无人机自主降落视觉标识设计及位姿测量方法

为实现无人机自主降落,设计了一种由多组不同半径比的同心圆组成的视觉标识。针对同心圆成像后的形变情况,结合圆心、消隐点、内外圆交点构成的调和比约束,设计了一种递归的圆心求解方法,以获取圆心亚像素投影点。相较于Hough圆检测算法以及传统方法,该方法可以更鲁棒、精准地提取圆心投影点亚像素坐标。完成圆心提取后,基于交比不变性建立图像坐标与平台坐标一致性匹配关系解算出初始位姿,并通过二次曲线重投影模型设计非线性优化函数求得优化位姿。针对降落过程中图像运动模糊的情况,提出一种基于运动连续性的测量关键帧选取模型来排除运动模糊图像对控制决策的影响。进一步设计一种多模式切换控制结构实现了对降落平台的运动预测、无人机样条轨迹生成与更新,从而完成无人机自主降落。在1 500次的测量实验中,该测量方法的平均重映射误差可达到0.578 pixel,方差为0.009 6。在现场降落实验中,无人机在2.5 m高度时对降落台的定位误差小于3.5 cm,表明本文方法具有较高的视觉测量精度且更加稳定,能够实现对运动降落目标的稳定接近与跟踪并完成降落。     

风扰条件下四旋翼无人机智能控制算法的设计与仿真

为提高四旋翼无人机在风扰条件下的抗扰能力和控制精度,提出一种利用遗传算法优化模糊控制器规则以提高控制器性能的方法。首先,对自然条件下风速的变化特性进行分析,建立相应的数学模型,并将其作为环境噪声引入系统。在四旋翼无人机动力学模型的基础上,设计模糊PID控制器对其进行控制。同时,对模糊控制器中的模糊子集进行基因编码,设计改进型遗传算法来实现对模糊规则的再整定与优化。在Matlab/Simulink仿真环境下的实验结果表明,该算法有效地提高了四旋翼无人机在面对复杂干扰时的抗扰能力和控制精度。     

基于特征点法和直接法VSLAM的研究

基于视觉的同时定位和建图（VSLAM）分为前端和后端,前端包括视觉里程计和回环检测,后端包括后端优化和建图。按照估计相机运动的不同方式,将VSLAM分为特征点法和直接法。首先从这两个方面对前端进行综述,阐述其中的关键技术和最新的研究进展,对比分析不同方法的优缺点;然后详细分析优化后端与滤波器后端的区别,进一步地对多个开源代码进行比较研究,分析它们的优劣势和适用场合;再讨论深度学习、语义地图和多机器人在VSLAM领域的研究进展,以及相关技术与VSLAM的结合方式及前景;最后对VSLAM的未来进行展望。     

基于FPGA的视频直方图均衡化的改进设计

介绍一种改进的直方图均衡算法及其在FPGA上的实现。与传统算法有区别的是如何统计直方图,通常均衡算法是只对亮度分量进行直方图均衡,或者对RGB三色色彩分量分别进行独立的均衡;提出的改进算法对输入像素的RGB分量同时进行统计,合成到一个统一的直方图对RGB通道进行均衡处理。实验结果证明：此算法不仅提高了图像对比度,同时也减轻了偏色或者褪色现象。