1. 研究目的与意义
1.1 研究背景
随着对未知环境下情景感知场景需求的不断提升，基于视觉同步定位与建图（VisualSimultaneous Localization and Mapping，VSLAM）作为的图像处理技术的主导正逐步融入各领域的产品当中。微控无人机作为一种良好的视觉依托载体，使得动态平台下搭载视觉模块实现自主导航与避障成为SLAM研究中的热门话题。相较于传统SLAM，视觉传感器体积小、成本低，能够在有限的数据集中获取相当丰富的传感信息，从而更充分的评估地图区域，为人机交互提供可靠的数据来源。
目前，基于无人机的各类VSLAM项目有着初步进展，高效的特征提取与多元信息融合优化正在不断更新。微控无人机作为能够很好适应复杂地形的硬件平台，可通过更为丰富的高度视角对检测目标产生良好的视觉效果，从而避免了低地势情形下的相机视野受限的问题，在科考探索、灾难救援、军事侦察等领域都拥有着不可或缺的优势。在工程测绘领域，无人机的使用可大幅削减人力成本，特别在一些地势复杂的水利枢纽设施，测绘无人机的自主数据监测与快速返航成为当今的一大热门；农业植保领域，自主灌溉无人机已大面积投入使用，不同于定时定点的地面工作站，无人机的喷灌协同具有极强的针对性和适应性；同时，为了应对深林防火、环境勘察和抗震救灾的特种作业，搭载救援任务的无人机平台在实际作业过程中都表现出独特的潜力与性能优势，为后续救援人员的进入提供了有力的保障。
2. 研究内容和预期目标
2.1 研究内容
本论文的研究课题为基于单目视觉的无人机VSLAM算法，基于查阅的相关国内外文献资料，拟定论文的主要研究内容分为以下两个部分：
首先，相较于传统激光SLAM与RGBD相机，单目视觉有着更为优异的负载性能和可移植性，无需配备其他传感器，就能为微控无人机提供丰富的图像信息，这无疑对轻量级微控无人机来说十分友好。但同时，由于单目视觉缺少获取深度信息的直接方式，在很大程度上依赖于可靠的位姿先验，这就对VSLAM算法本身，尤其是作为前端的视觉里程计有着更高的要求。因此，本论文着重提出一种基于边缘特征的半稠密直接视觉里程计方法，拟通过结合传统点线特征与直接VO的优势，利用边缘约束增强VSLAM系统的整体可靠性与算法效益。此外，由于单目相机存在潜在的尺度漂移，针对新图像帧的深度不确定性分析也将成为该章节的重点，以此定量地评估三维重建的效果。由于结合两种主流算法优势，本论文所提出的单目VSLAM预期会在一些具有挑战性的低纹理数据集中，相较于经典ORB-SLAM与SDVO算法有着更好的表现。
3. 研究的方法与步骤
3.1 研究方法
一、基于边缘特征的半稠密直接视觉里程计
（1）基于双尺度金字塔的FLSD算法对图像帧边缘进行快速检测；
4. 参考文献
外文文献：
[1] Davison A J, Reid I D, Molton N D, et al.MonoSLAM: Real-time single camera SLAM[J]. IEEE transactions on patternanalysis and machine intelligence, 2007, 29(6): 1052-1067.
[2] Klein G, Murray D. Paralleltracking and mapping for small AR workspaces[C]//2007 6th IEEE and ACMinternational symposium on mixed and augmented reality. IEEE, 2007: 225-234.
5. 计划与进度安排
（1）2024.12.01-2024.12.31 查阅资料，填写开题报告，完成外文资料的翻译；
（2）2024.01.01-2024.03.20 熟悉软硬件开发环境；
（3）2024.03.21-2024.03.31 研究基于单目视觉的无人系统设计方法和原理；
以上是毕业论文开题报告，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。
