机器视觉导引系统中摄像机的标定方法

针对无人机(UAV)自主起飞与着陆机器视觉导引系统中摄像机的标定问题,讨论了标定摄像机内参数的重要意义,选定了包含畸变因素的摄像机透视投影模型。采用改进两步法进行摄像机内参数标定,结果中主要参数相对误差均小于1%,位置误差小于0.2像素,证明了所选择模型和标定方法的合理性。分析并验证了影响标定精度的因素,包括模型选择、图像拍摄质量和标定靶精度。针对机器视觉导引的应用条件,基本解决了准确、快速标定摄像机内参数的实际问题。     

单目机器视觉测距技术在无人机自动着舰中的应用

介绍了机器视觉的概念，探讨了机载单目机器视觉在无人机自动着舰方案中的应用。在对前方舰艇进行快速探测以及对摄像机进行预先标定的基础上，本文利用机器视觉理论与方法，以及摄像机内部参数和透视投影几何关系，计算无人机与前方舰艇相对距离。最后展望了机器视觉的发展及应用前景。     

无人机自动着舰末段机器视觉导引方法研究

介绍了无人机的概念，以及目前舰载无人机的发展现状；主要讨论了在无人机自动着舰末段如何利用机器视觉导引无人机识别并跟踪舰艇，使其平稳、准确地飞入安装在舰艇尾部甲板上的拦截网中，实现撞网回收。     

机载视觉和IMU融合的无人机自主着舰研究

针对无人机着舰过程中动-动平台视觉相对定位、定姿难的问题,搭建了一套可模拟不同海况下的无人机着舰物理仿真系统,并进行基于机载视觉和惯性测量仪(IMU)融合的无人机自主着舰研究。使用六自由度转台模拟不同级别下的海况,采用机载视觉检测和跟踪降落平台上的合作标志,计算出无人机相对于标志板的位姿,控制无人机在标志板上空悬停、自主降落到降落平台上。试验结果表明,该方法能为无人机在高海况条件下的自主着舰提供高精度的相对定位数据,并引导无人机实现安全地自主着舰。     

摄像机标定研究

目前,摄像机标定是计算机视觉领域中的研究热点之一,其目的是通过摄像机拍摄的单幅或多幅图像来确定摄像机的参数模型,进而获得摄像机的各项参数,在机器人导航、三维重建、生物医疗、虚拟现实、视觉监控、视觉伺服等领域均有广泛的应用前景。本文综述了传统标定方法,自标定方法和基于主动视觉的标定方法的研究现状,对其优缺点作出评价并指出发展方向。     

一种非接触式双目视觉系统结构参数测量方法

双目视觉系统的设计与精度分析都需要精确的系统结构参数,但普通的测量手段难以胜任。为解决该问题,提出了一种基于摄像机标定的非接触测量方法,以实现结构参数的测量。首先,在研究双目视觉系统精度的基础上给出了双目视觉系统设计和精度分析所涉及的结构参数;然后,在理论上推导了通过摄像机标定的系统外参数与统结构参数的之间的关系;最后,通过标定实验在计算机中解算出了双目系统的外参数,进而测量了双目视觉系统的结构参数,获得了比较精确的系统结构参数。     

基于视觉引导的无人直升机着舰技术研究

以无人直升机为被控对象,根据实际着舰流程研究了视觉引导系统的软硬件架构。在硬件上通过在摄像头加装云台,避免了无人机因姿态改变造成视野中目标图像的丢失,提高了位姿解算的精度。提出一种以红外灯设计的合作目标图案为着舰目标的视觉引导着舰系统,能够在不同光线强度、复杂周边环境下成功识别合作目标,具有良好的抗噪能力。研究设计了一套图像处理与位姿解算的引导系统,通过实验验证姿态参数的误差在2°以内,位置参数的误差小于2cm,能够满足着舰的精度要求;每帧图像的处理速度在30ms左右,具有良好的实时性。     

联结翼无人机着舰性能分析

联结翼无人机具有升力大,操稳性好等特点。文章设计了一种联结翼无人机,可以模拟舰载机完成起飞、任务投掷、触舰复飞、在移动甲板上拦阻着舰等任务。通过控制方式和导引方式的优化组合,并考虑无人机飞行动力特点及运动方式进行试飞分析,结果表明:无人机的飞行性能、操稳性能及对指令的跟随性能都达到满意的效果,可为大型无人机上舰提供理论基础和技术支持。     

飞翼布局无人机着舰飞行动力学分析

飞翼布局无人机具有独特的气动特性,研究飞翼布局无人机着舰飞行动力学特性对设计无人机着舰控制律具有重要意义。针对飞翼布局无人机着舰下滑飞行过程,建立六自由度飞行动力学模型,并通过对着舰飞行轨迹稳定性的分析,根据飞行品质对飞行轨迹稳定性的约束,计算达到一级飞行品质要求的着舰飞行速度。通过配平计算和小扰动线性化处理,得到无人机着舰下滑运动线性模型,并分析无人机纵向和横航向的固有模态特性。结果表明,飞翼无人机着舰下滑过程中,纵向的长、短周期模态及横航向的滚转和螺旋模态收敛但收敛慢,荷兰滚模态发散。     

舰载无人机精确着舰轨迹控制及飞行验证

舰载无人机回收是整个飞行中最困难的任务之一。在建立舰载无人机控制系统基础上,着重设计了纵向控制增稳系统和自主飞行控制系统。为保证着舰精度,引入光学导引着舰,通过试飞验证了光学引导系统的速度、精度可以满足无人机自动下滑着陆要求,其平均落地点偏差与差分GPS相当。     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

Use of land＇s cooperative object to estimate UAV＇s pose for autonomous landing

The research of unmanned aerial vehicles＇（UAVs＇）autonomy navigation and landing guidance with computer vision has important signifcance.However,because of the image blurring,the position of the cooperative points cannot be obtained accurately,and the pose estimation algorithms based on the feature points have low precision.In this research,the pose estimation algorithm of UAV is proposed based on feature lines of the cooperative object for autonomous landing.This method uses the actual shape of the cooperative-target on ground and the principle of vanishing line.Roll angle is calculated from the vanishing line.Yaw angle is calculated from the location of the target in the image.Finally,the remaining extrinsic parameters are calculated by the coordinates transformation.Experimental results show that the pose estimation algorithm based on line feature has a higher precision and is more reliable than the pose estimation algorithm based on points feature.Moreover,the error of the algorithm we proposed is small enough when the UAV is near to the landing strip,and it can meet the basic requirements of UAV＇s autonomous landing.     

基于双圆特征的无人机着陆位置姿态视觉测量方法

提出了一种无人机自主着陆位置姿态的单目视觉测量方法,建立了机载摄像机的运动和投影模型。设计了新型双圆图案着陆平面靶标,采用双圆的8个公切点,产生21个具有透视投影不变性的特征点,并提出了在复杂背景中全自动双圆特征的图像提取新方法及标记特征点的方案,实验表明,768×576像素大小的图像,特征提取及标记耗时小于9ms。仿真试验表明,摄像机距离靶标10m左右,噪声偏差达到1.5像素时,单轴位置RMS误差小于6cm,单轴姿态RMS误差小于0.7°,所提出的算法具有很强的抗噪声能力,能够满足无人机自主着陆位置姿态实时测量的要求。     

一种着陆视觉导航P3P问题的解法

P3P问题是机器视觉领域的经典问题,其多解的排除与唯一解的确定是研究热点。针对飞行器着陆过程中机载视觉设备跑道成像的特点,提出了一种着陆视觉导航P3P问题唯一解的求解方法。该方法首先通过机场跑道的3条边线计算相对姿态,再根据直线方程求解相对位置,最终完成飞行器与跑道之间6个自由度参数的唯一确定。     

Model-based orientation-independent 3-D machine vision techniques

Orientation-dependent techniques for the identification of a three-dimensional (3-D) object by a machine vision system are represented in parts. In the first part, the data consist of intensity images of polyhedral objects obtained by a single camera, while in the second part, the data consist of range images of curved objects obtained by a laser scanner. In both cases, the attributed graph representation of the 3-D object surface is used to drive the respective algorithm. In this representation, a graph node represents a surface path and a link, the adjacency between two patches. The attributes assigned to nodes are moment invariants of the corresponding face for polyhedral objects. For range images, the Gaussian curvature is used as a segmentation criterion for providing symbolic shape attributes. Identification is achieved by an efficient graph-matching algorithm used to match the graph obtained from the data to a subgraph of one of the model graphs stored in the computer memory     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

基于阶层标识的无人机自主精准降落系统

随着微小型无人机（UAV）在航拍、测绘、环境监测、快递投送等民用领域的广泛应用,对微小型无人机的可用性和可靠性提出了更高的要求。为了使微小型无人机能够精确地完成自主降落,由于计算机视觉部署成本低、独立性强、信息丰富等特点,提出了通过识别匹配一种多层嵌套二维编码的阶层降落标识来进行相对定位的算法,并展示了与之对应的阶层标识检测及定位的无人机自主降落系统,由于编码的信息量与其他系统相比,具有高低空的高识别率、编码空间大等特点,故此系统可同时支持单个或多个停机坪的配置,且成本低廉,无需添加机载设备成本。最后对该系统进行仿真验证和实飞测试,表明所提出算法能够有效地实现无人机全自主降落。