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。     

基于视觉信息的无人机自主着陆过程姿态角简化计算方法

研究了一种基于地平面算法的无人机着陆过程中姿态角估算的改进方法。通过地面坐标系到摄像机坐标系的转换矩阵、机体坐标系到摄像机坐标系的变换矩阵、机体坐标系到地面坐标系的变换矩阵求解,确定无人机的姿态信息;利用无人机着陆过程中跑道的图像地平线和跑道数据等特征提取,在获取摄像机姿态角的基础上,计算无人机的滚转角和俯仰角,用跑道特征来估算无人机偏航角;通过矩阵变换解算出无人机的姿态角,并通过仿真进行了实验验证。该方法对摄像机的安装位置没有特殊的要求,解除了传统方法对摄像机安装位置的限制,简化了无人机姿态信息的求解方法。     

单目主动视觉无人机导引中摄像机内参数标定的线性方法

提出一种单目主动视觉无人机导引中摄像机内参数标定的线性方法,在摄像机主点位置进行预标定的条件下,摄像机只需拍摄一幅着舰平面靶标上的一组正方形图像,无须知道该组正方形的任何几何信息,通过计算圆环点,建立绝对二次曲线对摄像机内参数的约束方程即可线性求解摄像机内参数,仿真实验和真实图象实验表明:该方法在摄像机内参数(如焦距等)需要经常改变的视觉任务,如基于视觉的无人机着舰导引、运动参数估计、三维视觉重建及视觉监控中,使得摄像机内参数的标定具有简便、实时和鲁棒性强的特点。     

基于视觉引导着陆的微小型四旋翼设计及实现

为了增强四旋翼的自主性,借用视觉导航方法要求在GPS丢失信号或信号精度不高的情况下进行辅助定位,使得四旋翼能够在某些特殊需求场合自动着陆。针对Harris角点检测算法计算量大的问题,设计了一种快速、准确的标志图像识别算法,将一个区域内的所有角点转换成一个单值角点,替代了Harris算法中的局部非极大值抑制算法,减小了计算量,并进一步设计了视觉模式下的姿态与位置转换算法和视觉着陆控制算法。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建了微型四旋翼实验平台系统,并实时在线进行了性能实验,结果表明,标志图像识别算法能正确检测和识别出标志图像,视觉着陆算法也成功实现了四旋翼实验平台的着陆功能。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

无人直升机视觉着陆中的运动状态估计算法

对无人直升机(UH)视觉着陆中基于视觉图像处理的运动状态估计问题进行了研究。介绍了视觉着陆原理,分析了运动估计、特征图像处理与着陆控制间的关系,推导并建立了UH相对着陆平台位姿估计算法、线速度与角速度估计算法。相邻两帧图像对应特征点像点位置为位姿估计算法提供数据,一帧图像特征点像点位置及其对应像点平移速度为线速度与角速度估计算法提供数据。利用UH着陆控制仿真数据模拟UH着陆运动过程中像点位置及其对应平移速度的视觉图像处理结果。仿真验证了运动状态估计算法,结果表明所提出的运动状态估计算法能有效地利用视觉图像处理结果数据估计出UH的位置、姿态、线速度和角速度。     

用改进的准线性平差法实现GPS辅助无人机对地定位

以无人机对地定位为应用背景,在GPS辅助确定机载摄像机光心位置条件下,用改进的准线性平差法从序列图象求解地面目标点的三维位置。首先简要介绍经典平差法和准线性平差法,然后详细阐述了改进的准线性平差法原理、实现步骤,并用仿真数据和真实图象进行了验证。结果表明,改进的准线性平差法不仅对定位精度有所提高,而且降低了计算量,提高了计算速度。如果运用于GPS辅助无人机获取的图象分析,可实现实时对地定位和基于视觉的导航、着陆等。     

计算机视觉在无人机着陆中的应用

介绍了计算机视觉的定义和视觉系统的软硬件组成，总结了视觉导航在旋翼无人机着陆方面的研究现状，并对视觉导航在固定翼无人机着陆中的应用给予初步分析和介绍。     

一种基于惯性/视觉信息融合的无人机自主着陆导航算法

无人机自主着陆过程中需要实时获得高精度的导航信息,对自主性、实时性的要求较高.现有的导航方式都存在各自的不足,且在室内等新型环境中不能使用.针对这一问题,提出了一种视觉/惯性组合导航算法.首先建立了世界坐标系下惯性导航的数学模型,随后通过Kalman滤波实现位置、姿态匹配,其中位置匹配完成速度误差、加表零偏的估计;姿态匹配完成安装误差角、陀螺漂移的估计,并利用估计得到的安装误差角和视觉导航系统输出的姿态信息对惯导姿态进行修正.仿真结果表明,该算法具有一定的工程应用价值.     

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.     

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。     

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。     

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。     

Vision-aided inertial navigation for pinpoint planetary landing

Autonomous and safe landing spacecraft on moon and planetary bodies is a rather difficult and risky task. Accurate relative navigation between the spacecraft and the planetary surface is essential, together with the autonomous hazard detection and avoidance. This paper describes the vision-aided inertial navigation (VAIN) scheme to meet the pinpoint landing requirement of the next generation planetary lander. Images of distinctive surface feature called feature points/landmarks are detected and tracked autonomously to improve the performance of inertial navigation. Landmark image information derived from optical navigation camera and the spacecraft state information sensed by IMU (Inertial Measurement Unit) are integrated in extended Kalman filter algorithm. The validity of the proposed navigation scheme is confirmed by computer simulation.     

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。