在目标特征匹配阶段,根据前一帧目标姿态顶测当前帧目标姿态,从而确定待匹配的一组特征。接着根据已知的无人机模型,将包含候选特征的感兴趣区城(Region Of Interest, ROI)进行划分,便于减少后续匹配的计算量。然后,在各个ROI中,通过合适的方法寻找特征并与模型进行匹配。由于可能找到多个特征,因此需要通过非线性回归的方法确定最优匹配结果。图6为基于Harris角点检测和SIFT特征匹配的特征提取与匹配算法流程图。
图中左图像和右图像是经过校正的同一场景扫描所得到的左视图和右视图。该算法首先对左图运用Harris特征提取算法进行特征点提取。然后用SIFT特征描述子对特征点进行描述,利用欧氏距离的最近邻匹配策略完成初次立体匹配,找到匹配点。然后在图像中已经匹配点的周围,利用基于区域的匹配进行二次匹配,建立对应点匹配关系。
实时相对位姿计算(略)
实时相对位姿计算(略)
结束语
本文从理论上阐述了多变特征立体视觉位姿测量技术,在不增加无人直升机载荷的前提下,满足了无人直升机着陆过程中对高精度相对位姿信息的应用需求,为解决对无人直升机的跟踪和相对位姿信息测量的高精度问题提供了一定的理论依据。
该方法不仅可实现双目红外传感器稳定、可靠跟踪无人直升机运动,而且可以实时输出高精度相又寸位姿参数和红外双目传感器随动信息;具有全天候、高分辨率、抗干扰性强的特点,解决了单目红外成像系统在没有特殊特征图案情况下无法实时精确测量无人直升一机与运动平台的相对高度信息的问题,实现了对没有安装特定特征点的舰载无人直升机精确的位姿测量。