非充分光照下的单目合作目标提取算法

合作目标方案在辅助飞行器着陆、物资投递、工程量测中具有重要应用价值.为解决单目视觉定位任务中非充分光照条件下合作目标识别不准确、提取过程易丢失等问题,提出了结合改进自适应局部阈值二值化与形态学约束的轮廓提取方案.以图像明度通道值作为灰度化依据,提出使用自适应局部阈值的方法对像素点进行二值化处理,结合使用形态学约束条件筛...     

基于视惯融合的无人飞行器导航数据仿真方法

无人飞行器在卫星信号拒止情况下难以获得较高的导航精度。为此，需要研究基于载体自身传感设备的自主导航定位方法。立足于飞行器平台的视觉惯性紧耦合算法架构VINS-Mono，提出并设计了一种视觉惯性数据仿真方法，针对匀速直线运动过程无法恢复视觉尺度的问题，进行了初始化运动轨迹补充。仿真研究结果表明，该方法所补充的轨迹能够很好地对齐视觉与惯性信息并恢复尺度，实现导航参数的正确求解。理想条件下500m平飞范围内定位误差占比不超过真值的3.5%，可作为评估卫星拒止环境下无人飞行器视觉惯性组合导航性能的参考方案。     

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法.首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图.然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图.接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域.再利用边缘生长法对每一个连通域的视差进行恢复.最后,使用左右一致性检测方法对视差图进行优化.实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02％.