采用单目视觉的无人机自动空中加油仿真

自动空中加油是未来无人机(UAV)需具备的重要能力之一。建立了包括UAV和加油机模型、视觉传感器、气动影响及视景的飞行硬管式无人机自动空中加油仿真系统;研究了单目视觉特征点识别与位姿估计算法,考虑大气扰动及加油机尾流的影响;设计了通过轨迹跟踪实现UAV与加油管会合对接的控制策略,并对加油末段的对接机动进行了仿真。结果表明,单目视觉可实现精确的相对位置测量,轨迹跟踪控制器超调量小,保证了自动空中加油的平稳对接。     

无人机视觉自主着陆仿真系统

计算机视觉导航技术具有精度高、不受电子干扰,成本低等特点,被誉为未来无人机自主着陆的必备手段之一。作为新一代着陆技术手段,视觉自主着陆技术需要进行大量的算法研究和飞行试验,因此有必要建立一个在实验室环境来验证所提方案的可行性。本文将虚拟现实、 可视化技术与计算视觉导航算法紧密结合起来,开发了一种无人机视觉自主着陆仿真验证系统, 构建场景模块,能够在复杂三维地形、不同气象条件下对无人机视觉自主着陆算法进行仿真验证, 实时计算和输出无人机着陆所需位置姿态参数。实验结果表明：该系统真实反映了无人飞行器飞行过程中的动态特性以及姿态角等的变化,并且具备良好的用户显控界面,验证了视觉自主着陆算法的可行性。     

基于机器视觉的无人机自动巡检定位控制技术

为解决无人机巡向角过度偏转的问题,使巡检节点的布局形式更符合实际定位需求,针对基于机器视觉的无人机自动巡检定位控制技术展开研究。根据巡检坐标变换原理,分别求解无人机飞行器的正运动学方程与逆运动学方程,完成基于机器视觉的无人机巡检节点抓取与处理。在此基础上,利用已提取特征点,估算帧间位姿的数值水平,联合相关数据,确定控制主机对于无人机巡检曲线的定位权限,实现基于机器视觉的无人机自动巡检定位控制方法设计。实验结果表明,与基于Cascade R-CNN的检测算法相比,在机器视觉技术的作用下,无人机巡向角偏转程度确实得到了较好控制,能够促使巡检节点布局形式更加符合实际定位需求。     

无人机视觉导航算法

为保证无人机着陆精度和安全性,提出了一种无人机自主着陆视觉导航位姿解算方法。首先对机载相机进行标定,获取相机参数;然后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响,设计了T型着陆地标形状和尺寸参数,将地标轮廓提取和角点检测算法相结合,得到几何分布好、数量适中的8个角点用于位姿解算,保证了位姿解算精度;为减少LK （Lucas-Kanade）光流法稳定跟踪地标的处理时间,直接将提取的这8个角点作为LK光流法检测和跟踪的输入,保证了算法实时性;最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。实验结果表明:算法具有较高估计精度,算法平均周期为76.756 ms （约13帧/s）,在速度较低的着陆阶段基本满足自主着陆视觉导航的实时性要求。     

被动式无人机光学自动着陆系统中光学设备方案研究

被动式无人机光学自动着陆系统抗干扰能力强,不依赖外部因素,因而在我国现今国情下具有特定的使用价值.本文简单论述了光学设备分系统初步方案.     

基于多标签联合定位的自主视觉着陆技术研究

旋翼无人机着陆场景较为复杂,且 GPS 信号经常被干扰,同时着陆平台非固定,通常需要采用合作标签引导无人机着陆。由于存在阴影、反光等特点,在室外环境下,单一的合作标签往往存在定位误差较大,漏识别较多的问题,严重影响无人机着陆稳定性。为解决这一问题, 本文将现有的单合作标签定位方法进行改进,在传统的单标签 pnp 定位解算的基础上,采用多个合作 Apriltag 标签进行联合定位的方法,以提升无人机定位精度和识别帧率,实现着陆过程精确的视觉导航功能。通过静态定位实验与无人机动态着陆实验,验证了该方法的有效性,提升了旋翼无人机自主着陆系统的鲁棒性。     

基于视觉信息的无人机自主着陆过程姿态和位置估计

为了提高无人机着陆的自主性和安全性,基于视觉信息提出了一种自主着陆过程中无人机姿态和位置估计新方法.该方法将无人机的滚转、偏航和俯仰运动视为跑道做反方向运动,无人机视为静止,利用Housh变换检测跑道边界线并提取图像直线特征,同时融合无人机的平移运动和旋转旋动,利用地面直线和图像直线间对应关系,根据跑道边界线在图像中的直线特征从而估计出无人机姿态和位置.最后采用仿真实例来验证所研究的无人机姿态和位置估计算法的有效性.     

基于视觉图像的四旋翼无人机飞行控制研究

为了利用视觉图像中信息的无源性、实时性以及机载控制器的自创性等特性，解决无人机信源易干扰、有延时、受制约的问题，分析了“十”字型四旋翼无人机的动力结构、控制原理以及无人机飞行过程中位姿方程、动力方程之间的相互关系，完成了四旋翼无人机六自由度信息和飞行控制四元素输入信息之间的转换，设计了基于合作目标匹配的无人机视觉图像自主控制算法。结果表明，在实测值为零时，即可完成自主降落功能。该算法可以实现简单环境下四旋翼无人机的自主降落。这一研究对无人机的自主化、智能化发展具有一定的帮助作用。     

无人机视觉辅助着陆中的姿态和位置估算

无人机安全着陆是无人机研究的重点和难点,为了提高无人机在公路等简易机场着陆的安全性,提出了基于少量任意分布特征点估计无人机姿态和位置的计算机视觉算法。解算无人机着陆过程中相对跑道的位置和姿态是文章核心;首先利用N点算法解算出特征点在摄像机坐标系上的坐标,然后利用正交化算法求出摄像机坐标系和跑道坐标系之间的旋转矩阵和平移向量;针对特征点的成像过程容易受噪声影响的情况,引入了最小中值法,减小噪声的影响,提高算法的鲁棒性,并解算出姿态和位置;通过卡尔曼滤波方法,进一步提高位置和姿态的精度。仿真结果表明:所提算法满足无人机自主着陆的精度要求。     

基于DSP的无人机自主着舰识别算法

针对复杂海面环境造成的图像干扰变形给无人机着舰过程中人工标识的识别带来的困难,采用了一种基于仿射不变矩和支持向量机(SVM)的识别方法,首先采集各种变形下的适量标识样本,经过适当的预处理之后,提取其仿射不变矩,然后送入 SVM进行训练识别,并且给出了在 DSP 系统内基于上述流程的实现方法。实验表明,该方案对于图像在各种小幅度干扰变形下的识别率均达到了90%以上,平均每帧测试时间为170 ms,对于旋翼型无人机自主着舰具有一定的实用性。     

无人机自主降落过程视觉定位方法研究

为了充分利用连续视觉图像中3维空间信息, 解决无人机自主降落过程中的定位问题, 在稠密3维点云法和光流法定位原理的基础上, 提出了基于同物不同时图像像空间的定位方法。以理论推算、图形注释等方式, 通过求解单个像素点和整个图像移动变化情况, 将连续帧图像的形变、量变信息分解为无人机和参照物的空间相对运动信息, 并结合已知的参照物运动参量, 推算了无人机飞行位姿信息, 完成了无人机基于光学视觉图像的空间定位方法研究。结果表明, 该研究为视觉系统在无人机降落回收过程中独立实现空间定位提供了一定的借鉴和参考。     

基于临空无人机位姿运动估计的无缝扫描成像控制

我国致力于建设基于空间卫星、飞艇和飞机的高分辨率对地观测系统,远距离高分辨大视场成像技术在深空、临空探测领域具有重要意义,为实现高分辨宽视场无缝成像,本文提出一种基于临空无人机位姿运动估计的无缝扫描成像控制算法。首先,根据临空探测器成像系统的成像方式及工作原理,建立图像与地面场景映射模型,对序列图像对应的地面区域中心地理信息进行解算,并建立补偿机构的解算模型。然后,针对成像方式的特点,利用多步卡尔曼滤波算法对载机的位姿进行估计,将估计数据带入补偿机构解算模型,使指令计算数值逐次逼近实际值。最后,再采用多步卡尔曼滤波算法对模型进行仿真,结果显示对临空无人机的姿态单步估计误差不大于0.1°,位置误差不大于5 m。实际飞行试验结果表明,本文方法的帧间重叠度控制误差不大于8%,能够有效实现高分辨宽视场无缝成像,该方法为进一步探索深空领域的应用提供基础。     

一种人脸姿势估计新方法

本文提出了一种人脸姿势估计方法,基于单幅人脸图像的五个特征点:左右外眼角,左右嘴角和鼻尖估计人脸姿势,论文首先给出人脸姿势表示——旋转角度((?),ψ,θ),然后介绍了姿势估计方法,最后的实验结果证明了本文算法的有效性。     

基于MobileViT改进的红外人体姿态估计算法

人体姿态估计主要依赖于视觉图像信息捕获关节点从而获得肢体和躯干的全局姿态信息。目前,基于可见光的深度学习方法具备较高的检测精确度,但隐私泄露的风险限制了其实际应用。同成本的红外探测器虽更能突出人体目标,但因成像分辨力较低,图像质量差,导致检测精确度下降。受视觉Transformer的启发,本文引入MobileViT-FPN提取人体关键点,利用MobileViT捕捉局部关节点特征和全局关节点特征关系,然后使用固定模式噪声(FPN)在多尺度上聚合这些表征信息,结合改进的OpenPose对关键点进行聚类,输出估计结果。在关键点级联阶段,注意力机制使模型自适应关注感兴趣区域,增强对遮挡部位的恢复。实验表明,该方法可以实时检测变化尺度和部分遮挡的红外人体目标,准确描绘人体姿态。     

一种非迭代的位姿估计方法

针对深度相机运动中的位姿估计问题,提出了一种无需迭代的估计方法。首先,在二维图像上应用图像特征点提取和描述方法,完成不同视点的初始匹配。其次,选择初始匹配度量距离最小的2个特征点作为种子点。以三维空间中欧式距离与坐标系的建立无关为准则,对初始匹配进行筛选。剔除误匹配点对,进而计算运动位姿参数。最后,采用nyuv2图像数据库进行实验,验证了本文算法的可行性和正确性。实验结果表明:与传统算法相比,该方法计算效率平均提高了8倍以上,特别适用于大型场景中的同步定位和地图构建SLAM(Simultaneous Localization and Mapping)问题。     

一种改善无人机自动返航降落误差的方法

针对车载无人机自动返航降落误差太大的缺点,提出一种基于利用GPS粗定位、运动检测技术细定位相结合的方法。为了实现选择简单且效果好的运动检测技术,使用一种摄像头静止、目标移动的结构方法,最终采用背景减除算法追踪无人机。室外实验结果表明,无人机能被精准追踪,将这种方法与仅仅GPS定位的实验结果进行对比,得出该方法能有效抑制降落误差,具有一定的实际应用价值。     

Optimized convolutional pose machine for 2D hand pose estimation

Hand pose estimation is a challenging task owing to the high flexibility and serious self-occlusion of the hand. Therefore, an optimized convolutional pose machine (OCPM) was proposed in this study to estimate the hand pose accurately. Traditional CPMs have two components, a feature extraction module and an information processing module. First, the backbone network of the feature extraction module was replaced by Resnet-18 to reduce the number of network parameters. Furthermore, an attention module called the convolutional block attention module (CBAM) is embedded into the feature extraction module to enhance the information extraction. Then, the structure of the information processing module was adjusted through a residual connection in each stage that consist of a series of continuous convolutional operations, and requires a dense fusion between the output from all previous stages and the feature extraction module. The experimental results on two public datasets showed that the OCPM network achieved excellent performance.     

A CNN model for real time hand pose estimation

Recently convolutional neural networks (CNNs) have been employed to address the problem of hand pose estimation. In this work, we introduce an end-to-end deep architecture that can accurately estimate hand pose through the joint use of model-based and fine-tuning methods. In the model-based stage, we make use of the prior information in hand model geometry to ensure the geometric validity of the estimated poses. Next, we introduce a fine-tuning approach that learns to refine the errors between the model and observed hand. Our approach is validated on three challenging public datasets and achieves state-of-the-art performance.     

基于图像匹配的无人机自主返航技术

文中基于无人机机载的视觉信息,在GPS信号不可靠的环境下实现自主返航的功能。利用无人机底部垂直向下的摄像头,对图像计算光流可以较精确地获得无人机的速度信息。在去程中,无人机每隔一定距离记录一次位移信息与向前摄像头图像的关键帧;在回程时,无人机先根据位移信息到达关键帧图像附近,然后比较当前图像与目标关键帧纠正误差,对下一帧重复这两歩直到回到起点。仿真实验证明文中所述方法能较好地实现定点悬停和自主返航的功能。