论文部分内容阅读
无人机将在未来少人或无人采矿中发挥重要的作用,而井下巷道环境地图是井下无人机实现自主导航的关键。针对井下巷道部分区域环境,采用人工路标辅助,提出了可靠有效的环境地图创建方法与基于环境地图的特征匹配方法,有利于无人机在井下巷道环境中更高效的自主导航。针对井下巷道其余未知区域环境,提出了可靠有效的线段特征拟合算法,有利于无人机在未知井下巷道环境中创建环境地图。具体研究成果如下:(1)对井下无人机自主导航所涉及的环境地图创建方法进行了研究,提出了一种基于引导反光标识牌的几何-拓扑混合地图创建方法。该方法预先在井下巷道壁两侧部署相同形制的反光标识牌作为人工路标,通过识别人工路标及其周围一定范围内的自然路标,并将两者进行关联,创建了基于特征点的局部几何地图,可使每个反光标识牌唯一标识巷道特定位置。同时将每对人工路标的中点作为拓扑结点,创建了全局拓扑地图。仿真结果表明,采用本文算法即使在光线较弱的巷道中也可以快速准确地识别路标,混合地图既能保证局部的精确性,又能保证全局的连贯性,并且存储量较小,适于应用到结构化的井下巷道环境中。(2)对井下无人机自主定位所涉及的环境特征匹配方法进行了研究,提出了一种基于混合地图的Grid-FLANN-RANSAC特征匹配方法。该方法首先将待匹配图像与基准图像划分为多个网格,以网格为单位,采用FLANN算法寻找匹配点对,可有效降低特征粗匹配时的计算量。其次,采用RANSAC算法剔除了误匹配点对,使正确匹配率接近100%。仿真结果表明,本文算法不仅具有良好的光照不变性、旋转不变性和尺度不变性,而且有很高的匹配正确率,可以根据特征图像和环境地图实时获取无人机当前的位置信息。(3)对井下无人机自主导航所涉及的未知环境线段特征拟合方法进行了研究。提出了一种结合图像增强、Canny边缘检测、Hough变换拟合与同线合并算法的线段特征拟合方法。首先,提出一种基于照度调整与引导滤波的SSR图像增强算法,克服了特征图像存在光照不均的缺点。其次,采用了 Canny算法检测边缘点特征,并采用Hough变换拟合成直线,最后进行了同线性判断,减小了 Hough变换网格尺寸对拟合精度的影响。仿真结果表明,本文算法提高了弱光环境下线段拟合的精度。上述工作对进一步实现井下无人机的自主导航具有一定的参考价值。