本项目研发出一种利用低成本相机与低成本惯性元件的基于目标点识别的视觉航向解算方法，大大减少了计算量，同时在保证了较高的系统可靠性与导航精度的同时降低了系统成本，更能满足实际工程的需求。该技术包括：载入通过相机标定获得的方位角与像素对应关系表，在第一帧图像中选择初始目标点，提取并描述第一与第二兴趣区域中的SURF特征点，并将此帧图像存储为第一幅参考图像；在采集的下一帧图像中，调整兴趣区域的位置与大小，与参考图像进行特征点匹配，筛选理想共面特征点，计算单应矩阵，识别目标点的当前位置；当满足参考图像更新条件时，将当前帧图像更新为参考图像，并筛选稳定的、符合仿射变换的、位于无穷远平面的理想共面特征点集，修正单应阵与目标点位置；最终根据方位角与像素对应关系表识别目标点对应航向。

1. 设计了一种快速的有效检测光轴与棋盘格标靶垂直关系的方法，该方法为低成本相机的简易静态标定的实现提供了基础；2. 基于两三角形面积之比的仿射不变性筛选共面特征点集，此方法提高了被筛选点集的准确性，进而使单应阵的计算与目标点的定位更加准确；3. 基于兴趣区域进行特征点匹配、筛选与单应阵的计算，此方法能有效的减少计算量，同时可保证单应阵的计算精度不受影响；4. 设计了参考图像自适应更新算法，以当前图像与参考图像的匹配确定目标点，对比相邻帧匹配方式能够较低误差累积；5. 通过挑选目标点跟踪过程中稳定复现的特征点进行理想共面特征点的筛选，有效地修正了单应阵解算误差。

导航系统在自主移动机器人完成复杂运动过程中发挥着重要作用。由视觉、惯性、GPS和类GPS系统、测距和方向识别等基本导航技术组合而成的组合导航系统已经得到了广泛的研究与发展。

视觉导航与惯性导航是典型的独立式导航系统，它们在没有外界条件的帮助下，尤其是当GPS不可用以及其他复杂情况下，仍可提供可靠的导航服务。即时定位与地图构建(SLAM)算法是目前最常应用于实现自主移动机器人的定位与导航的算法。基于大量的可匹配图像特征，视觉SLAM(VSLAM)算法成为一种实现完全自主移动机器人和无人飞行器的潜在的有效方法。VSLAM首先通过摄像头进行图像信息采集并进行压缩，然后将信息反馈到由神经网络和统计学方法构成的学习子系统中，再由该子系统将图像信息与机器人的实际位置融合计算，进而完成机器人的自主定位与导航功能。但由于计算量庞大和单目视觉的尺度模糊，VSLAM算法对机器人系统性能要求较高，其发展仍存在诸多瓶颈。

在为自主移动机器人设计导航系统时，高可靠性与低成本是必须遵守的同时又是互相矛盾的两项基本原则。使用高性能惯性元器件与处理器虽然可以保证较高的可靠性，但成本会随之大大增加；单独使用低性能惯性元器件或低成本视觉传感器可减低成本，但无法保证系统可靠性。

来自北京航空航天大学，可为本项目的研究开展提供良好的研究工作条件。项目的研究团队由教授、青年教师、博士生和硕士生等人员组成，团队负责人多年从事相关方面的科研与教学工作，负责完成过科技重大专项课题等以及横向合作等多项课题的研究工作。团队人员构成合理，技术基础好，研发能力强，为本项目的研究开展提供了良好的人员保障。

本项目研究成功的产品扭矩测量装置 可有效实现进口替代，打破国外在本领域的技术封锁，可以广泛应用广泛。具有广阔的市场前景。

目前处于何种研发阶段： ☒研发 ☐小试 ☐中试 ☐小批量生产 ☐产业化； 样机： ☒ 有 ☐无 其他：□如选择“其他”，请说明：。

已投入成本： 200000 元。

推广应用情况：已用于学术研究。转化方式：转化方式：合作开发、技术转让、技术许可、技术参股、采购合同、买卖合同。