【《光流导航技术国内外研究现状国内外文献综述》2100字】

福州大学硕士学位论文光流导航技术国内外研究现状国内外文献综述在光流导航探索阶段，昆士兰大学M.V.Srinivasan教授对蜜蜂的导航方法进行了多年的研究[12]。该研究团队发现蜜蜂为了保持等距离，飞过一条隧道时试图平衡在墙壁侧面双方的光流。从而推断出在飞行过程中，蜜蜂通过复眼感受到的周围场景变化来导航。这些发现启发了人们利用光流进行导航[13][14]。1.1国外光流导航技术发展现状基于光流法的视觉导航技术在国外起步较早，在该技术发展的期间也伴随着硬件传感器的不断更新换代。在光流导航技术研究早期，由于硬件条件的限制，多数光流导航方案采用光电鼠标传感器作为光流传感器，该类传感器经过改进之后能以1000帧的采样频率采集图像，并用于光流测量[15]。2006年，杨百翰大学S.Griffiths等人基于光电鼠标传感器与激光测距仪等硬件，自行研制了一种可用于无人机的避障和地形跟踪系统，如图1-1所示，并通过飞行实验验证了其有效性[16]。2007年，澳洲国立大学J.Kim等人针对前人的光流导航方案不能测量深度信息的缺陷，使用了两个光学鼠标传感器来实现一个轻量级的小型飞行机器人导航系统[17]，如图1-2所示。同时，使用卡尔曼滤波将光流信息与低成本的惯性传感器信息融合，最后在室内环境下开展实验，实验结果证明该方案显著改进了导航性能，能有效地抑制高度、速度和姿态误差。上述方案均采用光电鼠标传感器，但该传感器对光照条件敏感，在光照不足的场景下适应性不强。图1-1固定翼无人机光流导航验证系统图1-2双光流导航系统随着微电子技术的发展，CMOS相机朝着小型化的方向发展，光流导航技术的发展因此也来到了新的阶段。2009年，法国工业大学F.Kendoul等人利用低分辨率摄像机和低成本惯性测量单元实时估计光流、飞机自运动和深度图的三维视觉算法；然后利用三个嵌套的卡尔曼滤波器，实现了小型无人飞行器的自主飞行[18]，该系统实物图如图1-3所示。2013年，苏黎世联邦理工学院的D.Honegger等人为PIXHAWK飞控开发了PX4FLOW光流传感器[19]。如图1-4所示，该传感器利用CMOS相机采集图像，并利用块匹配的方法计算光流，结合超声波传感器进行测高，实现了对无人机速度与位置信息的快速估计，并能辅助PIXHAWK飞控实现无人机的室内定位。上述方案都采用小型CMOS相机作为传感器，但早期的CMOS光流传感器的方案，通常存在图像分辨率较低及帧率不高的问题，因此对光流导航的实际效果产生了影响。图1-3小型光流自主导航无人机图1-4PX4FOW光流传感器随着近年来硬件及各类新兴技术快速发展，人们逐渐追求结合多种技术在更复杂的环境下应用光流技术进行导航。2017年，荷兰代尔夫特理工大学K.McGuire等人，创造性的使用了基于图像边缘直方图匹配的光流算法，在40g的微型无人机上实现的光流自主导航，如图1-5所示[21]。2018年，日本千叶大学H.Chuang等人针对前人使用的相机帧率低，不足以支撑无人机高速飞行控制的问题；创造性的提出了利用GPU硬件加速及配备高速相机的光流导航方案如图1-6所示，实现了无人机的高速精确地速度估计[22]。2020年，韩国蔚山国立科学技术研究所S.Back等人，将基于神经网络的光流算法用于自行车道避障跟踪方法，通过结合航迹跟踪、干扰恢复和避障等方法，使得无人机可以处理航迹行驶时遇到的各种情况。并使用数据集仿真及实际飞行实验验证了该方法的可行性和性能[23]。图1-550g小型无人机实物图图1-6高速光流估计系统实物图1.2国内光流导航技术发展现状相对于国外各大研究机构和高校，国内科研人员对光流导航技术的研究起步较晚，但近年来的发展却很迅速，也取得了不少成果。早期国内的基于光流法的导航研究，多采用机器人为验证平台或者仿真的方式进行研究，从而降低课题研究的难度。2011年，华中科技大学潘超提出了由生物启发的光流复合导航方法。并分别使用航拍图像和移动机器人如图1-7所示，对该算法进行实验验证，实验结果显示该算法可以适用于实际环境，并能在长远距离的导航中保持较高的精度[24]。南京理工大学班跃海于2012年对光流场在常规折反射全景图像及鱼眼图像中的分布问题进行了研究，同时提出利用光流场的分布作为避障的依据，并通过仿真的方式对避障效果进行了验证[25]，其仿真场景如图1-8所示。2014年，北京工业大学徐丽针对传统微分光流算法存在的问题，提出了局部与全局相结合的算法。并提出了一种基于该光流法的用于机器人避障的改进平衡策略，并最终通过仿真的形式进行了验证[26]。图1-7移动机器人图1-8光流导航仿真场景随着国内多旋翼无人机研究团队的发展，越来越多的高校采用多旋翼无人机作为光流导航验证平台。北京航空航天大学吴琦等人于2015提出了一种结合地标定位与光流的导航方法，并利用搭建的八旋翼无人机进行实验，并将实验结果与PIXFLOW的数据进行对比，验证了所提出的导航方案可以显著的降低光流测量的噪声，并能解算出精确的位置与速度[26]。2016年，中北大学C.Shen等人通过光流和惯性单元及磁力计组合导航实现了多传感器辅助的无人机短期自主导航[27]，其实物图如图1-9所示。同年，南京航空航天大学邓一民利用基于ROB特征点的Lucas-Kanade光流计算方法及光流/惯性组合导航方案，采用Pixhawk飞控搭建的四旋翼无人机平台，如图1-10所示，实现了无人机长期自主导航，且导航精度优于GPS导航[37]。图1-9短期自主导航平台图1-10光流/惯性长期自