視覺導航

視覺導航主要包括視覺圖像預處理，目標提取、目標跟蹤、數據融介等問題。其中，運動目標檢測可採用背景差法、幀差法、光流法等，固定標誌物檢測可用到角點提取、邊提取、小變矩、Hough變換、貪婪算法等，目標跟蹤可以分析特徵進行狀態估計，並與其他傳感器融介，用到的方法有卡爾曼濾波、粒子濾波器和人工神經網絡等。還有很多方法諸如全景圖像幾何形變的分析或者地平線的檢測等沒有進行特徵提取，而是自接將圖像的某一變量加到控制中去。

圖像處理技術以及攝像機硬件的發展使得計算機視覺技術可以引入到無人機的導航問題中來。首先，依靠視覺所提供的實時信息可以與慣性導航和GPS信息進行融介，彌補後兩者的缺陷，提高導航精度[4]。其次，攝像機更善於捕捉運動信息，傳統的傳感器則較吃力，從應用的角度來看，視覺信號的抗干擾性能很好，而無線電和GPS信號易受阻塞。最後，攝像機屬於被動傳感器，利用的是可見光或者紅外線這種自然信息，這在軍事隱蔽偵查上尤為重要。

從視覺傳感器獲得的圖像或視頻易受到噪聲或者是背景的影響，和和需要先進行圖像的預處理，它包括圖像的去噪、灰度化、二值化等。

典型的去噪方法是濾波，其中中值濾波能有效抑制噪聲，較好地保留邊緣信息，是用於邊緣跟蹤的一種實用去噪方法。

在導引無人機小範圍飛行或起降時，常利用靜止的標誌物，它們既可以是專門設計的諸如定點降落時常常在降落點事先放置特殊形狀或顏色的標誌物，又可以是本來就有的道路，樓房，門窗，電線甚至地平線等。其提取方法包括角點提取、邊提取、小變矩、Hough變換、貪婪算法等等。

無人機大範圍長時間的飛行時，所利用的特徵標誌物多是運動的，例如，將地而的運動車輛或是編隊飛行中隊列中的其他無人機作為標誌物等。對運動目標的特徵提取可以採用與靜止標誌物的特徵提取相同的方法，也可以採用特定的運動物體檢測方法，例如光流法、背景差法、幀差法等。

採用靜止特徵的提取方法來檢測運動物體時，和和需要在圖像序列中進行特徵匹配，繼而進行運動估計，最後對小同的運動估計聚類，提取運動物體。 ^[1]