低空无人机视频实时处理关键技术研究

发布时间：2025-07-07 02:08

　　现阶段 SLAM(Simultaneous Localization And Mapping,即时定位与地图构建)技术发展非常迅速,已经充分运用在机器人、无人驾驶、无人机等多个领域。其中通过低空无人机视频实时地提供地面地形数据,在大场景视频图像拼接、场景三维重建及其量测、典型灾害目标自动识别和分析等实际工作中均有重要的意义。相较于一般场景,低空无人机视频具有场景复杂、存在抖动模糊、拍摄角度变化小以及相邻帧之间重叠区域大等特点,这使得设计一种针对于低空无人机视频实时处理的技术方案显得非常必要。本文从视觉里程计、后端优化和回环检测三个方面介绍了已有方法的原理及其优缺点,最终选择ORB-SLAM作为基本的技术框架。以针对低空无人机视频的实时处理为主要目的从两个方面对其进行改进:1)在关键帧选取中增加了模糊度检测,用于剔除低空无人机视频中因为抖动而引起的运动模糊。加入相位相关法步骤用于检测是否位于航迹拐弯位置,并估计出帧之间的重叠度。利用重叠度剔除与上一关键帧重叠度过高的帧,从而减少视觉里程计步骤中提取匹配特征的次数以提高处理效率;2)在图优化中,以包含图片整体信息的新权重替代原本仅基于特征点匹...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图１－１经典ＳＬＡＭ框架

我们获得物体的远近信息，但这仍然是一个相对值。所以单目ＳＬＡＭ估计的轨??迹和地图，与真实世界相差一个统一的比例，称之为尺度（Ｓｃａｌｅ）。??经典的视觉ＳＬＡＭ框架如图１－１所示，主要包含了视频信息读取，视觉里??程计，后端优化，回环检测以及建图五个部分。其中视觉里程计（Ｖｉｓ....

图１－２?０ＲＢ－ＳＬＡＭ２在ＣｏｎｖｉｓｉｂｉｌｉｔｙＧｒａｐｈ上进行图优化，大大增加计算的效率

取以及一次一帧与一个局部地图间的特征匹配，是制约处理速度最关键的步骤。??优化部分，ＯＲＢ－ＳＬＡＭ采用的方法是将新的关键帧加入到Ｃｏｎｖｉｓｉｂｉｌｉｔｙ??Ｇｒａｐｈ时会进行一次局部的优化，每隔《帧会进行一次全局的优化，如图１－２所??示（Ｒａｄ，?２０１６）。但是帧与帧之间....

图2-1Yt典视觉SLAM棍架流程图

里程计（Ｖ０）??里程计的目标是获取相邻帧之间的相机位姿变换关系。类似于人变换估计自身的运动，计算机也能通过视频帧中内容的变化进即是通过对视频帧中像素点的跟踪来计算相邻时刻的运动，这了同名点的获取以及根据同名点在相邻帧中位置的变化估计相点的提取与匹配??８??

图２－２?Ｏｒｉｅｎｔｅｄ?ＦＡＳＴ角点的提取??在ＯＲＢ特征中对原始的ＦＡＳＴ算法进行一些改进，首先确定需要提取的角??

?第２章经典视觉ＳＬＡＭ框架与改进??经典视觉ＳＬＡＭ框架流程如图２－１所示（本文主要研究的是基于特征点的??方法，直接法不做过多讨论）：??＊ｒ－ｆ，ｎ?Ｘ?＾?上一关键帧或??膽口入＃?｜?局部地图??提取特征??＇．?１?＇??．??４?特征匹配????！????｜?广?、....

本文编号：4056314