1、微小型無人直升機在軍事和民用方面都具有廣泛的應(yīng)用價值，近十年以來一直都是國內(nèi)外很多機構(gòu)和組織的研究對象。其中，導(dǎo)航與控制是微小型無人直升機研究的核心。視覺導(dǎo)航是微小型無人直升機先進的導(dǎo)航方式之一。與傳統(tǒng)的慣性導(dǎo)航方式相比，它具有成本低，硬件實現(xiàn)簡單，信息量大等優(yōu)勢。周圍環(huán)境感知和自身位姿估計是實現(xiàn)微小型無人直升機視覺導(dǎo)航的基本要求，而地標識別是周圍環(huán)境感知的主要手段之一。本文針對微小型無人直升機基于視覺信息的地標識別和自身位姿估計展開研

2、究，主要工作如下： 1)介紹了課題的研究背景和研究內(nèi)容，指出了研究難點。隨后，綜述了基于視覺信息的地標識別和直升機位姿估計的相關(guān)技術(shù)方法，分別對這些方法進行分類和比較，并指出其優(yōu)點和不足之處。 2)將現(xiàn)有的一種基于Adaboost圖像識別算法進行改進，提出一種適合于微小型無人直升機對地標多角度觀測的實時識別算法。其中，串聯(lián)結(jié)構(gòu)的分類器框架保證了識別算法的實時性。同時，將串聯(lián)分類器的前端作為地標旋轉(zhuǎn)姿態(tài)的估計器，在不增

3、加算法額外運算開銷的情況下提高了整個算法的效率。最后使用微小型無人直升機對5種不同的地標進行了實時地標識別實驗。實驗結(jié)果證明，在訓(xùn)練樣本足夠多的前提下，該方法無論從識別準確性還是實時性都明顯優(yōu)于傳統(tǒng)的基于空間模版匹配的地標識別算法。 3)樣本的獲取和選擇對于基于Adaboost的地標識別方法至關(guān)重要。但是，由于微小型無人直升機獨特的飛行狀態(tài)和飛行危險性，獲取足夠多真實地標圖像作為訓(xùn)練樣本是非常困難的。針對這個問題，論文在分析B

4、oosting系列算法與前向分布加法模型之間關(guān)系的基礎(chǔ)上，對基于Adaboost的地標識別方法進一步改進，提出了基于嵌入先驗知識Boosting算法的微小型無人直升機地標識別方法。在地標識別過程中，由于使用了先驗知識，從而有效彌補了訓(xùn)練樣本不足帶來的缺陷。通過真實的對比實驗驗證了在稀少樣本情況下，該方法比完全數(shù)據(jù)驅(qū)動的基于Adaboost地標識別算法性能更好。 4)建立了直升機機載攝像機運動和投影模型，并在此模型基礎(chǔ)上提出了一種基于特定

5、人工地標圖像信息的微小型無人直升機位姿估計方法。在這在種方法中采用了快速SUSAN角點檢測算法來穩(wěn)定快速地提取匹配特征點，并且使用了Levenberg-Marquardt算法以求穩(wěn)定估計直升機位姿參數(shù)。最后，在一架真實微小型無人直升機上成功實現(xiàn)了該位姿估計方法。 5)在分析序列圖像信息與直升機運動關(guān)系的基礎(chǔ)上，提出一種基于圖像序列信息的微小型無人直升機位姿估計方法。重點設(shè)計了基于SIFT特征的序列圖像之間的匹配點和一套基于RA