基于视觉仿生的无人机环境感知关键技术研究

According to the weakness of UAV's perception ability in the complex environment and the weak ability of autonomous navigation and other issues, a advanced visual perception framework under the dynamic environment for the UAV system is proposed in this project based on biological vision mechanism and principle of bionic vision. Based on the characteristics of the human visual function, the unified method for haze removal and light recovery is proposed with the method of visual physiology; with the research of psychology, a fusion framework of human vision and computer vision for target tracking is proposed; based on the nervous system of the human body distributed sensing and information perception mechanism, using the massive sample characteristics, a non parametric scene classification method is proposed. with the inertial navigation data, a scene recognition method based on the theory of cognitive efficiency is proposed; the reconstruction precision and speed of scene data is improved, and the fuzzy scale in the traditional 3D reconstruction method is eliminated; a cloud computing platform for visual navigation also will be established in this project, and the results of visual perception and navigation will be verified. the relationship between the biological visual system and human visual perception will be revealed in the achievements of this project, and great improvement will be got for the UAV visual navigation equipment, and it is a great significance for getting independent intellectual property rights and economic efficiency.

针对无人机复杂生存下环境感知能力差、自主导航能力弱等问题，采用仿生视觉方法，提出基于生物视觉机理的无人机动态环境下的高级视觉感知框架：依据人眼视觉特性函数，将雾霾去除与光照恢复进行理论和方法的统一；借鉴视觉生理学和心理学最新研究成果，建立融合人类视觉与计算机视觉的目标跟踪框架；以人体神经系统的分布式推理和信息感知机制为基础，利用海量样本特征，提出高效的非参数场景分类识别方法；基于认知导航理论，利用惯导数据提高场景的重建精度及速度，并消除传统三维重建方法的尺度模糊；本项目还将建立视觉感知云计算平台，以及对视觉感知结果进行自主导航实验验证。本项目的研究成果对揭示生物视觉系统与无人机视觉感知之间的关系机理，大幅度提升我国无人机视觉导航设备的装备水平，形成自主知识产权和提高经济效益具有重大意义。

针对无人机复杂生存下环境感知能力差、自主导航能力弱等问题，采用仿生视觉方法，提出基于生物视觉机理的无人机动态环境下的高级视觉感知框架：依据人眼视觉特性函数，将雾霾去除与光照恢复进行理论和方法的统一；借鉴视觉生理学和心理学最新研究成果，建立融合人类视觉与计算机视觉的目标跟踪框架；以人体神经系统的分布式推理和信息感知机制为基础，利用海量样本特征，提出高效的非参数场景分类识别方法；基于认知导航理论，利用惯导数据提高场景的重建精度及速度，并消除传统三维重建方法的尺度模糊；.取得主要成果如下：.1，解决机载实时视频增强及长序列目标可靠跟踪问题.基于生物视觉仿生原理和物理模型，提出统一的雾霾去除和光照恢复的理论框架；建立仿生环境感知模型，建立融合人类视觉注意机制的目标跟踪框架，重点构建生物视觉与计算机视觉融合的数学模型，并引入对感兴趣目标的在线深度学习机制，进行可靠的长序列跟踪；从而达到无人机具备复杂气象条件下的信息融合、感兴趣目标锁定等功能。.2，设计快速场景在线感知分类与识别方法.依据视觉信息多通道理论与自然场景的先验信息，提出场景序列的分割方法；基于马尔科夫随机场及多特征图像检索技术，设计快速的基于非参估计的场景分类方法；通过查询比对目标特征描述子特征库，建立目标的能量方程，利用迭代条件模式算法优化能量方程，确定使其能量最小的目标标签类别。本方法模拟人类实现具有知识记忆、学习及推理特性的信息处理机制，避免了基于训练的识别与分类技术带来的高复杂度运算，从信息获取和信息处理层面上赋予无人机的智能性和自主性。.3，提出多传感器融合加速三维重建与测量方法.从仿生角度出发，根据人体本体感应现象，通过视觉及多传感方式感知外界环境，设计多传感器信息对图像处理加速的实现方法，利用微惯性传感器消除传统基于图像的三维重建过程中的尺度模糊；建立基于虚拟现实的目标匹配及测量技术，实现虚拟现实空间3D模型与成像的高精度配准；本方法是对人类认知过程的一种生动模拟，通过多传感器融合，大大提高了机载平台的视觉三维感知与计算能力。.本项目的研究成果对揭示生物视觉系统与无人机视觉感知之间的关系机理，大幅度提升我国无人机视觉导航设备的装备水平，形成自主知识产权和提高经济效益具有重大意义。