[实用新型]一种基于双目视觉的无人机自主障碍物检测系统

说明书

技术领域

本实用新型属于无人机技术领域，尤其是一种基于双目视觉的无人机自主障碍物检测系统。

背景技术

随着飞行器相关技术的不断发展及其应用场景的复杂化，对其环境感知能力提出了更高的要求。基于视觉的导航技术具有探测范围宽、信息容量大等优势，此外其具有对飞行环境变化捕捉迅速、反应敏锐等特点，因此在飞行器导引导航研究中得到了越来越多的关注。

基于视觉的环境感知属于被动测量方式，与激光、雷达及超声等主动测量方式相比，可减少多个测量装置在检测过程中的相互干扰，更为重要的是可降低在某些特定环境(如战场)使用时被发现的概率，具有较强的隐蔽性。

基于视觉的飞行环境中障碍物感知应用可使用单目或双目视觉，其中双目视觉可获得较单目视觉更高的精度，而应用较为广泛。单目视觉使用一台机载摄像机获取飞行图像，然而飞行环境的三维信息会在图像投影过程中丢失，虽可利用多帧图像或离线训练的方法还原环境的深度信息，但处理过程复杂，导致机载嵌入式处理器难以实现实时处理，目前只能做到将图像传回地面站解算后再返回无人机的方式进行障碍物规避控制。而双目视觉基于视差原理，其产生的立体视觉信息可以直接恢复目标环境的三维坐标，进而可获得环境的深度信息，对于未知飞行环境中的障碍物及潜在碰撞的检测具有重要的实用意义。

双目视觉是计算机视觉的一个重要分支，双目视觉可以模仿人的眼睛和人类立体视觉感知的过程，是计算机视觉研究的核心主题之一。近年来，双目视觉技术在障碍物检测、工业自动化生产、智能安防系统等领域得到了广泛的应用。但是，现有的基于视觉的障碍物感知方法存在的诸多问题，计算机视觉方法在飞行器中的应用主要集中于自主着陆、景象匹配与目标识别以及视觉惯性组合导航等。自主着陆中的视觉方法着眼于飞行器着陆阶段，且需要已知着陆场信息，无法应用于飞行器的任务执行阶段；景象匹配及目标识别，需要建立景象匹配的机载数据库以查找已知目标信息并采用视觉方法得到目标的相对位置，但在飞行器飞行过程中所处的自然环境却无能为力；而将计算机视觉技术与机载惯导数据结合在一起的导航方法计算量较大，当飞行环境复杂时无法满足实时导航的要求。因此，虽有将视觉方法应用于飞行器导航的研究，但这些方法一方面需要已知目标信息或人工设置参考信息，另一方面存在潜在的实时性缺陷，无法满足飞行器执行任务时所处自然环境中的导航应用需求。

众所周知，视觉图像处理需要在单位时间内处理大量数据，需要快速的数据运算能力，然而数据运算过程却相对简单。目前可用于视觉图像处理的计算平台主要有CPU、GPU、ASIC、DSP、FPGA等。

嵌入式CPU的计算能力有限，对于一些计算复杂度很高的视觉算法，其处理速度常常难以满足系统的实时性需要。

GPU具有高度的并行计算能力，可以较好地解决计算速度的问题，然而，基于GPU的计算机视觉系统存在着功耗较高、体积较大的缺点，难以满足依靠自身所带电池供电并长时间工作的无人机系统的需要。

利用专用集成电路ASIC实现视觉处理算法，可以解决视觉系统性能和体积、功耗之间的矛盾，是高性能嵌入式视觉系统的一种有效的解决方案。然而，ASIC开发周期长，修改性及通用性较差。

FPGA可以通过编程方便地修改其内部的逻辑功能，从而实现高速的硬件计算和并行运算，是高性能嵌入式视觉系统的一种更加方便的解决方案。基于FPGA的嵌入式视觉系统的功耗远远低于基于CPU和GPU的视觉系统，FPGA的功耗通常不到1W，而高性能CPU和GPU的功耗通常都在100W以上。随着技术的不断进步，FPGA的集成度越来越高，可以实现的设计规模越来越大，而功耗则越来越低。因此，基于FPGA的嵌入式视觉系统成为计算机视觉系统的重要发展方向。

可编程片上系统技术在单个芯片上集成包括处理器核心和主要外设在内的逻辑功能，这些逻辑功能可以随着应用目的的改变而重新配置，这使得系统可以随时减裁、扩充或升级，使得FPGA可以在片内配置嵌入式处理器的内核，使得FPGA也可具有片内高速的存储单元，丰富的IP核资源和足够的片上逻辑资源。

与通用计算机相比，嵌入式系统在功耗、体积和成本上有着不可比拟的优势。基于ARM的嵌入式系统因此被广泛应用于工业、民用甚至军事等领域。Linux操作系统具有很高的性能，在计算相同的数据量时，对嵌入式系统的功率索取量极小，这也使得Linux得以在嵌入式领域有很强的竞争力。