪加速,并用于复杂情况下的视差估计。