仿生複眼技術在無人機速度測量中的新應用

在物聯網的快速發展中，無人機的應用越來越廣泛，從遠程監控到快遞物流，無人機已成為我們日常生活的一部分。然而，無人機在執行任務時需要精確的速度測量來確保其飛行穩定性和任務的成功。傳統的GPS和雷達測量方法有時會受到干擾，這時光流測量技術便成為了一種備受關注的替代方案。本文介紹了一種基於3×3相機陣列的仿生複眼技術，為無人機提供更加精確的速度測量方法。

傳統的光流速度測量在地形複雜、光照不均的環境中容易產生誤差。為了克服這一問題，研究團隊提出了一種基於仿生複眼的視覺速度測量方法，利用多尺度分析和Bayes閾值處理來獲得高穩定性的光流場，並通過多孔徑視差訊息提取實現自適應深度估計，從而達到精確測量無人機速度的目的。

以下將簡單介紹本篇論文所使用的方法：

1. 多孔徑光流估計

本篇論文使用多孔徑仿生復眼系統來獲取初始光流場，然後通過非采樣輪廓波變換（NSCT）進行多層分解，再用Bayes自適應閾值去除異常值，保留關鍵細節。最後，融合九個孔徑的光流信息，得到完整且穩定的光流場。光流模型包含兩個部分：數據項和正則化項(式一)

式一

數據項描述了光流的空間和時間變化，正則化項用於平滑光流場。通過最小化這個能量函數，可以獲得穩定的速度場。

2. 自適應視差估計

自適應視差估計解決了複雜地面環境下的測距誤差。這一方法利用多個孔徑間的幾何關係來估計場景深度，並通過函數迴歸優化深度圖，以增強穩定性。我們使用3×3孔徑的仿生複眼成像系統，通過中心孔徑和八個相鄰孔徑的圖像訊息構建全局視差估計。物體距離的計算公式為(式二)

式二

3. 速度測量模型

無人機的速度測量模型包括北向速度VN、東向速度VE和地面速度VD 。通過光流資訊和地面距離，可以計算無人機相對於地面的速度。此方法結合了多孔徑光流估計和自適應視差估計，建立了一個速度轉換模型，有效地消除了低空飛行環境中地面障礙物對測量結果的影響。

在光流估計誤差分析中，比較了不同光流估計算法的性能（圖一）。在距離測量實驗中，使用3×3仿生複眼陣列在戶外場景進行深度估計（圖二），並與其他方法進行對比。在無人機速度測量實驗中，通過低空變速飛行任務來驗證該方法在複雜地面環境中的測量精度（圖三）。

圖一 針對不同光流法比較的視覺化結果，本文方法在邊緣上擁有較好的表現。

圖二 針對不同深度估計方法比較的深度圖，本文方法擁有較好的表現。

圖三 在8米高度上進行的無人機變速飛行實驗中的速度估計誤差，method4為本文所介紹的方法。

本方法有效解決了傳統光流速度測量在複雜低空環境中誤差較大的問題。實驗結果顯示，此方法在8米和13米低空飛行場景中，具有良好的速度測量性能。未來，研究團隊將側重解決無人機飛行高度增加時，深度估計精度下降的問題，以擴展該視覺速度測量方法的應用範圍。

撰文：余雪淩

原始論文：Shen, C., et al., Multiaperture Visual Velocity Measurement Method Based on Biomimetic Compound-Eye for UAVs. IEEE Internet of Things Journal, 2024. 11(7): p. 11165-11174.