基于模糊预测的INS/视觉无人机自主着陆导航算法

针对 INS/ 视觉无人机自主着陆导航中,由于视觉观测数据具有不确定性噪声及数据更新周期长等原因,易导致卡尔曼滤波估计精度低、实时性差的问题,设计了一种基于模糊预测的INS/ 视觉无人机自主着陆导航算法。首先,利用三角模糊数对视觉观测数据进行处理,减小视觉观测噪声和解算误差的不利影响。然后,在卡尔曼滤波状态方程更新时,采用模糊预测同步预测视觉观测数据,得到无人机高精度姿态信息的同时提高无人机位姿估计的实时性。最后,自主搭建了基于STM32的低成本INS/ 视觉四旋翼无人机自主着陆实验平台,实测飞行着陆结果验证了本文所设计的无人机自主着陆算法可有效避免观测数据存在观测噪声与解算误差,在提高无人机位姿估计精度的同时保证了实时性。     

基于视觉与激光融合的井下灾后救援无人机自主位姿估计

无人机在灾后矿井的自主导航能力是其胜任抢险救灾任务的前提,而在未知三维空间的自主位姿估计技术是无人机自主导航的关键技术之一。目前基于视觉的位姿估计算法由于单目相机无法直接获取三维空间的深度信息且易受井下昏暗光线影响,导致位姿估计尺度模糊和定位性能较差,而基于激光的位姿估计算法由于激光雷达存在视角小、扫描图案不均匀及受限于矿井场景结构特征,导致位姿估计出现错误。针对上述问题,提出了一种基于视觉与激光融合的井下灾后救援无人机自主位姿估计算法。首先,通过井下无人机搭载的单目相机和激光雷达分别获取井下的图像数据和激光点云数据,对每帧矿井图像数据均匀提取ORB特征点,使用激光点云的深度信息对ORB特征点进行深度恢复,通过特征点的帧间匹配实现基于视觉的无人机位姿估计。其次,对每帧井下激光点云数据分别提取特征角点和特征平面点,通过特征点的帧间匹配实现基于激光的无人机位姿估计。然后,将视觉匹配误差函数和激光匹配误差函数置于同一位姿优化函数下,基于视觉与激光融合来估计井下无人机位姿。最后,通过视觉滑动窗口和激光局部地图引入历史帧数据,构建历史帧数据和最新估计位姿之间的误差函数,通过对误差函数的非线性优化...     

无人机航拍图像实时位姿估计

针对无人机航拍图像位姿估计采用单目视觉SLAM(simultaneous localization and mapping)时具有尺度不确定性、大场景下累积误差带来的轨迹漂移以及得到的是一个局部坐标系下的相对位姿问题,提出了一种无人机航拍图像实时位姿估计的方案.首先,实时进行视觉图像的跟踪,通过引入RTK(real-time kinematic)信息得到视觉坐标系与世界坐标系的转换关系并且解决尺度不确定性和轨迹漂移的问题,最后得到一个世界坐标系下的位姿.考虑到视觉SLAM处理的视频流会处理冗余的图像,且增加了图像的存储、拍摄和计算的压力,该方案采用处理非连续拍摄的低重叠度图像来计算位姿以避免这些问题.在真实场景下的实验结果表明,该方案的精度比当前主流的开源框架ORB-SLAM2、DSO、OpenMVG的精度更高,并且实现了整体轨迹误差的均值在10 cm以内.     

基于对应线标定的无人机着陆位姿确定算法

为提高无人机着陆阶段导航信息的自主性,研究了一种基于对应线标定的单目视觉位姿测量方法,以独立确定固定翼无人机在着陆时的姿态和相对着陆点的位置。首先,建立了机载摄像机的运动和投影模型;然后,利用着陆场上任意3条已知自然直线特征,依据对应线标定法建立关于无人机姿态和相对位置的约束方程,以进行无人机姿态和相对位置的解算;最后,进行了地面静态模拟实验,实验结果表明:姿态角误差控制在3°内,位置误差控制在3%内,可以满足某型无人机着陆阶段对导航信息的要求,并且,该方法充分利用了着陆场自然直线特征,贴近实战需要。     

基于摄像头定标的无人机位置和姿态的检测

近年来,无人机技术发展十分迅速,已经被广泛的应用于军事和民用等领域。无人机的回收是无人机整个控制过程中的重中之重。无人机相对机场的方位和三维姿态信息是反映其飞行状态的重要指标,只有精确得到了这些数据信息,才能实现对其正确的稳定的控制,保证无人机安全着陆。随着计算机视觉相关算法性能和可靠性不断提高,完善的实时算法的广泛应用,针对无人机的特点,文章设计了一种基于单目视觉的无人机自主着陆法,完成了无人机空中位姿的判断。实验证明,该方法是可靠和有效的。     

一种基于单目视觉的微型无人机姿态算法

针对无人机在连续飞行过程中的姿态求取问题,提出一种基于单目视觉的微型无人机姿态算法。基于无人机摄像机获得序列图像,利用图像尺度不变特性变换获取特征点信息,结合对极几何约束关系,运用随机采样一致性原理求解载体位姿变换信息,从而获得载体的导航信息。实验结果表明,通过单目序列图像获得的姿态角度变化精度优于0.1°,在180°旋转情况下的误差累加值小于1°。     

基于粒子滤波的无人机自主轨迹视觉导航控制方法研究

针对现有无人机导航控制方法存在的控制效果不佳的问题,本文提出一种基于粒子滤波的无人机自主轨迹视觉导航控制方法研究。利用粒子滤波算法,实现对无人机自主轨迹视觉导航控制方法的优化设计。采用栅格法构建无人机飞行环境地图,根据无人机的机械组成结构和工作原理,构建运动状态模型。利用内置的摄像机设备采集视觉图像,执行图像灰度转换、几何校正、滤波等预处理步骤。通过对视觉图像的特征提取,判断当前环境是否存在障碍物。利用粒子滤波算法确定无人机位姿,结合障碍物识别结果规划无人机的自主飞行轨迹。将位置、速度和姿态角的控制量计算结果,输入到安装的导航控制器中,完成无人机的自主轨迹视觉导航控制任务。通过实测分析得出结论：应用设计的导航控制方法,其位置误差、速度误差以及姿态角误差均维持在预设值以下,即设计的导航控制方法具有良好的控制效果。     

利用地平线与跑道边缘线估计无人机着陆参数

研究了一种基于机器视觉的无人机着陆参数计算方法,通过利用图像处理得到的地平线、跑道两条边缘线在图像像素坐标系下的直线方程,可以获得无人机着陆过程中的5个飞行参数:高度、侧偏距、滚转角、俯仰角、偏航角.介绍了视觉测量的一般理论;给出了飞行姿态角测量方法;提出了无人机高度和与机场跑道中线的距离的计算方法.利用实拍的一段无人机着陆视频验证了提出的方法,实验研究表明:该方法可以有效地获得5个飞行参数,为无人机自主着陆提供着陆参数.     

基于场景识别的无人机自主着陆组合导航研究

研究无人机自主着陆阶段的组合导航问题,现有绝大多数是GPS/INS的组合导航,其中状态量的位置信息也都选择了传统的纬度、经度和海拔高度.为了适应着陆场景识别导航,提出了一种基于场景识别/INS的无人机自主着陆组合导航新方法.从机场原点指向飞机的矢量相对机场的俯仰角、方位角及矢量长度作为卡尔曼滤波状态量的位置信息,组合导航中量测信息是从飞机上的摄像机所获得的机场特征点在摄像机所摄图像中的位置(坐标).通过对方法的分析及仿真,结果验证了方法在无人机自主着陆阶段组合导航中,稳定性和快速性等识别性能较好.     

一种地平线与跑道边缘线检测方法

在基于计算机视觉的无人机着陆系统中,利用地平线和跑道边缘线方程解算着陆参数是一种可行的方法。利用计算机视觉和图像处理技术研究了一种地平线和跑道边缘线提取方法,利用Canny算子对原始图像进行预处理,获取图像的边缘信息。提出了一种新的直线检测方法,并利用检测出的直线和图像像素坐标系横坐标的夹角确定地平线和跑道左、右边缘线。实验研究表明:该方法可以在不同的高度、不同亮度图像中有效地检测出地平线和跑道边缘线。     

星光折射定位辅助的惯性/星光全组合导航算法

常规的惯性/星光组合导航多基于姿态信息组合,对位置、速度修正效果较差.针对上述问题,在惯性/星光姿态组合算法基础上,通过引入基于星光折射原理后获得的天文定位信息,设计了惯性/星光姿态、位置全组合导航方案,并提出了基于地心惯性坐标系下的捷联惯性/星光全组合导航算法.仿真结果表明:由于利用星光折射间接敏感地平的方法,在系统中引入了位置相关的观测信息,可确保组合导航系统获得较高的位置、速度和姿态精度.     

月球软着陆避障段定点着陆导航方法研究

我国正在实施月球软着陆工程,月球软着陆避障段是着陆器动力下降过程的关键阶段.在该阶段,导航系统除了需要提供着陆器的位置、速度和姿态测量信息外,还需要识别月表障碍、寻找安全着陆点并将着陆器导引到该着陆点.软着陆避障段的自主导航以惯性导航为基础,为了克服惯性导航的累积误差,并实现对安全着陆点的高精度相对导航,需要引入图像敏感器与测距仪的测量信息对惯导系统加以修正.为此,本文提出了一种基于图像信息的高精度相对导航方法,首先用图像处理技术选择着陆区,然后通过跟踪自主选择的特征点序列实现精确的相对导航.仿真计算表明,该方法能够有效地修正惯性导航误差,实现安全避障和精确定点软着陆.     

基于图像匹配的飞行器导航定位算法及仿真

在飞行器导航定位优化控制的研究中,针对无法获得GPS信号时,长航时飞行器捷联惯导系统存在误差,提出了关于图像地标的飞行器精确定位算法,为实现成像系统对捷联惯导系统的误差校正奠定了基础。利用特定地标在机载摄像机像平面上的图像信息,通过图像变换、匹配定位、坐标变换,解算摄像机空间三维坐标和三个姿态角。再根据摄像机坐标系与机体坐标系的变换关系,推算飞行器精确位置。通过计算机仿真对算法进行了验证,结果表明,提出的算法能够满足GPS不可用时长航的飞行器组合导航精度要求,研究结果对长航时飞行器导航具有一定借鉴和参考价值。     

第八讲无人机气压高度测量不确定度评定

地球导航定位通常采用空间大地坐标系,导弹发射通常采用发射坐标系.详细定义相关地球坐标系后,可借助大地直角坐标系,将弹体位置、速度、航姿角从空间大地坐标系转换到发射坐标系.     

利用计算机视觉获取无人机飞行姿态角

计算机视觉辅助无人机自主着陆技术中,通过计算机视觉获得无人机相对于跑道的位置是很重要的。在利用图像处理技术获得跑道两条边缘线在摄像机像素坐标系下的直线方程后,提出了一种在给定无人机俯仰角的情况下获取无人机机体与跑道边缘线夹角的方法,介绍了一种利用N矢量计算摄像机外参数旋转参数的方法,和传统的方法相比,该方法在求解非线性方程组时非线性方程的数量大大减少,运算速度提高。最后提出了一种能够精确验证该算法的实验手段。实验表明:该方法算法简单、计算结果精确,完全符合无人机着陆系统对于参数的要求。     

基于AprilTag的分体式飞行汽车自主导引对接方法研究

分体式飞行汽车作为一种新概念空中陆地交通工具,可解决当前频繁发生的城市交通拥堵、城市郊区交通不便捷等问题;针对分体式飞行汽车进行模态转换时涉及的模块间精准导引对接问题,提出了一种基于AprilTag的视觉定位导航方案,将AprilTag识别算法的解算结果进行坐标变换后,得到模块间的相对位姿,再结合基于无人机PID控制器的导引对接降落流程设计,解决了因GPS定位误差大而无法达到厘米级精度的导引对接任务需求的问题,并提升了导引对接降落过程的平稳性;最后,在ROS平台利用实物实验验证了该方案的可行性.     

基于捷联惯导姿态的外测跟踪部位修正方法

为在外测数据处理中获取更高精度目标部位修正结果,解决已知目标几何尺寸难以精确修正的问题,提出采用捷联惯导系统姿态修正跟踪部位的方法.根据捷联惯导系统遥测四元数信息计算姿态旋转矩阵,利用外测处理中各个参照坐标系的相互关系,修正垂线偏差的影响,实现跟踪部位位置参数保精度修正.通过测试场景仿真计算,与常用速度矢量修正法进行比较、验证,结果表明姿态修正方法精确可行、结果正确,满足数据处理的精度要求和结果评定需要.     

IMU标定数学建模及误差分析

惯性测量单元（IMU）标定路径设计和数据处理方法取决于IMU标定数学模型,安装误差是决定IMU标定模型的重要因素。针对工程中加速度计和陀螺相对载体安装方式的不同,提出一种通过坐标系转换矩阵建立IMU标定数学模型的方法,推导IMU标定模型误差与载体角速度和加速度之间的关系,分析IMU标定模型误差对捷联惯性导航系统导航参数的影响,并利用转台提供的位置信息设计IMU标定路径和数据处理方法。仿真和转台实验结果表明：IMU标定数学模型误差引起捷联惯性导航系统速度误差、位置误差和姿态误差;安装误差的表现形式决定了IMU标定模型误差对系统导航精度的影响。     

图像末制导系统中攻击目标点选取方法

反跑道图像末制导系统中,针对弹载图像中可能不存在完整跑道,而跑道内部比较均匀很难由灰度或结构特征锁定目标点的问题,提出一种攻击目标点的选取方法.结合惯导和图像信息,通过一个中间坐标系,估计前帧目标点在当前图像中的位置,过该像点作跑道中线的垂线,垂足定为系统当前的攻击目标点.仿真实验结果表明,该方法能在跑道图像中选取合适的攻击目标点、随着图像分辨率的提高目标越来越精确,并且对惯导误差不敏感,具有鲁棒性.     

基于计算机视觉/INS的无人机自主着陆组合导航研究

提出了一种基于单目视觉/INS组合导航的无人机自主着陆末端导航信息提取的新方法;它只需要检测跑道上的两个特征点再结合?导系统的姿态角信息,就可以直接解算出飞机相对于机场的位置矢量;由于直线具有明显的可观性,所以对于特征点较难提取的可以通过对两条跑道边缘线和一条着陆阈值线进行检测,然后取阈值线与跑道边缘线的交点作为特征点;依据成像的几何原理,对算法进行了详细的推导,最后通过着陆实验表明该方法的提取与转换是切实可行的。