[发明专利]一种基于单目视觉的无人机障碍物识别方法

说明书

本发明公开了一种基于单目视觉的无人机障碍物识别方法，包括以下过程：获取单目相机采集到的无人机正前方图像，并将此图像转换成灰度图像；并从灰度图像中提取各特征点；获取单目相机采集到的另一幅无人机正前方图像，将此图像转换为灰度图像，并从灰度图像中提取各特征点；将两幅图像中的各特征点进行匹配，将相匹配的两特征点构成匹配点对；遍历每对匹配点对，判断无人机与特征点对应障碍物是否超出安全距离。本发明方法由于计算量低，计算速度也大大加快，实时性强，可以在无人机飞行速度较快时仍然有效，可以减少在遇到突发障碍物时所需的反应时间。

技术领域

本发明属于无人机图像处理技术领域，具体涉及一种基于单目视觉的无人机障碍物识别方法。

背景技术

近年来随着无人机的发展，无人机自动巡航技术的应用范围越来越广泛。自动巡航的过程中要求无人机能够自动识别并躲避障碍物，传统的避障方法大多基于各类传感器，无人机必须搭载专用的模块，增加了成本和功耗，减少了巡航时间。近年来随着图像处理技术的发展，基于机器视觉的避障方法开始兴起；另一方面，现在的无人机大多会搭载摄像头，此类方法无需额外增加设备。目前常用的视觉避障方法分为单目视觉和双目视觉，双目视觉硬件成本高，同一时间处理数据量大，效率低；单目视觉的各类方法也各有各的缺陷，仍需进一步的改进和完善。

目前，常用的单目视觉障碍物识别方法多为提取前后两幅连续图像特征点并匹配，通过对比匹配点对的位置变化，以及前后两幅图像提取时间间隔内无人机的移动距离，根据三角形相似定理计算距离。常用的图像特征算法包括SIFT(尺度不变特征变换)算法、SURF(加速稳健特征)算法等，但以上两种算法计算用时较长，而无人机避障对实时性要求较高，因此并不适合。2011年，Ethan Rublee等人提出了ORB(Oriented FAST and RotationBRIEF)算法，较之SIFT算法和SURF算法，速度分别提高了100倍和10倍之多。但是ORB算法亦有缺点：不具备尺度不变性，而无人机在接近障碍物的过程中必然伴随着图像尺寸的变化，因此ORB算法若想应用于无人机避障，必须加以改进。

发明内容

本发明的目的在于克服现有技术中的不足，提出了一种基于单目视觉的无人机障碍物识别方法，解决了原ORB算法不具备尺度不变性的缺点，使其可以应用于无人机避障。

为解决上述技术问题，本发明提供了一种基于单目视觉的无人机障碍物识别方法，其特征是，包括以下过程：

获取单目相机采集到的无人机正前方图像，并将此图像转换成灰度图像；并从灰度图像中提取各特征点；

获取单目相机采集到的另一幅无人机正前方图像，将此图像转换为灰度图像，并从灰度图像中提取各特征点；

将两幅图像中的各特征点进行匹配，将相匹配的两特征点构成匹配点对；

遍历每对匹配点对，判断无人机与特征点对应障碍物是否超出安全距离。

进一步的，图像转换成灰度图像后，先对灰度图像进行高斯滤波。

进一步的，所述对灰度图像进行高斯滤波包括：

采用盒子滤波器对灰度图像进行高斯滤波。

进一步的，所述从灰度图像中提取各特征点包括以下过程：

获取灰度图像在不同尺度下的响应图用以构建尺度空间金字塔，

通过尺度空间金字塔中各响应图中点的响应值的对比，提取特征点。

进一步的，获取灰度图像在不同尺度下的响应图用以构建尺度空间金字塔包括：

用若干不同尺寸的盒子滤波器对灰度图像进行滤波，滤波后产生的响应图构成一组，若干组响应图构成尺度空间金字塔。

进一步的，通过尺度空间金字塔中各响应图中点的响应值的对比提取特征点包括：