视觉导航

视觉导航是利用传感器感知周围环境信息作为航空器飞行依据的导航技术。

定义利用传感器感知周围环境信息作为航空器飞行依据的导航技术。1

简介视觉导航主要包括视觉图像预处理，目标提取、目标跟踪、数据融介等问题。其中，运动目标检测可采用背景差法、帧差法、光流法等，固定标志物检测可用到角点提取、边提取、小变矩、Hough变换、贪婪算法等，目标跟踪可以分析特征进行状态估计，并与其他传感器融介，用到的方法有卡尔曼滤波、粒子滤波器和人工神经网络等。还有很多方法诸如全景图像几何形变的分析或者地平线的检测等没有进行特征提取，而是自接将图像的某一变量加到控制中去。

图像处理技术以及摄像机硬件的发展使得计算机视觉技术可以引入到无人机的导航问题中来。首先，依靠视觉所提供的实时信息可以与惯性导航和GPS信息进行融介，弥补后两者的缺陷，提高导航精度[4]。其次，摄像机更善于捕捉运动信息，传统的传感器则较吃力，从应用的角度来看，视觉信号的抗十扰性能很好，而无线电和GPS信号易受阻塞。最后，摄像机属于被动传感器，利用的是可见光或者红外线这种自然信息，这在军事隐蔽侦查上尤为重要。

导航中的视觉处理图像预处理从视觉传感器获得的图像或视频易受到噪声或者是背景的影响，和和需要先进行图像的预处理，它包括图像的去噪、灰度化、二值化等。

典型的去噪方法是滤波，其中中值滤波能有效抑制噪声，较好地保留边缘信息，是用于边缘跟踪的一种实用去噪方法。

静止目标特征提取在导引无人机小范围飞行或起降时，常利用静比的标志物，它们既可以是专门设计的诸如定点降落时常常在降落点事先放置特殊形状或颜色的标志物，又可以是本来就有的道路，楼房，门窗，电线甚至地平线等。其提取方法包括角点提取、边提取、小变矩、Hough变换、贪婪算法等等。

运动目标特征提取无人机大范围长时间的飞行时，所利用的特征标志物多是运动的，例如，将地而的运动车辆或是编队飞行中队列中的其他无人机作为标志物等。对运动目标的特征提取可以采用与静比标志物的特征提取相同的方法，也可以采用特定的运动物体检测方法，例如光流法、背景差法、帧差法等。

采用静比特征的提取方法来检测运动物体时，和和需要在图像序列中进行特征匹配，继而进行运动估计，最后对小同的运动估计聚类，提取运动物体。2

本词条内容贡献者为:

胡启洲 - 副教授 - 南京理工大学