董哲，王翾

(中国传媒大学广播电视数字化教育部工程研究中心，北京 100024)

1 简介

无人机的导航和机器人的自我定位是当今研究的热点。当无人机在低空海拔飞行的时候，因为地理原因，还有一些直接或者间接的干扰，导致使用GPS来定位受到了很大的限制。因此，当没有GPS信号的时候，UAV需要时不时的使用惯性导航来确定自己的位置，而惯性导航则经常使用陀螺仪和加速器。在一定的场合内，UAV的可以通过视觉搜索算法来完成自我定位。有很多方法可以用来解决自我定位的问题。方法主要分成两类:基于标志物的定位［7－8］和基于图像的定位［9］。在特定的场合，人工的标志物和自然的标志物可以用来估算拍摄的位置，因为这些标志物很容易被识别。然而，在其他非特定的场合［1］，标志物很难被确定。这时，就需要利用拍摄图像的特征［3］来估算自我的位置。

提取图像特征以后就需要匹配。通过将输入图像与实时捕获的图像进行匹配，可以利用匹配得到两幅图像的仿射变换矩阵，进而从矩阵中来恢复UAV的位置。到目前为止，有着诸如Harries角点检测［5］，Canny 边缘检测［2］，SIFT 算法［10］，SURF 算法［6］，等检测图像特征的方法.但是Harries角点检测，Canny 边缘检测在对旋转的图像时效果并不算很好。所以，SIFT和SURF算法比较适合用来检测图像特征点和构建描述子。而SURF算法又由于高鲁棒性和利用积分图能减少计算的复杂度成为了本文所使用的图像特征检测方法。由于图像不理想等原因，不可避免的会有一些匹配不理想的特征点，这些不理想的特征点会导致仿射矩阵的估计存在比较大的误差。……