基于立体视觉的无人机自主避障方案开题报告

1. 本选题研究的目的及意义

随着无人机技术的快速发展，其在各个领域的应用越来越广泛，例如航拍、物流运输、农业植保、灾害救援等。

然而，无人机在复杂多变的环境中飞行时，安全问题成为了制约其发展的重要因素之一。

尤其是在避障方面，传统的基于传感器（如超声波、红外等）的避障方法存在着感知范围有限、精度不高、易受环境干扰等问题，难以满足无人机在复杂环境下的安全飞行需求。

2. 本选题国内外研究状况综述

近年来，随着无人机应用的兴起以及计算机视觉技术的进步，国内外学者对无人机避障技术，尤其是基于视觉的避障技术进行了大量的研究，并取得了一系列的研究成果。

1. 国内研究现状

国内学者在无人机避障领域的研究起步相对较晚，但发展迅速。

3. 本选题研究的主要内容及写作提纲

本研究的主要内容是设计并实现一种基于立体视觉的无人机自主避障方案，主要包括以下几个方面：
1.立体视觉系统构建：-选择合适的双目相机，并进行标定，获取相机内参和外参。

-搭建双目视觉系统，并将其安装在无人机平台上。

2.障碍物感知算法研究：-对获取的图像进行预处理，包括去噪、增强等操作，提高图像质量。

4. 研究的方法与步骤

本研究将采用理论分析、算法设计、仿真实验和实际测试相结合的研究方法，逐步开展以下研究工作：
1.文献调研阶段：查阅国内外相关文献，了解立体视觉、无人机避障、路径规划等方面的研究现状，为本研究提供理论基础和技术参考。

2.系统设计阶段：根据研究目标和内容，设计基于立体视觉的无人机避障系统的总体方案，包括硬件平台选型、软件架构设计、算法流程制定等。

3.算法研究阶段：-研究基于立体视觉的障碍物感知算法，包括图像预处理、立体匹配、深度信息提取、障碍物检测与定位等。

5. 研究的创新点

本研究将在以下几个方面进行创新：
1.融合多特征信息进行障碍物感知：传统的基于立体视觉的障碍物感知方法主要依赖于深度信息，而本研究将尝试融合颜色、纹理等多特征信息，提高障碍物感知的鲁棒性和准确性。

2.基于深度学习的障碍物识别：针对复杂环境下障碍物种类多样、形态各异的特点，本研究将探索基于深度学习的障碍物识别方法，提高识别精度和效率。

3.基于语义信息的路径规划：传统的路径规划方法主要关注路径的可行性和最优性，而本研究将尝试引入语义信息，例如障碍物类型、环境语义等，规划更加安全、合理的飞行路径。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 刘阳,徐华平,王国栋,等. 基于改进人工势场法的无人机路径规划[j]. 计算机工程与应用,2022,58(16):256-264.

[2] 刘金星,彭辉,周绍磊,等. 基于改进apf-rrt*算法的无人机三维路径规划[j]. 计算机工程与应用,2022,58(13):255-263.

[3] 潘浩,李龙,周洲,等. 基于改进a*算法的无人机航路规划[j]. 计算机工程与应用,2022,58(01):252-259.