�第31卷�第10期航�空�学�报Vol�31No�10�2010年��10月ACTAAERONAUTICAETASTRONAUTICASINICAOct.�2010收稿日期:2009�11�12;修订日期:2010�01�20基金项目:国家自然科学基金(60801050)通讯作者:郝群E�mail:qhao@bit.edu.cn��文章编号:1000�6893(2010)10�2056�06一种基于类间方差的地平线检测算法程序,郝群,宋勇,胡摇,张凯(北京理工大学光电学院,北京�100081)AHorizonDetectionAlgorithmBasedonBetween�classVarianceAnalysisChengXu,HaoQun,SongYong,HuYao,ZhangKai(SchoolofOptoelectronics,BeijingInstituteofTechnology,Beijing�100081,China)摘�要:针对视觉导航中用于微型飞行器(MAV)稳定飞行控制的地平线提取问题,提出一种基于类间方差的地平线检测算法。该算法使用角度和距离两个变量进行图像中直线的穷举,选取像素的蓝色分量作为区分天地的特征,利用类间方差构造判别准则进行直线的最优选择,从而实现地平线的检测。实验结果表明:与基于色彩协方差矩阵的地平线检测算法相比,本文算法对地平线检测的平均角度误差减少1�,距离误差减少3个像素,角度和距离参数的检测正确率分别提高1�98%和4�95%,且具有良好的速度特性。关键词:微型飞行器;计算机视觉;图像处理;姿态控制;地平线检测中图分类号:V249�32���文献标识码:AAbstract:Todetectthehorizonforthesteadyflightcontrolofmicroairvehicles(MAV)invisionnavigation,ahorizondetectionalgorithmbasedonbetween�classvarianceanalysisisproposed.Theangleanddistanceareusedasparameterstoexhaustthestraightlinesintheimage.Thebluecolorcomponentofthepixelischosenasthefeaturefordistinguishingtheskyandtheground.Acriterionbasedonthebetween�classvarianceissetupfordeterminingwhetherornotastraightlineisthehorizonwithintheexhaustivestraightlines.Experi�mentalresultsshowthat,comparedwiththehorizondetectionalgorithmbasedoncolorcovariancematrixcal�culation,theproposedalgorithmperformsbetter.Theaveragedetectionerrordecreasesby1degreeinangleand3pixelsindistance.Thecorrectdetectionrateincreasesby1.98%inangleand4.95%indistanceatasatisfactoryspeed.Keywords:microairvehicles;computervision;imageprocessing;attitudecontrol;horizondetection��微型飞行器(MicroAirVehicle,MAV)具有体积小、重量轻的飞行平台优势,机动灵活、隐蔽性好,在军事领域和民用领域都有良好的应用前景。飞行器通常携带小型摄像机进行拍摄和侦查。而视觉导航技术利用机载图像传感器输出的视频信息即可进行导航,无需增加飞行器的额外负载,因此视觉图像处理技术是解决飞行器导航问题的重要途径[1�3]。在摄像机视场中,地平线是自然界中最明显的特征。在无需增加额外负载的前提下,利用视频中的地平线可为飞行器提供姿态导航参数,因此地平线常被用于进行飞行器的姿态估计[4]。在基于地平线提取的飞行器稳定飞行控制研究中,佛罗里达大学的研究人员通过实验发现,相比只有人工操控的情况,增加基于地平线检测的姿态估计对飞行器飞行进行反馈控制,能明显改善飞行器的飞行稳定性[4],而算法的性能影响到飞行稳定程度[5]。这样,基于视觉的飞行器稳定飞行控制的关键问题就转化为图像中地平线的准确和稳定提取。另外,图像具有数量大的特点,要求算法具有良好的速度特性。在对图像中地平线的提取研究中,目前的方法可以分成3类:基于边缘特征、基于机器学习和基于区域特征。在基于边缘特征的方法中,一种方法是选取视频图像中的兴趣区域[6],通过边缘检测进行地平线提取。该方法需要选取兴趣区域,没有充分利用视频中的信息,因而该算法适应性较差。文献[7]提出基于方位投影的地平线检测算法,该算法主要是通过确定最大投影值的方向进行地平线的检测,但该方法容易受到噪声的干扰。多尺度线性判别分析法(MLDA)被提出用于进行地平线检测[2,8�9]。使用这种方法能在一定程度上克服噪声的影响,但是计算复杂,处理的实时性较差。基于机器学习的方法[10]对在恶劣环境条件�第10期程序等:一种基于类间方差的地平线检测...
