基于SURF特征点UCAV环境感知

周 阳，吴德伟，邰能建，杜 佳

(空军工程大学 信息与导航学院，陕西 西安710077)

责任编辑:任健男

认知导航系统(Unmanned Combat Aerial Vehicles，UCAV)[1]能从当前环境中提取合适的特征以描述UCAV当前所在环境的局部特征，计算出所对应的空间3D坐标等几何信息，并以此作为环境自然路标，实现全局定位与环境认知地图的创建。可见环境感知是UCAV实现认知导航的一个重要环节。

UCAV不同于人，其环境感知难以体现智能性。然而环境感知的关键在于对环境的描述，也就是说，当UCAV具有很好的描述能力时，也就具备了一定环境感知能力。通常环境信息可通过视觉获取，其直观表示便是图像，因此以图像信息表征环境信息成为了环境感知一种形式，对图像的描述能力间接体现了环境感知能力。然而UCAV高机动性及所处环境复杂性，带来图像尺度、旋转甚至仿射变化，使得环境感知更加困难，特征点提取方法的出现为克服这种困难提供了思路。

本文首先分析了几种特征点检测方法，然后以SURF算法为重点，分析了基于该算法的特征点提取原理，最后仿真验证了SURF算法提取特征点鲁棒性，并以此作为UCAV环境感知的依据，较好解决UCAV以图像作为环境感知信息时多变性问题。

1 特征点检测方法分析

特征点检测目的在于找到图像中对平移、旋转、尺度不变性的特征点，通过局部不变性的分析达到识别图像的目的。常用的特征点检测方法有Harris算法[2]、SIFT算法[3]和SURF算法[4]。

Harris特征点检测算法对图像的平移、旋转和噪声都具有很强的稳定性，但不具有尺度不变性，因而无法直接应用于尺度不变特征的定位处理[5]，无法满足UCAV认知导航环境感知中特征点提取多尺度要求。……