文 献 综 述
无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。
在传统的导航方法中，卫星导航是应用最广泛的导航方法。但是无人机在城市或者室内飞行时，由于楼宇、森林和墙壁等阻碍，卫星信号将不可用，加之普通的惯性测量元件存在精度低和严重漂移等问题，传统的导航方法将不能满足无人机的导航需求，因此基于视觉感知系统的无人机导航方法被广泛研究和应用。这些技术主要包括单目/双目视觉里程计( Visual Odometry，VO)[1-3]、 单目/双目视觉同时定位与建图( Visual Simultaneous Localization and Mapping，V-SLAM)[4-7]、图像光流[8-11]等，且多采用组合导航方法。文献[1-2]利用视觉、激光、惯导和 GPS的组合导航实现多旋翼无人机室内/外自主飞行; 文献[3-7]利用视觉/惯导组合导航实现无人机车/无人机位姿估计。部分消费级无人机，如大疆创新科技有限公司的精灵4利用2个双目视觉传感器和1个单目视觉传感器实现了自主避障、室内飞行和行人跟踪[10]; 零零无限科技有限公司的Hover Camera利用一个下视和前视视觉传感器实现室内指尖放飞、定点和跟拍飞行[11]。无人机是一个在三维空间运动，且只有 6 自由度的平台，对算法的实时性和鲁棒性要求较高，而一般的视觉导航方法普遍存在更新速率低和延迟大的缺点。
文献[2]针对小型无人机在无卫星导航信号条件下的导航问题，结合光流及地标定位设计了使用摄像头、惯性测量器件、超声测距仪等传感器融合的无人机室内导航方法。文章使用补偿角速率的光流微分法计算帧间像素点小位移，并用前后误差算法提取精度较高的点，避免像素点跟踪错误，提高了光流测速的精度；对得到的光流场用均值漂移算法进行寻优，得到光流场直方图峰值，以此计算光流速度。文章提出了无累积误差的连续地标定位算法，实时测量无人机位置。通过多速率卡尔曼滤波器对观测周期不一致的位置、速度信息进行最优估计。在搭建的八旋翼无人机平台上试验，将位置与速度测量结果分别与激光和PX4FLOW数据对比，结果表明该导航方法可以有效抑制定位跳变与光流测量噪声误差,给出精确的位置与速度估计。
无人机机载传感器正向兼具准确、重量轻与高成本效益方向发展，而小型无人机自主控制对任务能耗与机载传感器重量有较大限制，如何使小型无人机在室内环境自主飞行仍是难题。而视觉传感器具有重量轻、信息丰富等优点,可为无人机提供自身运动以及飞行环境信息。随着机器视觉技术发展，已有将该技术应用于无人机自主降落、短距导航的先例。光流是一种飞虫选择的导航方式，经过近30年研究，光流图像运动估计已达到一定精度，由于运算速度快,光流在运动估计上已开始应用。光流直接测量速度，仍然无法较精确得到定位信息。由于室内多存在地板，文章针对地面铺设有纹理的地板革环境展开室内导航研究。利用地板纹理进行基于稀疏光流的速度估计，并利用地板边线交点进行地标定位，将位置速度信息经过多速率卡尔曼滤波输出无人机实时导航信息。
文献[2]工作者利用SHIY光流流与地标定位融合的导航算法(Naviga-tion algorithm based on fusion of optical flow and landmark)来进行实验，其中包括：
(1)基于前后误差分析的光流计算：Step1 NCC计算、Step2 FBE分析、Step3 过滤计算
(2)光流场数据的均值漂移寻优
(3)补偿角速率的无人机光流运动估计
(4)地标定位的单目视觉里程计：Step1 预估当前位置、Step2 更新转移矩阵、Step3 地标匹配.、Step4 根据匹配地标定位
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
