在小型集群式无人机编队飞行的应用场景下,摄像机作为无人机的主要传感器之一,为了实现多种用途而得到了大量应用。例如,当无人机携带的其他传感器和传输方法不能很好地工作时,摄像机捕获视觉信息作为一种重要的替代方法,保证了信息的获取和传输。然而在通常情况下,每架无人机所携带的针孔摄像机的视角场往往在40度至50度之间,每架相机的视觉范围较小,造成无人机信息获取能力受阻,编队飞行中的无人机之间存在较大的视野盲区,会危及集群式无人机的飞行安全。此时,可以通过使用鱼眼镜头来扩大视角场,减小盲区的范围。本文对在小型集群式无人机编队飞行中使用鱼眼镜头的应用研究包括:通过介绍鱼眼镜头的光学结构与通用模型,与传统针孔相机的成像模型对比,分析了畸变产生的原因;总结了四种鱼眼镜头设计模型的成像特点以及鱼眼图像的成像种类、畸变类型。以球面定位校正算法为例说明了对鱼眼图像进行轮廓提取的必要性,并且通过实验对比了面积统计法和扫描线逼近法提取效果对后续畸变校正算法的影响,说明了准确提取轮廓的重要性。在无人机携带鱼眼镜头飞行的场景下,鱼眼镜头与太阳这一强光源的相对位置不断变换,导致图像成像区域外存在形状和位置不断变化的光晕,目前各类提取算法在此场景下无法准确地确定圆心坐标及半径。本文提出了一种轮廓提取算法,在标准霍夫变换检测圆的基础上,将投票空间由三维降至一维,通过两次投票的设计,避免了镜头边缘存在光晕或者黑色像素点的影响,适用于成像区域外存在形状、位置不断变化的光晕的情况,在兼顾算法实时性的同时,有着较好的提取效果。总结了畸变校正的映射顺序对插值算法的影响。通过分析平面校正算法和空间校正算法的原理,对比了现有的校正算法的特点,以及是否适用无人机群飞行中鱼眼镜头的图像校正应用。在半立方体校正展开的基础上,提出了一种区域划分方法,通过对畸变图像中无人机的识别与定位,进一步讨论了无人机在鱼眼图像中的位置与分割区域之间的关系,在假设条件较为理想的情况下,实现了对无人机所在区域的快速局部校正,以满足无人机群飞行控制中,对状态信息实时性的获取要求。