[发明专利]一种基于自适应蚁群智能的空中机器人视觉分层匹配方法

说明书

(一)技术领域

本发明涉及一种空中机器人视觉分层匹配方法，属于计算机视觉信息处理 领域。

(二)背景技术

空中机器人在侦察巡逻、电子干扰、通信中继、自然灾害的监视与支援等 很多军事及民用领域具有广泛的应用价值，一直受到世界各国的普遍重视。其 中视觉匹配系统是空中机器人系统组成中极其重要的一部分，在空中机器人完 成目标检测、定位导航等任务过程中起着不可或缺的关键作用，是空中机器人 研究的热点之一。

视觉匹配中对于尺寸很大的搜索图，图像相关匹配的数据量和计算量很大， 而图像相关匹配的计算实时性在一定程度上又决定了该技术的实用性。因此， 和可靠性、精度一样，图像匹配的速度也是性能的重要体现。为了加快图像匹 配速度，常用的快速匹配方法主要有两种：一种是减少在非匹配点上的相关计 算总量，如序贯相似性检测算法；另一种是改进搜索策略以避免不必要的计算， 如多分辨率塔形结构算法。研究表明，图像匹配的速度主要取决于匹配算法的 搜索策略。由于传统匹配算法的基本搜索策略是遍历性的，为了找到最优匹配 点，传统方法均必须在搜索区域内的每一个像素点上进行区域相关匹配计算， 但除了一个最优匹配点外，绝大部分时间都是在非最优匹配点上作匹配计算。 因此，如果能找到一种有效的搜索策略实现非遍历性搜索，则图像匹配速度将 大大提高。

蚁群优化(Ant Colony Optimization)算法是一种最新发展的模拟昆虫王国中 蚂蚁群体觅食行为的仿生优化算法，该算法采用了正反馈并行自催化机制，具 有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合等优点，在解 决许多复杂优化问题方面已经展现出其优异的性能和巨大的发展潜力。

蚁群优化算法是由蚂蚁觅食行为演化来的优化算法，蚂蚁个体之间是通过 一种称之为信息素(Pheromone)的物质进行信息传递，从而能相互协作，完成复 杂的任务。蚂蚁在运动过程中，在它所经过的路径上会留下一定量的信息素， 信息素的强度与路径长度有关。并且蚂蚁在运动过程中能够感知路径上信息素 的存在及其强度，并以此指导自己的对路径的选择，蚂蚁倾向于朝着信息素强 度较高的方向移动。因此，由大量蚂蚁组成的蚁群的集体行为便表现出一种信 息正反馈现象：某一路径上走过的蚂蚁越多，则后来者选择该路径的概率就越 大。蚂蚁个体之间就是通过这种信息的交流达到搜索食物的目的。蚁群算法采 用了正反馈并行自催化机制，该算法具有较强的鲁棒性、优良的分布式计算机 制、易于与其他方法结合等优点，在解决其他许多复杂优化问题方面也已经展 现出了优异的性能和巨大的发展潜力。

自然界中，像蚂蚁这类社会性动物，单只蚂蚁的能力和智力非常简单，但 它们通过相互协调、分工、合作完成不论工蚁还是蚁后都不可能有足够能力来 指挥完成的筑巢、觅食、迁徙、清扫蚁穴等复杂行为。蚂蚁的食物源总是随机 散布于蚁巢周围，我们只要仔细观察就可以发现，经过一段时间后，蚂蚁总能 找到一条从蚁巢到食物源的最短路径。科学家曾经通过“双桥实验”对蚁群的觅 食行为进行了研究。发现除了能找到巢穴和食物源之间的最短路径之外，蚁群 对环境有着极强的适应能力。例如当原有的最短路径由于一个新的障碍物的出 现而变得不可行时，蚁群能迅速找到一条新的最短路径。因此，在现实生活中， 我们总可以观察到大量蚂蚁在巢穴与食物源之间形成近乎直线的路径，而不是 曲线或者圆等其它形状，如图1(a)所示。蚂蚁群体不仅能完成复杂的任务，而 且还能适应环境的变化，如在蚁群运动路线上突然出现障碍物时，一开始各只 蚂蚁分布是均匀的，不管路径是否长短，蚂蚁总是先按同等概率选择各条路径， 如图1(b)所示。蚂蚁在运动过程中，能够在其经过的路径上留下信息素，而且 能感知这种物质的存在及其强度，并以此指导自己运动的方向，蚂蚁倾向于信 息素浓度高的方向移动。相等时间内较短路径上的信息量就遗留得比较多，则 选择较短路径的蚂蚁也随之增多，如图1(c)所示。不难看出，由于大量蚂蚁组 成的蚁群集体行为表现出了一种信息正反馈现象，即某一路径上走过的蚂蚁越 多，则后来者选择该路径的概率就越大，蚂蚁个体之间就是通过这种信息交流 机制来搜索食物，并最终沿着最短路径行进，如图1(d)所示。