● 摘要
近年来，随着视觉算法的优化以及配套软硬件的开发，视觉导航的应用范围不断扩大，并成为精确智能制导领域新的研究热点。本文从提高视觉导航实时性和准确性出发，提出了一种基于特征点光流的视觉导航方法。
本文的主要研究内容和工作包括以下几个方面：
提出了基于邻域权重的优化金字塔光流法。根据Lucas-Kanade（LK）光流算法的局部平滑假设，提出了基于邻域点与中心点的位置差异、亮度差异和遮挡变量的权重，对能量方程的数据项和平滑项进行邻域权重的优化，提高了光流计算的准确性。采用变窗口的优化金字塔法解决大光流估计问题，提高了算法的图像尺寸适应性。
提出了DASI特征点（Dynamic Adaptive Scale Invariant，动态自适应尺度不变特征点）的提取方法。采用动态自适应分块与尺度不变特征点结合的方法，提取了具有旋转、光照变化、仿射变换、尺度不变性特征点。在这些特征点的区域进行光流计算有效地提高了准确性并减少时间消耗。
提出了基于DASI特征点的优化金字塔光流法。本文通过实验证明了金字塔算法中在不同的图像层提取特征点对光流算法精度有很大影响，并设计了基于DASI的金字塔法的优化流程。
实现了移动相机自运动估计的算法。建立了Longuet-Higgins & Prazdny单目模型，采用Zhang&Tomasi法将光流转化为相机的线速度和角速度。并搭建了控制相机运动的半仿真平台，对算法进行了有效性验证。
通过对Middlebury和Fountain标准图像库和大量的实拍序列的实验表明，本文研究的基于光流的视觉导航方法在多种环境下鲁棒，并且具有良好的精度。