管敘軍+王新龍

摘要：介紹了視覺(jué)導(dǎo)航的概念及其發(fā)展歷程，分析了視覺(jué)導(dǎo)航系統(tǒng)的基本組成模塊及其優(yōu)勢(shì)。根據(jù)視覺(jué)信息的基本處理過(guò)程，重點(diǎn)對(duì)視覺(jué)圖像預(yù)處理技術(shù)、視覺(jué)圖像特征提取技術(shù)以及視覺(jué)定位技術(shù)等方面進(jìn)行了詳細(xì)的介紹，并討論了各項(xiàng)技術(shù)國(guó)內(nèi)外的研究現(xiàn)狀。最后，指出了視覺(jué)導(dǎo)航技術(shù)的相關(guān)難點(diǎn)以及未來(lái)的發(fā)展趨勢(shì)。

關(guān)鍵詞：視覺(jué)導(dǎo)航；圖像預(yù)處理；圖像特征提??；視覺(jué)里程計(jì)；地標(biāo)點(diǎn)匹配

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1673-5048（2014）05-0003-06

0 引言

視覺(jué)是用計(jì)算機(jī)實(shí)現(xiàn)人的視覺(jué)功能———對(duì)客觀(guān)世界的三維場(chǎng)景的感知、識(shí)別和理解。視覺(jué)是在20世紀(jì)50年代從統(tǒng)計(jì)模式識(shí)別開(kāi)始的，當(dāng)時(shí)的工作主要集中在二維圖像分析、識(shí)別和理解上。60年代，Roberts將環(huán)境限制在所謂的“積木世界”，即周?chē)奈矬w都是由多面體組成的，需要識(shí)別的物體可以用簡(jiǎn)單的點(diǎn)、直線(xiàn)、平面的組合表示，并對(duì)物體形狀及物體的空間關(guān)系進(jìn)行描述[1]。70年代，已經(jīng)出現(xiàn)了一些視覺(jué)應(yīng)用系統(tǒng)[2-3]。1973年，英國(guó)的Marr教授應(yīng)邀在麻省理工學(xué)院（MIT）組建并領(lǐng)導(dǎo)研究小組從事視覺(jué)理論方面的研究。1977年，Marr提出了不同于“積木世界”分析方法的計(jì)算視覺(jué)理論———Marr視覺(jué)理論，該理論在20世紀(jì)80年代成為視覺(jué)研究領(lǐng)域中的一個(gè)十分重要的理論框架[4]。

隨著視覺(jué)研究的深入以及半導(dǎo)體和計(jì)算機(jī)技術(shù)的發(fā)展，視覺(jué)信息正被越來(lái)越多地應(yīng)用到導(dǎo)航的實(shí)踐中。其中，視覺(jué)導(dǎo)航是一種利用可見(jiàn)光與不可見(jiàn)光成像技術(shù)進(jìn)行導(dǎo)航的方法，它具有隱蔽性好、自主性強(qiáng)、測(cè)量快速、準(zhǔn)確，以及廉價(jià)、可靠等優(yōu)點(diǎn)。因此，越來(lái)越多的研究者投身于視覺(jué)導(dǎo)航技術(shù)的研究，尤其是最近30年，隨著新概念、新方法、新理論的不斷涌現(xiàn)，視覺(jué)導(dǎo)航在飛機(jī)、無(wú)人飛行器（UAV：UnmannedAirVehicles）、各類(lèi)巡航導(dǎo)彈、深空探測(cè)器以及室內(nèi)外機(jī)器人等方面得到了廣泛的應(yīng)用[5-10]，在國(guó)內(nèi)，隨著月球探測(cè)二、三期工程的展開(kāi)[11]以及多型號(hào)UAV的研發(fā)，視覺(jué)導(dǎo)航技術(shù)發(fā)展迅速。

本文從分析視覺(jué)導(dǎo)航技術(shù)的優(yōu)勢(shì)和國(guó)內(nèi)外研究現(xiàn)狀出發(fā)，討論了該方法的關(guān)鍵技術(shù)，重點(diǎn)對(duì)視覺(jué)圖像預(yù)處理技術(shù)、視覺(jué)圖像特征提取技術(shù)以及視覺(jué)定位方法等方面的研究進(jìn)展進(jìn)行詳細(xì)介紹，并指出視覺(jué)導(dǎo)航定位技術(shù)存在的問(wèn)題和發(fā)展趨勢(shì)。

1 視覺(jué)導(dǎo)航系統(tǒng)基本組成模塊及特性分析

視覺(jué)導(dǎo)航系統(tǒng)一般以計(jì)算機(jī)為中心，主要由視覺(jué)傳感器、高速圖像采集系統(tǒng)及專(zhuān)用圖像處理系統(tǒng)等模塊構(gòu)成，如圖1所示。

視覺(jué)傳感器獲取被測(cè)物體表面特征圖像，經(jīng)高速視覺(jué)圖像采集系統(tǒng)轉(zhuǎn)換為數(shù)字信號(hào)，由高速視覺(jué)圖像專(zhuān)用硬件處理系統(tǒng)完成視覺(jué)數(shù)字圖像的高速底層處理，并提取出特征信息的圖像坐標(biāo)，由計(jì)算機(jī)實(shí)現(xiàn)被測(cè)物體空間幾何參數(shù)和位置姿態(tài)等參數(shù)的快速計(jì)算。

根據(jù)理論研究與工程實(shí)踐可知，該方法具有以下幾個(gè)特點(diǎn)[12-13]：（1）以CCD相機(jī)作為圖像傳感器的視覺(jué)導(dǎo)航系統(tǒng)，具有體積小、重量輕、能耗低、視場(chǎng)寬、易于搭載等顯著優(yōu)勢(shì)；（2）視覺(jué)導(dǎo)航算法能夠通過(guò)提取圖像中的信息較為精確地確定相機(jī)的位置、速度和姿態(tài)信息。由于具有高度優(yōu)越性以及巨大的應(yīng)用潛力，視覺(jué)導(dǎo)航技術(shù)是一種很有前途的導(dǎo)航定位方案。

2 國(guó)內(nèi)外研究現(xiàn)狀

對(duì)于視覺(jué)導(dǎo)航系統(tǒng)，視覺(jué)傳感器為其提供了原始的和直接的視覺(jué)信息，一般稱(chēng)為視覺(jué)圖像。對(duì)視覺(jué)圖像進(jìn)行處理及特征信息提取是視覺(jué)導(dǎo)航系統(tǒng)應(yīng)用的前提和基礎(chǔ)。

2.1 視覺(jué)圖像預(yù)處理

視覺(jué)圖像常常被強(qiáng)噪聲所污染，需要進(jìn)行平滑濾波以減弱或消除這種強(qiáng)噪聲的影響。目前常用的圖像平滑濾波有均值濾波、中值濾波、高斯變換和小波變換等。均值濾波易于設(shè)計(jì)，在信號(hào)頻譜和噪聲頻譜具有顯著不同的特征時(shí)性能優(yōu)越，但會(huì)使圖像邊緣變得模糊。中值濾波可以克服上述問(wèn)題，在去除脈沖噪聲的同時(shí)能夠保持邊緣不受干擾[14-15]，但在面對(duì)大面積噪聲污染時(shí)，中值濾波平滑噪聲的能力卻不及均值濾波。具有“數(shù)字顯微鏡”之稱(chēng)的小波變換可同時(shí)進(jìn)行時(shí)頻域的局部分析，已成為去噪的一個(gè)重要發(fā)展方向。1992年，Mallat和Hwang[16]提出奇異性檢測(cè)理論，根據(jù)噪聲和有用信號(hào)的小波變換在奇異點(diǎn)處模的極大值不同，通過(guò)跟蹤極大值來(lái)消除噪聲。1995年，Donoho等人[17]提出了一種非線(xiàn)性小波變換閾值去噪法，保留低頻分量的小波系數(shù)，通過(guò)設(shè)定閾值處理高頻分量中的小波系數(shù)。2000年，JamesS.Walker[18]提出自適應(yīng)樹(shù)小波萎縮法，是一種將小波收縮與小波變換的統(tǒng)計(jì)特性結(jié)合起來(lái)的圖像去噪新方法，去噪效果相當(dāng)好。1998年，F(xiàn).Abramovich[19]提出了一種基于貝葉斯模型的小波閾值濾波方法，建立了先驗(yàn)?zāi)Ｐ偷南禂?shù)與Basov空間參數(shù)的關(guān)系，而且這一關(guān)系使得先驗(yàn)?zāi)Ｐ偷男〔ㄏ禂?shù)中包含了函數(shù)的規(guī)律特性。1995年，Coifman和Donoho[20]提出了平移不變量小波去噪法，先對(duì)圖像進(jìn)行循環(huán)平移，然后對(duì)平移后的圖像進(jìn)行閾值去噪處理，再對(duì)去噪結(jié)果進(jìn)行平均，是對(duì)閾值法的一種改進(jìn)。1994年，Geronimo，Hardin和Massopus[21]提出了著名的GHM多小波，將圖像變換成多流數(shù)據(jù)，然后對(duì)多流數(shù)據(jù)執(zhí)行多小波變換，對(duì)多小波系數(shù)閾值化，既克服了單小波的缺陷，又保留了單小波所具有的良好的時(shí)域與頻域特性。2000年，S. GraceChang[22]提出了一種基于上下文模型的空間自適應(yīng)小波去噪方法，小波系數(shù)被建模成參數(shù)未知服從高斯分布的隨機(jī)變量，通過(guò)在算法中使用圖像中的局部信息能夠達(dá)到較好的去噪效果。2002年，HuaXie[23]提出一種將小波貝葉斯去噪技術(shù)與馬爾可夫隨機(jī)場(chǎng)模型相結(jié)合的圖像去噪方法，小波系數(shù)均被建模成獨(dú)立的二維高斯混合模型，但它們的空間相關(guān)性被描述成馬爾可夫隨機(jī)場(chǎng)模型。1999年，Candès[24]在小波變換的基礎(chǔ)上提出了一種脊波變換理論，先對(duì)圖像進(jìn)行radon域變換，然后在radon域中使用小波變換來(lái)處理點(diǎn)奇異。2003年，MinhN.Do和MartinVetterli[25]提出了一種有限脊波變換方法，在脊波變換中應(yīng)用有限r(nóng)adon變換，克服了離散脊波變換不能精確進(jìn)行信號(hào)重組的難題。2000年，Candès和Donoho[26]提出了曲波變換理論，實(shí)際上是脊波理論的衍生，其基本尺度呈現(xiàn)出很高的方向敏感度和很高的各向異性。2004年，Candès和Donoho[27]提出了一種新的曲波緊致框架方法，直接從頻域進(jìn)行多尺度分析，用于尋找分段C2邊緣的最優(yōu)稀疏呈現(xiàn)問(wèn)題。2002年，Minh.N.Do和MartinVetterli[28]提出了一種輪廓變換方法，具有多方向特性和有效的邊緣及輪廓捕捉特性，能夠滿(mǎn)足曲線(xiàn)的各向異性尺度關(guān)系，可以實(shí)現(xiàn)類(lèi)似于曲波的快速分解。2006年，A.L.Cunha[29]等提出了具備平移不變性的、非抽取的輪廓變換，通過(guò)對(duì)金字塔分解和方向?yàn)V波器均不采取下采樣來(lái)實(shí)現(xiàn)。

2.2 視覺(jué)圖像特征提取

視覺(jué)圖像特征提取是對(duì)圖像進(jìn)行識(shí)別分類(lèi)的重要方法，也是實(shí)現(xiàn)圖像信息理解、處理與決策的基礎(chǔ)。在一幅視覺(jué)圖像中，通常把具有鮮明特征的信息，諸如邊緣、角點(diǎn)、圓或橢圓中心，以及圖像的形狀特征等作為視覺(jué)圖像特征信息進(jìn)行提取。在視覺(jué)圖像中，圖像邊緣是視覺(jué)圖像的主要特征信息。1965年，Roberts[1]就提出了一種基于灰度梯度的邊緣檢測(cè)算子。1975年，F(xiàn)ram和Deutsch[30]聯(lián)合撰寫(xiě)了一篇回顧性的文章，綜述了大量經(jīng)典的早期邊緣檢測(cè)算子，并對(duì)它們的效能進(jìn)行了評(píng)價(jià)。1992年，R.Nevatia[31]提出了一種模板匹配方法，先進(jìn)行互相關(guān)運(yùn)算，再進(jìn)行閾值判決。1998年，德國(guó)Steger博士[32]利用Hessian矩陣確定圖像中線(xiàn)條邊緣的法線(xiàn)方向，然后通過(guò)求解法線(xiàn)方向上的極值點(diǎn)得到線(xiàn)條邊緣的子像素級(jí)位置。2006年，胡坤等[33]在Steger算法的基礎(chǔ)上將大模板高斯卷積的遞歸思想引入線(xiàn)條邊緣檢測(cè)中，提出一種基于Hessian矩陣的子像素精度線(xiàn)條邊緣快速提取改進(jìn)算法。圖像中的角點(diǎn)是指圖像中具有高曲率的點(diǎn)，是一種具有重要意義的幾何特征。1977年，Moravec[34]提出了第一個(gè)角點(diǎn)檢測(cè)方法，用于控制車(chē)輛在復(fù)雜的道路上行走。Harris[35-36]給出了探測(cè)角點(diǎn)的方法———Harris角點(diǎn)探測(cè)器，使得算法的檢測(cè)效果和可重復(fù)性大大改善。1997年，劍橋大學(xué)Smith[37]提出了著名的SUSAN算子，通過(guò)計(jì)算基于核心點(diǎn)的SUSAN面積大小，并以此作為初始角點(diǎn)響應(yīng)。X型角點(diǎn)是一種常見(jiàn)靶標(biāo)特征點(diǎn)，ChenDZ等[38]通過(guò)分析X型角點(diǎn)的圖像特征，建立其灰度分布的數(shù)學(xué)模型，在此基礎(chǔ)上提出一種X型角點(diǎn)子像素級(jí)提取方法。柵格型角點(diǎn)是另一種較為常見(jiàn)的用于視覺(jué)的靶標(biāo)特征點(diǎn)，陳大志等[39-40]通過(guò)分析柵格型角點(diǎn)的圖像特征，建立其灰度分布的數(shù)學(xué)模型，在此基礎(chǔ)上提出了一種柵格型角點(diǎn)子像素級(jí)提取方法。橢圓或圓在攝像機(jī)像平面上所成的像一般仍為橢圓，而橢圓或圓的圖像中心通常是視覺(jué)導(dǎo)航中所需要提取的信息。當(dāng)橢圓或圓為一光斑形狀，所成像比較小時(shí)，重心法是一種提取橢圓或圓的圖像中心比較有效的方法。魏新國(guó)[41]提出了一些改進(jìn)的重心法形式。當(dāng)橢圓圖像足夠大時(shí)，橢圓擬合法是圖像中心提取比較適合的方法，魏振忠[42]給出了橢圓擬合法的具體過(guò)程。通常，空間橢圓的圖像中心并不是橢圓中心所對(duì)應(yīng)像點(diǎn)，針對(duì)這一問(wèn)題，Heikkil[43]對(duì)空間圓的情形進(jìn)行了研究，并建立了空間圓中心在攝像機(jī)像平面上的畸變誤差模型。2011年，曹世翔等[44]提出了一種多分辨率圖像特征提取方法，通過(guò)構(gòu)建邊緣圖像的Gauss金字塔，從中提取穩(wěn)定的特征點(diǎn)完成圖像匹配，使得誤匹配特征點(diǎn)的個(gè)數(shù)極大減少。

2.3 視覺(jué)定位方法

目前，主要有兩種視覺(jué)導(dǎo)航定位方法，分別為：視覺(jué)里程計(jì)和基于地標(biāo)點(diǎn)匹配的視覺(jué)導(dǎo)航定位方法。

2.3.1 視覺(jué)里程計(jì)

視覺(jué)里程計(jì)是一種利用單目或雙目攝像機(jī)得到圖像序列，然后通過(guò)特征提取、匹配與跟蹤估計(jì)載體運(yùn)動(dòng)信息的導(dǎo)航定位方法。

1987年，Matthies等人[45]提出了視覺(jué)里程計(jì)的概念，并設(shè)計(jì)了從圖像特征提取、匹配與跟蹤到估計(jì)載體運(yùn)動(dòng)信息的理論框架。2004年，Nistér等人[46]提出了一種實(shí)時(shí)視覺(jué)里程計(jì)導(dǎo)航系統(tǒng)，能夠?qū)崿F(xiàn)機(jī)器人室外運(yùn)動(dòng)導(dǎo)航，并給出了單目視覺(jué)里程計(jì)和立體視覺(jué)里程計(jì)的實(shí)現(xiàn)途徑和流程，為非全向視覺(jué)里程計(jì)的研究奠定了基礎(chǔ)。2004年，Corke等人[47]提出了兩種基于全向視覺(jué)系統(tǒng)的視覺(jué)里程計(jì)方案，一種是基于魯棒的光流法，通過(guò)跟蹤顯著的視覺(jué)特征獲得每一幀圖像的位移；另一種為完全的由運(yùn)動(dòng)到結(jié)構(gòu)的方法，利用擴(kuò)展卡爾曼濾波器估計(jì)相機(jī)的運(yùn)動(dòng)。2009年，Pretto等人[48]以SIFT描述子描述尺度空間的極值，通過(guò)基于熵的方法剔除低區(qū)別能力的描述子，跟蹤興趣特征，以完成運(yùn)動(dòng)估計(jì)。2005年，Sünderhauf等人[49]將稀疏光束法平差（sparsebundleadjustment，SBA）應(yīng)用于立體視覺(jué)里程計(jì)中，對(duì)左右立體像對(duì)中的特征運(yùn)用滑動(dòng)窗口SBA方法，結(jié)合簡(jiǎn)單的運(yùn)動(dòng)閾值濾波方法完成載體運(yùn)動(dòng)的估計(jì)。2007年，Maimone等人[50]提出了一種利用興趣算子進(jìn)行特征檢測(cè)的方法，通過(guò)利用廣義歸一化（pseudo-normalized correlation）的方法完成左右圖像對(duì)之間的特征匹配，然后在連續(xù)立體圖像對(duì)中跟蹤特征，完成載體運(yùn)動(dòng)的估計(jì)。2004年，PCA被成功地應(yīng)用于SIFT描述子的降維運(yùn)算中[51]，從標(biāo)準(zhǔn)的128維特征空間降到了20維，大大減少了計(jì)算量。2011年，Nourani-Vatani等人[52]將線(xiàn)性前向預(yù)測(cè)濾波用于視覺(jué)里程計(jì)，能夠限制搜索的區(qū)域，增加了計(jì)算的效率。

2.3.2 地標(biāo)點(diǎn)匹配導(dǎo)航

地標(biāo)點(diǎn)匹配導(dǎo)航是事先將環(huán)境中的一些特殊景物作為地標(biāo)，機(jī)器人在知道這些地標(biāo)點(diǎn)的坐標(biāo)和形狀等特征的前提下，通過(guò)對(duì)地標(biāo)點(diǎn)的探測(cè)來(lái)確定自身的位置。

根據(jù)地標(biāo)點(diǎn)的不同，可以分為人工地標(biāo)點(diǎn)匹配導(dǎo)航和自然地標(biāo)點(diǎn)匹配導(dǎo)航。1987年，Kabuka和Arenas[53]提出了一種基于人工地標(biāo)點(diǎn)匹配的視覺(jué)導(dǎo)航定位方法，這一方法只受相機(jī)焦距的影響，不受其他相機(jī)內(nèi)部參數(shù)的影響，而且非常簡(jiǎn)單與靈活。1997年，Hashima等[54]提出了自然地標(biāo)點(diǎn)匹配導(dǎo)航定位方法，通過(guò)使用相關(guān)性跟蹤選定的地標(biāo)點(diǎn)完成載體位置的計(jì)算，并在行進(jìn)過(guò)程中逐步更新地標(biāo)點(diǎn)。2002年，Olson[55]提出了一種通過(guò)選取最佳地標(biāo)點(diǎn)進(jìn)行導(dǎo)航定位的方法，這一方法是基于極大似然定位算法來(lái)確定機(jī)器人的位置，不僅增加了定位精度，而且增強(qiáng)了系統(tǒng)的穩(wěn)定性。2009年，Sim等人[56]提出了一種SLAM（SimultaneousLocalizationandMapping）視覺(jué)導(dǎo)航方法，利用粒子濾波同時(shí)解決定位和地圖創(chuàng)建問(wèn)題，并通過(guò)檢測(cè)三維地標(biāo)進(jìn)行精確定位。2002年，Saripalli等人[57]給出了一種基于視覺(jué)導(dǎo)航的微型無(wú)人直升機(jī)自動(dòng)降落方法，通過(guò)利用Hu不變矩完成降落坪地標(biāo)圖像特征的自動(dòng)識(shí)別實(shí)現(xiàn)無(wú)人機(jī)的自主降落。美國(guó)MER漫游車(chē)著陸以后，通過(guò)利用著陸器和巡視探測(cè)器桅桿上的立體相機(jī)獲得至少3個(gè)自然地標(biāo)點(diǎn)后，采用三角測(cè)量的方法確定了火星漫游車(chē)的位置，定位精度達(dá)到±100m[58]。2007年，Mourikis等[59]提出了一種用于著陸器自主導(dǎo)航的地形匹配定位方法，通過(guò)提取CCD相機(jī)所拍攝的著陸星球表面圖像上的地標(biāo)點(diǎn)，并與探測(cè)星球在軌衛(wèi)星所形成的數(shù)字高程地圖進(jìn)行地標(biāo)點(diǎn)匹配，從而估計(jì)出著陸器的絕對(duì)位置及姿態(tài)信息。2007年，侯建[60]提出了一種月球車(chē)定位方法，利用局部地形圖中局部高點(diǎn)相互之間的幾何關(guān)系與全局地形圖中對(duì)應(yīng)高點(diǎn)存在接近的幾何關(guān)系這一特征，通過(guò)特征匹配就可以求得月球車(chē)的位置信息。

3 視覺(jué)導(dǎo)航定位技術(shù)發(fā)展趨勢(shì)

近年來(lái)，隨著計(jì)算機(jī)處理速度的不斷提高、信號(hào)處理技術(shù)的不斷發(fā)展以及各類(lèi)導(dǎo)航技術(shù)的不斷完善，視覺(jué)導(dǎo)航技術(shù)獲得了越來(lái)越廣泛的應(yīng)用，技術(shù)已日趨成熟。但由于載體所處的環(huán)境越來(lái)越復(fù)雜，目前，在視覺(jué)導(dǎo)航技術(shù)方面仍然有一些關(guān)鍵問(wèn)題亟待解決。主要有以下幾個(gè)方面：

（1）圖像去噪技術(shù)

視覺(jué)圖像在形成、傳輸、接收和處理的過(guò)程中均會(huì)存在一定程度噪聲的干擾，使圖像質(zhì)量惡化，甚至淹沒(méi)圖像特征，增加了圖像特征提取等工作的難度，因此，圖像去噪技術(shù)的研究具有重要的意義。目前，小波去噪技術(shù)的一個(gè)基礎(chǔ)性問(wèn)題是如何為不同的模型找到最理想的小波系數(shù)模型，以及如何對(duì)非高斯噪聲進(jìn)行建模，可不可以將處理高斯噪聲的去噪方法用于非高斯噪聲的處理。另一方面，隨著脊波、曲波以及輪廓變換等新概念的提出，模型的準(zhǔn)確性得到了進(jìn)一步的提高，并改善了小波的去噪性能，但這些概念的理論基礎(chǔ)還不夠完善，需要進(jìn)一步的研究。圖像去噪技術(shù)的另一發(fā)展趨勢(shì)是根據(jù)具體圖像選擇不同的濾波方法進(jìn)行結(jié)合，能夠取得比單一去噪方法更好的效果。

（2）視覺(jué)特征提取技術(shù)

研究圖像目標(biāo)特征提取的最終目的是讓計(jì)算機(jī)具備人的視覺(jué)感知能力與認(rèn)知能力，代替人完成繁重的圖像信息處理工作。但目前很多對(duì)人來(lái)說(shuō)輕而易舉的任務(wù)，計(jì)算機(jī)卻很難做到。在利用多分辨率技術(shù)對(duì)圖像目標(biāo)特征進(jìn)行提取方面，如何讓計(jì)算機(jī)自動(dòng)確定相應(yīng)的尺度來(lái)提取特征還有待于進(jìn)一步的研究。根據(jù)圖像的變換系數(shù)提取圖像特征是一種新的圖像特征提取方法，其中，如何將變換系數(shù)方法與代數(shù)方法結(jié)合起來(lái)提取圖像特征是值得深入研究的方向。另外，由于每一種圖像特征提取方法都具有其各自的優(yōu)勢(shì)，也都存在其不可克服的缺陷，因此，將多種圖像特征提取方法相結(jié)合同時(shí)應(yīng)用于同一圖像特征的提取也是未來(lái)的研究方向。

（3）視覺(jué)定位方法

對(duì)于視覺(jué)里程計(jì)，需要研究如何提高算法的魯棒性、實(shí)時(shí)性和精確性；如何通過(guò)改進(jìn)硬件和軟件，使得載體的位置和姿態(tài)可以得到高精度的實(shí)時(shí)估計(jì)。其中，將精度高但效率低的“批處理”算法與精度相對(duì)較低的遞歸方法相結(jié)合的“批處理”-遞歸混合系統(tǒng)，具有高效高精度的特點(diǎn)，將是視覺(jué)里程計(jì)一個(gè)可行的發(fā)展方向。對(duì)于地標(biāo)點(diǎn)匹配方法，有待于進(jìn)一步提高定位的精度，尤其是對(duì)于遠(yuǎn)點(diǎn)地標(biāo)法。另一方面，視覺(jué)導(dǎo)航定位技術(shù)與其他導(dǎo)航定位系統(tǒng)進(jìn)行組合也是一大發(fā)展趨勢(shì)。

4 結(jié) 束 語(yǔ)

以CCD相機(jī)作為傳感器的視覺(jué)導(dǎo)航定位系統(tǒng)，具有體積小、重量輕、能耗低、視場(chǎng)寬、易于搭載等顯著優(yōu)勢(shì)，在眾多領(lǐng)域得到了廣泛的應(yīng)用。尤其是進(jìn)入21世紀(jì)以后，隨著視覺(jué)導(dǎo)航算法的發(fā)展、視覺(jué)傳感器的微型化及計(jì)算機(jī)性能的大幅提高，視覺(jué)導(dǎo)航系統(tǒng)幾乎被應(yīng)用在所有導(dǎo)航環(huán)境中，其重要性在組合導(dǎo)航系統(tǒng)中得到日益提升。在國(guó)外，視覺(jué)導(dǎo)航系統(tǒng)研究較早，現(xiàn)已逐漸被應(yīng)用在無(wú)人機(jī)、巡航導(dǎo)彈、星際探測(cè)器以及機(jī)器人等前沿領(lǐng)域；在國(guó)內(nèi)，關(guān)于視覺(jué)導(dǎo)航領(lǐng)域的研究起步較晚，但也已取得了一些可喜的成果。隨著視覺(jué)導(dǎo)航在精度、實(shí)時(shí)性與魯棒性等方面的不斷提高與發(fā)展，其必將成為未來(lái)導(dǎo)航領(lǐng)域中一個(gè)重要的發(fā)展方向，具有廣闊的應(yīng)用前景。

3 視覺(jué)導(dǎo)航定位技術(shù)發(fā)展趨勢(shì)

近年來(lái)，隨著計(jì)算機(jī)處理速度的不斷提高、信號(hào)處理技術(shù)的不斷發(fā)展以及各類(lèi)導(dǎo)航技術(shù)的不斷完善，視覺(jué)導(dǎo)航技術(shù)獲得了越來(lái)越廣泛的應(yīng)用，技術(shù)已日趨成熟。但由于載體所處的環(huán)境越來(lái)越復(fù)雜，目前，在視覺(jué)導(dǎo)航技術(shù)方面仍然有一些關(guān)鍵問(wèn)題亟待解決。主要有以下幾個(gè)方面：

（1）圖像去噪技術(shù)

視覺(jué)圖像在形成、傳輸、接收和處理的過(guò)程中均會(huì)存在一定程度噪聲的干擾，使圖像質(zhì)量惡化，甚至淹沒(méi)圖像特征，增加了圖像特征提取等工作的難度，因此，圖像去噪技術(shù)的研究具有重要的意義。目前，小波去噪技術(shù)的一個(gè)基礎(chǔ)性問(wèn)題是如何為不同的模型找到最理想的小波系數(shù)模型，以及如何對(duì)非高斯噪聲進(jìn)行建模，可不可以將處理高斯噪聲的去噪方法用于非高斯噪聲的處理。另一方面，隨著脊波、曲波以及輪廓變換等新概念的提出，模型的準(zhǔn)確性得到了進(jìn)一步的提高，并改善了小波的去噪性能，但這些概念的理論基礎(chǔ)還不夠完善，需要進(jìn)一步的研究。圖像去噪技術(shù)的另一發(fā)展趨勢(shì)是根據(jù)具體圖像選擇不同的濾波方法進(jìn)行結(jié)合，能夠取得比單一去噪方法更好的效果。

（2）視覺(jué)特征提取技術(shù)

研究圖像目標(biāo)特征提取的最終目的是讓計(jì)算機(jī)具備人的視覺(jué)感知能力與認(rèn)知能力，代替人完成繁重的圖像信息處理工作。但目前很多對(duì)人來(lái)說(shuō)輕而易舉的任務(wù)，計(jì)算機(jī)卻很難做到。在利用多分辨率技術(shù)對(duì)圖像目標(biāo)特征進(jìn)行提取方面，如何讓計(jì)算機(jī)自動(dòng)確定相應(yīng)的尺度來(lái)提取特征還有待于進(jìn)一步的研究。根據(jù)圖像的變換系數(shù)提取圖像特征是一種新的圖像特征提取方法，其中，如何將變換系數(shù)方法與代數(shù)方法結(jié)合起來(lái)提取圖像特征是值得深入研究的方向。另外，由于每一種圖像特征提取方法都具有其各自的優(yōu)勢(shì)，也都存在其不可克服的缺陷，因此，將多種圖像特征提取方法相結(jié)合同時(shí)應(yīng)用于同一圖像特征的提取也是未來(lái)的研究方向。

（3）視覺(jué)定位方法

對(duì)于視覺(jué)里程計(jì)，需要研究如何提高算法的魯棒性、實(shí)時(shí)性和精確性；如何通過(guò)改進(jìn)硬件和軟件，使得載體的位置和姿態(tài)可以得到高精度的實(shí)時(shí)估計(jì)。其中，將精度高但效率低的“批處理”算法與精度相對(duì)較低的遞歸方法相結(jié)合的“批處理”-遞歸混合系統(tǒng)，具有高效高精度的特點(diǎn)，將是視覺(jué)里程計(jì)一個(gè)可行的發(fā)展方向。對(duì)于地標(biāo)點(diǎn)匹配方法，有待于進(jìn)一步提高定位的精度，尤其是對(duì)于遠(yuǎn)點(diǎn)地標(biāo)法。另一方面，視覺(jué)導(dǎo)航定位技術(shù)與其他導(dǎo)航定位系統(tǒng)進(jìn)行組合也是一大發(fā)展趨勢(shì)。

4 結(jié) 束 語(yǔ)

以CCD相機(jī)作為傳感器的視覺(jué)導(dǎo)航定位系統(tǒng)，具有體積小、重量輕、能耗低、視場(chǎng)寬、易于搭載等顯著優(yōu)勢(shì)，在眾多領(lǐng)域得到了廣泛的應(yīng)用。尤其是進(jìn)入21世紀(jì)以后，隨著視覺(jué)導(dǎo)航算法的發(fā)展、視覺(jué)傳感器的微型化及計(jì)算機(jī)性能的大幅提高，視覺(jué)導(dǎo)航系統(tǒng)幾乎被應(yīng)用在所有導(dǎo)航環(huán)境中，其重要性在組合導(dǎo)航系統(tǒng)中得到日益提升。在國(guó)外，視覺(jué)導(dǎo)航系統(tǒng)研究較早，現(xiàn)已逐漸被應(yīng)用在無(wú)人機(jī)、巡航導(dǎo)彈、星際探測(cè)器以及機(jī)器人等前沿領(lǐng)域；在國(guó)內(nèi)，關(guān)于視覺(jué)導(dǎo)航領(lǐng)域的研究起步較晚，但也已取得了一些可喜的成果。隨著視覺(jué)導(dǎo)航在精度、實(shí)時(shí)性與魯棒性等方面的不斷提高與發(fā)展，其必將成為未來(lái)導(dǎo)航領(lǐng)域中一個(gè)重要的發(fā)展方向，具有廣闊的應(yīng)用前景。

3 視覺(jué)導(dǎo)航定位技術(shù)發(fā)展趨勢(shì)

近年來(lái)，隨著計(jì)算機(jī)處理速度的不斷提高、信號(hào)處理技術(shù)的不斷發(fā)展以及各類(lèi)導(dǎo)航技術(shù)的不斷完善，視覺(jué)導(dǎo)航技術(shù)獲得了越來(lái)越廣泛的應(yīng)用，技術(shù)已日趨成熟。但由于載體所處的環(huán)境越來(lái)越復(fù)雜，目前，在視覺(jué)導(dǎo)航技術(shù)方面仍然有一些關(guān)鍵問(wèn)題亟待解決。主要有以下幾個(gè)方面：

（1）圖像去噪技術(shù)

視覺(jué)圖像在形成、傳輸、接收和處理的過(guò)程中均會(huì)存在一定程度噪聲的干擾，使圖像質(zhì)量惡化，甚至淹沒(méi)圖像特征，增加了圖像特征提取等工作的難度，因此，圖像去噪技術(shù)的研究具有重要的意義。目前，小波去噪技術(shù)的一個(gè)基礎(chǔ)性問(wèn)題是如何為不同的模型找到最理想的小波系數(shù)模型，以及如何對(duì)非高斯噪聲進(jìn)行建模，可不可以將處理高斯噪聲的去噪方法用于非高斯噪聲的處理。另一方面，隨著脊波、曲波以及輪廓變換等新概念的提出，模型的準(zhǔn)確性得到了進(jìn)一步的提高，并改善了小波的去噪性能，但這些概念的理論基礎(chǔ)還不夠完善，需要進(jìn)一步的研究。圖像去噪技術(shù)的另一發(fā)展趨勢(shì)是根據(jù)具體圖像選擇不同的濾波方法進(jìn)行結(jié)合，能夠取得比單一去噪方法更好的效果。

（2）視覺(jué)特征提取技術(shù)

研究圖像目標(biāo)特征提取的最終目的是讓計(jì)算機(jī)具備人的視覺(jué)感知能力與認(rèn)知能力，代替人完成繁重的圖像信息處理工作。但目前很多對(duì)人來(lái)說(shuō)輕而易舉的任務(wù)，計(jì)算機(jī)卻很難做到。在利用多分辨率技術(shù)對(duì)圖像目標(biāo)特征進(jìn)行提取方面，如何讓計(jì)算機(jī)自動(dòng)確定相應(yīng)的尺度來(lái)提取特征還有待于進(jìn)一步的研究。根據(jù)圖像的變換系數(shù)提取圖像特征是一種新的圖像特征提取方法，其中，如何將變換系數(shù)方法與代數(shù)方法結(jié)合起來(lái)提取圖像特征是值得深入研究的方向。另外，由于每一種圖像特征提取方法都具有其各自的優(yōu)勢(shì)，也都存在其不可克服的缺陷，因此，將多種圖像特征提取方法相結(jié)合同時(shí)應(yīng)用于同一圖像特征的提取也是未來(lái)的研究方向。

（3）視覺(jué)定位方法

對(duì)于視覺(jué)里程計(jì)，需要研究如何提高算法的魯棒性、實(shí)時(shí)性和精確性；如何通過(guò)改進(jìn)硬件和軟件，使得載體的位置和姿態(tài)可以得到高精度的實(shí)時(shí)估計(jì)。其中，將精度高但效率低的“批處理”算法與精度相對(duì)較低的遞歸方法相結(jié)合的“批處理”-遞歸混合系統(tǒng)，具有高效高精度的特點(diǎn)，將是視覺(jué)里程計(jì)一個(gè)可行的發(fā)展方向。對(duì)于地標(biāo)點(diǎn)匹配方法，有待于進(jìn)一步提高定位的精度，尤其是對(duì)于遠(yuǎn)點(diǎn)地標(biāo)法。另一方面，視覺(jué)導(dǎo)航定位技術(shù)與其他導(dǎo)航定位系統(tǒng)進(jìn)行組合也是一大發(fā)展趨勢(shì)。

4 結(jié) 束 語(yǔ)

以CCD相機(jī)作為傳感器的視覺(jué)導(dǎo)航定位系統(tǒng)，具有體積小、重量輕、能耗低、視場(chǎng)寬、易于搭載等顯著優(yōu)勢(shì)，在眾多領(lǐng)域得到了廣泛的應(yīng)用。尤其是進(jìn)入21世紀(jì)以后，隨著視覺(jué)導(dǎo)航算法的發(fā)展、視覺(jué)傳感器的微型化及計(jì)算機(jī)性能的大幅提高，視覺(jué)導(dǎo)航系統(tǒng)幾乎被應(yīng)用在所有導(dǎo)航環(huán)境中，其重要性在組合導(dǎo)航系統(tǒng)中得到日益提升。在國(guó)外，視覺(jué)導(dǎo)航系統(tǒng)研究較早，現(xiàn)已逐漸被應(yīng)用在無(wú)人機(jī)、巡航導(dǎo)彈、星際探測(cè)器以及機(jī)器人等前沿領(lǐng)域；在國(guó)內(nèi)，關(guān)于視覺(jué)導(dǎo)航領(lǐng)域的研究起步較晚，但也已取得了一些可喜的成果。隨著視覺(jué)導(dǎo)航在精度、實(shí)時(shí)性與魯棒性等方面的不斷提高與發(fā)展，其必將成為未來(lái)導(dǎo)航領(lǐng)域中一個(gè)重要的發(fā)展方向，具有廣闊的應(yīng)用前景。