论文针对小型运动体在卫星信号拒止情况下的自主导航问题,借鉴生物导航机理,从仿生传感器和仿生导航方法两个层面,研究了多目偏振视觉仿生导航方法。论文的主要研究工作和研究成果总结如下:(1)提出了一种基于阵列式偏振光罗盘的定向算法。首先,根据偏振光检测的基本原理,研究了冗余观测条件下偏振模态的最小二乘估计方法;其次,建立了基于瑞利散射模型的天空偏振模式,提出了基于特征向量的太阳方位最优估计方法,该方法通过综合利用视场范围内的偏振信息,显著提高了偏振光罗盘的定向精度;最后,针对复杂环境下(受树叶、建筑物等遮挡)偏振光罗盘的定向问题,提出了一种基于随机抽样一致性(RANSAC)的太阳方向矢量估计方法,实验结果表明:即使受到严重遮挡而仅能看到一小部分天空区域(低至0.028%)的偏振模式,该算法依然可以提供准确的定向信息。(2)探索了一种新型偏振视觉传感器优化设计与集成方法。首先,对检偏器的角度布局进行了优化设计,确定了采用N等分180°的最优布局方案,为传感器设计提供了理论依据;其次,针对多目偏振视觉传感器的安装误差特性进行了详细分析,提出了一种多相机联合标定方法,显著提高了相机间的光路配准精度;最后,探索了基于像素偏振片的微阵列式光罗盘结构设计与集成方法,并初步开展了传感器标定与测试方法研究,建立了传感器测量误差模型并分析了安装误差的允许范围,为项目组后续的研究工作打下了基础。(3)探索了一种基于偏振视觉的图像增强新方法。首先,基于对场景图像的偏振特性分析,提出了一种抑制光线传输过程中受粒子散射干扰的方法,使图像对比度得到显著增强,并研究了基于偏振信息进行场景辨识和目标探测的方法;其次,在“折射-反射”场景中,利用偏振分析方法实现了透射场景和反射场景的重建,从而抑制了场景间的相互干扰,使得观测目标的轮廓及纹理细节更加清晰。(4)提出了一种仿生节点识别及场景特征表达方法。首先,研究了基于网格细胞模型的拓扑节点识别方法,提出了一种惯性/视觉里程计辅助的序列图像匹配方法,从而显著提高了节点识别效果;其次,基于人脑的视觉机理以及人工智能领域深度学习算法,探索了基于卷积神经网络的场景特征表达方法,解决了视角大小不同的相机之间基于全局特征的图像匹配难题;最后,研究了导航拓扑节点的构建方法,实现了对导航经验知识的有效组织和利用。(5)提出了一种基于航向/位置约束的仿生导航算法。以微惯性/视觉组合导航完成几何空间内的航迹推算,以光罗盘定向结果作为航向约束,以拓扑节点识别结果作为位置约束,进而修正导航系统的累积误差,建立了“航迹推算+航向约束+位置约束”的仿生导航模式,并实现了相应的仿生导航算法;分析了不同约束条件下系统状态的可观性,为相关的理论及应用研究提供参考依据。实验结果表明,该算法能够显著提高组合导航系统的定位定向精度。