福州大學(xué)碩士學(xué)位論文光流導(dǎo)航技術(shù)國(guó)內(nèi)外研究現(xiàn)狀國(guó)內(nèi)外文獻(xiàn)綜述在光流導(dǎo)航探索階段，昆士蘭大學(xué)M.V.Srinivasan教授對(duì)蜜蜂的導(dǎo)航方法進(jìn)行了多年的研究[12]。該研究團(tuán)隊(duì)發(fā)現(xiàn)蜜蜂為了保持等距離，飛過(guò)一條隧道時(shí)試圖平衡在墻壁側(cè)面雙方的光流。從而推斷出在飛行過(guò)程中，蜜蜂通過(guò)復(fù)眼感受到的周?chē)鷪?chǎng)景變化來(lái)導(dǎo)航。這些發(fā)現(xiàn)啟發(fā)了人們利用光流進(jìn)行導(dǎo)航[13][14]。1.1國(guó)外光流導(dǎo)航技術(shù)發(fā)展現(xiàn)狀基于光流法的視覺(jué)導(dǎo)航技術(shù)在國(guó)外起步較早，在該技術(shù)發(fā)展的期間也伴隨著硬件傳感器的不斷更新?lián)Q代。在光流導(dǎo)航技術(shù)研究早期，由于硬件條件的限制，多數(shù)光流導(dǎo)航方案采用光電鼠標(biāo)傳感器作為光流傳感器，該類傳感器經(jīng)過(guò)改進(jìn)之后能以1000幀的采樣頻率采集圖像，并用于光流測(cè)量[15]。2006年，楊百翰大學(xué)S.Griffiths等人基于光電鼠標(biāo)傳感器與激光測(cè)距儀等硬件，自行研制了一種可用于無(wú)人機(jī)的避障和地形跟蹤系統(tǒng)，如圖1-1所示，并通過(guò)飛行實(shí)驗(yàn)驗(yàn)證了其有效性[16]。2007年，澳洲國(guó)立大學(xué)J.Kim等人針對(duì)前人的光流導(dǎo)航方案不能測(cè)量深度信息的缺陷，使用了兩個(gè)光學(xué)鼠標(biāo)傳感器來(lái)實(shí)現(xiàn)一個(gè)輕量級(jí)的小型飛行機(jī)器人導(dǎo)航系統(tǒng)[17]，如圖1-2所示。同時(shí)，使用卡爾曼濾波將光流信息與低成本的慣性傳感器信息融合，最后在室內(nèi)環(huán)境下開(kāi)展實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明該方案顯著改進(jìn)了導(dǎo)航性能，能有效地抑制高度、速度和姿態(tài)誤差。上述方案均采用光電鼠標(biāo)傳感器，但該傳感器對(duì)光照條件敏感，在光照不足的場(chǎng)景下適應(yīng)性不強(qiáng)。圖1-1固定翼無(wú)人機(jī)光流導(dǎo)航驗(yàn)證系統(tǒng)圖1-2雙光流導(dǎo)航系統(tǒng)隨著微電子技術(shù)的發(fā)展，CMOS相機(jī)朝著小型化的方向發(fā)展，光流導(dǎo)航技術(shù)的發(fā)展因此也來(lái)到了新的階段。2009年，法國(guó)工業(yè)大學(xué)F.Kendoul等人利用低分辨率攝像機(jī)和低成本慣性測(cè)量單元實(shí)時(shí)估計(jì)光流、飛機(jī)自運(yùn)動(dòng)和深度圖的三維視覺(jué)算法；然后利用三個(gè)嵌套的卡爾曼濾波器，實(shí)現(xiàn)了小型無(wú)人飛行器的自主飛行[18]，該系統(tǒng)實(shí)物圖如圖1-3所示。2013年，蘇黎世聯(lián)邦理工學(xué)院的D.Honegger等人為PIXHAWK飛控開(kāi)發(fā)了PX4FLOW光流傳感器[19]。如圖1-4所示，該傳感器利用CMOS相機(jī)采集圖像，并利用塊匹配的方法計(jì)算光流，結(jié)合超聲波傳感器進(jìn)行測(cè)高，實(shí)現(xiàn)了對(duì)無(wú)人機(jī)速度與位置信息的快速估計(jì)，并能輔助PIXHAWK飛控實(shí)現(xiàn)無(wú)人機(jī)的室內(nèi)定位。上述方案都采用小型CMOS相機(jī)作為傳感器，但早期的CMOS光流傳感器的方案，通常存在圖像分辨率較低及幀率不高的問(wèn)題，因此對(duì)光流導(dǎo)航的實(shí)際效果產(chǎn)生了影響。圖1-3小型光流自主導(dǎo)航無(wú)人機(jī)圖1-4PX4FOW光流傳感器隨著近年來(lái)硬件及各類新興技術(shù)快速發(fā)展，人們逐漸追求結(jié)合多種技術(shù)在更復(fù)雜的環(huán)境下應(yīng)用光流技術(shù)進(jìn)行導(dǎo)航。2017年，荷蘭代爾夫特理工大學(xué)K.McGuire等人，創(chuàng)造性的使用了基于圖像邊緣直方圖匹配的光流算法，在40g的微型無(wú)人機(jī)上實(shí)現(xiàn)的光流自主導(dǎo)航，如圖1-5所示[21]。2018年，日本千葉大學(xué)H.Chuang等人針對(duì)前人使用的相機(jī)幀率低，不足以支撐無(wú)人機(jī)高速飛行控制的問(wèn)題；創(chuàng)造性的提出了利用GPU硬件加速及配備高速相機(jī)的光流導(dǎo)航方案如圖1-6所示，實(shí)現(xiàn)了無(wú)人機(jī)的高速精確地速度估計(jì)[22]。2020年，韓國(guó)蔚山國(guó)立科學(xué)技術(shù)研究所S.Back等人，將基于神經(jīng)網(wǎng)絡(luò)的光流算法用于自行車(chē)道避障跟蹤方法，通過(guò)結(jié)合航跡跟蹤、干擾恢復(fù)和避障等方法，使得無(wú)人機(jī)可以處理航跡行駛時(shí)遇到的各種情況。并使用數(shù)據(jù)集仿真及實(shí)際飛行實(shí)驗(yàn)驗(yàn)證了該方法的可行性和性能[23]。圖1-550g小型無(wú)人機(jī)實(shí)物圖圖1-6高速光流估計(jì)系統(tǒng)實(shí)物圖1.2國(guó)內(nèi)光流導(dǎo)航技術(shù)發(fā)展現(xiàn)狀相對(duì)于國(guó)外各大研究機(jī)構(gòu)和高校，國(guó)內(nèi)科研人員對(duì)光流導(dǎo)航技術(shù)的研究起步較晚，但近年來(lái)的發(fā)展卻很迅速，也取得了不少成果。早期國(guó)內(nèi)的基于光流法的導(dǎo)航研究，多采用機(jī)器人為驗(yàn)證平臺(tái)或者仿真的方式進(jìn)行研究，從而降低課題研究的難度。2011年，華中科技大學(xué)潘超提出了由生物啟發(fā)的光流復(fù)合導(dǎo)航方法。并分別使用航拍圖像和移動(dòng)機(jī)器人如圖1-7所示，對(duì)該算法進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果顯示該算法可以適用于實(shí)際環(huán)境，并能在長(zhǎng)遠(yuǎn)距離的導(dǎo)航中保持較高的精度[24]。南京理工大學(xué)班躍海于2012年對(duì)光流場(chǎng)在常規(guī)折反射全景圖像及魚(yú)眼圖像中的分布問(wèn)題進(jìn)行了研究，同時(shí)提出利用光流場(chǎng)的分布作為避障的依據(jù)，并通過(guò)仿真的方式對(duì)避障效果進(jìn)行了驗(yàn)證[25]，其仿真場(chǎng)景如圖1-8所示。2014年，北京工業(yè)大學(xué)徐麗針對(duì)傳統(tǒng)微分光流算法存在的問(wèn)題，提出了局部與全局相結(jié)合的算法。并提出了一種基于該光流法的用于機(jī)器人避障的改進(jìn)平衡策略，并最終通過(guò)仿真的形式進(jìn)行了驗(yàn)證[26]。圖1-7移動(dòng)機(jī)器人圖1-8光流導(dǎo)航仿真場(chǎng)景隨著國(guó)內(nèi)多旋翼無(wú)人機(jī)研究團(tuán)隊(duì)的發(fā)展，越來(lái)越多的高校采用多旋翼無(wú)人機(jī)作為光流導(dǎo)航驗(yàn)證平臺(tái)。北京航空航天大學(xué)吳琦等人于2015提出了一種結(jié)合地標(biāo)定位與光流的導(dǎo)航方法，并利用搭建的八旋翼無(wú)人機(jī)進(jìn)行實(shí)驗(yàn)，并將實(shí)驗(yàn)結(jié)果與PIXFLOW的數(shù)據(jù)進(jìn)行對(duì)比，驗(yàn)證了所提出的導(dǎo)航方案可以顯著的降低光流測(cè)量的噪聲，并能解算出精確的位置與速度[26]。2016年，中北大學(xué)C.Shen等人通過(guò)光流和慣性單元及磁力計(jì)組合導(dǎo)航實(shí)現(xiàn)了多傳感器輔助的無(wú)人機(jī)短期自主導(dǎo)航[27]，其實(shí)物圖如圖1-9所示。同年，南京航空航天大學(xué)鄧一民利用基于ROB特征點(diǎn)的Lucas-Kanade光流計(jì)算方法及光流/慣性組合導(dǎo)航方案，采用Pixhawk飛控搭建的四旋翼無(wú)人機(jī)平臺(tái)，如圖1-10所示，實(shí)現(xiàn)了無(wú)人機(jī)長(zhǎng)期自主導(dǎo)航，且導(dǎo)航精度優(yōu)于GPS導(dǎo)航[37]。圖1-9短期自主導(dǎo)航平臺(tái)圖1-10光流/慣性長(zhǎng)期自