本書(shū)針對(duì)小型運(yùn)動(dòng)體在衛(wèi)星信號(hào)拒止情況下的自主導(dǎo)航問(wèn)題，借鑒生物導(dǎo)航機(jī)理，從仿生傳感器和仿生導(dǎo)航方法兩個(gè)層面，研究了多目偏振視覺(jué)仿生導(dǎo)航方法。主要研究工作和研究成果總結(jié)如下。
　�。�1）提出了一種基于陣列式偏振光羅盤(pán)的定向算法。首先，根據(jù)偏振光檢測(cè)的基本原理，研究了冗余觀測(cè)條件下偏振模態(tài)的最小二乘估計(jì)方法；其次，建立了基于瑞利散射模型的天空偏振模式，提出了基于特征矢量的太陽(yáng)方位最優(yōu)估計(jì)方法。該方法通過(guò)綜合利用視場(chǎng)范圍內(nèi)的偏振信息，顯著提高了偏振光羅盤(pán)的定向精度；最后，針對(duì)復(fù)雜環(huán)境下（受樹(shù)葉、建筑物等遮擋）偏振光羅盤(pán)的定向問(wèn)題，提出了一種基于隨機(jī)抽樣一致性（ RANSAC）的太陽(yáng)方向矢量估計(jì)方法。實(shí)驗(yàn)結(jié)果表明，即使受到嚴(yán)重遮擋而僅能看到一小部分天空區(qū)域（低至0. 028%）的偏振模式，該算法依然可以提供準(zhǔn)確的定向信息。
　　（2）探索了一種新型偏振視覺(jué)傳感器優(yōu)化設(shè)計(jì)與集成方法。首先，對(duì)檢偏器的角度布局進(jìn)行了優(yōu)化設(shè)計(jì)，確定了采用N等分1800的最優(yōu)布局方案，為傳感器設(shè)計(jì)提供了理論依據(jù)；其次，針對(duì)多目偏振視覺(jué)傳感器的安裝誤差特性進(jìn)行了詳細(xì)分析，提出了一種多相機(jī)聯(lián)合標(biāo)定方法，顯著提高了相機(jī)間的光路配準(zhǔn)精度；最后，探索了基于像素偏振片的微陣列式光羅盤(pán)結(jié)構(gòu)設(shè)計(jì)與集成方法，并初步開(kāi)展了傳感器標(biāo)定與測(cè)試方法研究，建立了傳感器測(cè)量誤差模型并分析了安裝誤差的允許范圍，為項(xiàng)目組后續(xù)的研究工作打下了基礎(chǔ)。
　　（3）探索了一種基于偏振視覺(jué)的圖像增強(qiáng)新方法。首先，基于對(duì)場(chǎng)景圖像的偏振特性分析，提出了一種抑制光線傳輸過(guò)程中受粒子散射干擾的方法，使圖像對(duì)比度得到顯著增強(qiáng)，并研究了基于偏振信息進(jìn)行場(chǎng)景辨識(shí)和目標(biāo)探測(cè)的方法；其次，在“折射一反射”場(chǎng)景中，利用偏振分析方法實(shí)現(xiàn)了透射場(chǎng)景和反射場(chǎng)景的重建，從而抑制了場(chǎng)景間的相互干擾，使得觀測(cè)目標(biāo)的輪廓及紋理細(xì)節(jié)更加清晰。
　�。�4）提出了一種仿生節(jié)點(diǎn)識(shí)別及場(chǎng)景特征表達(dá)方法。首先，研究了基于網(wǎng)格細(xì)胞模型的拓?fù)涔?jié)點(diǎn)識(shí)別方法，提出了一種慣性／視覺(jué)里程計(jì)輔助的序列圖像匹配方法，從而顯著提高了節(jié)點(diǎn)識(shí)別效果；其次，基于人腦的視覺(jué)機(jī)理以及人工智能領(lǐng)域深度學(xué)習(xí)算法，探索了基于卷積神經(jīng)網(wǎng)絡(luò)的場(chǎng)景特征表達(dá)方法，解決了視角大小不同的相機(jī)之間基于全局特征的圖像匹配難題：最后，研究了導(dǎo)航拓?fù)涔?jié)點(diǎn)的構(gòu)建方法，實(shí)現(xiàn)了對(duì)導(dǎo)航經(jīng)驗(yàn)知識(shí)的有效組織和利用。
　�。�5）提出了一種基于航向／位置約束的仿生導(dǎo)航算法。以微慣性／視覺(jué)組合導(dǎo)航完成幾何空間內(nèi)的航跡推算，以光羅盤(pán)定向結(jié)果作為航向約束，以拓?fù)涔?jié)點(diǎn)識(shí)別結(jié)果作為位置約束，進(jìn)而修正導(dǎo)航系統(tǒng)的累積誤差，建立了“航跡推算+航向約束+位置約束”的仿生導(dǎo)航模式，并實(shí)現(xiàn)了相應(yīng)的仿生導(dǎo)航算法；分析了不同約束條件下系統(tǒng)狀態(tài)的可觀性，為相關(guān)的理論及應(yīng)用研究提供參考依據(jù)。實(shí)驗(yàn)結(jié)果表明，該算法能夠顯著提高組合導(dǎo)航系統(tǒng)的定位定向精度。