无人机视觉导航技术是目前计算机视觉领域研究的热点之一,其目的在于利用航拍图像的视觉信息实现无人机持续、可靠以及准确的定位。随着硬件平台的不断升级,无人机被广泛应用于国防、军事、灾害探测、地质勘探等诸多领域。大部分的无人机依靠配备的全球卫星导航系统(GNSS)来进行导航定位,然而该系统的无线电信号容易丢失或受到故意的攻击。定位系统对无人机进行稳定且安全的飞行起着至关重要的作用,基于视觉的导航 位技术不依赖卫星定位系统和无线电通信信号,对无人机在GNSS信号丢失的情况下实现自主飞行任务具有重要的意义。本文针对室外环境下的无人机视觉定位技术进行分析和设计,对视觉信息提取以及定位估计问题进行深入研究,并提出一系列改进措施。本文主要研究内容与贡献如下:(1)本 出了一种基于ORB特征的视觉信息处理算法。该算法包括图像特征提取、匹配筛选、描述子生成三个部分。本文针对图像匹配筛选阶段提出了改进措施。首先提取拍摄图像的ORB特征,然后采用改进的RANSAC算法对相邻帧之间的粗匹配进行筛选过滤,同时消除离群特征点。相对于传统的匹配方法,特征匹配精度得到提升,提取的特征点能更加准确地代表图像的视觉信息。(2)本文设计了一种视觉定位(BVL)过程,包括数据采集与定位估计两个主要步骤。数据采集是在数据库中存储图像特征描述符与定位信息的过程,而定位估计则是在视觉数据库中寻找与无人机观测到的当前场景最为匹配的图然后再进行进一步精确定位,这两个步骤可以同时并持续地进行。寻找得到的相似度最高的图像坐标将作为定位估计过程中的参考定位信息。(3)本文研究了一种改进的粒子滤波定位算法。针对标准粒子滤波定位算法在定位估计准确性易受粒子采样过程的影响等问题,提出了一种自适应采样方法,使其能根据系统状态分析粒子采样数目。同时将当前图像与参考图像之间的相似性转换为离散概率分布以改善粒子的权重分布情况。(4)通过ROS系统获取卫星图像视频帧,建立卫星图像视觉数据库,并对定位算法进行编程实现。实验结果表明,本文提出的技术方案可以满足视觉导航定位的需求。