无人机视觉导航中的图像处理及位姿解算

在无人机自主着陆过程中,无人机视觉导航系统利用跑道图像解算出无人机的位置姿态信息,为飞行控制系统进行自主着陆控制奠定基础。对视觉导航系统中图像处理及位置姿态解算进行了分析和研究。基于模板匹配进行跑道识别;利用Hough变换提取跑道图像特征;采用最小二乘法对检测出的跑道边缘直线进行拟合并得出其在图像坐标系中的直线方程;基于空间的坐标关系变换,利用推导出的算法对无人机位置姿态进行了解算,并利用实际图像对所用算法进行了实验验证。     

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.     

基于图像特征融合的无人机位姿测量方法

针对实际无人机位姿测量过程中可能出现的特征数不够、测量精度不高等问题,提出了基于图像特征融合的无人机位姿测量方法及系统。测量过程中充分利用提取得到的无人机图像角点、机翼线以及对称轴特征。利用线-线交会最小二乘求解得到无人机图像中同名特征角点的世界坐标;根据各摄像机间的关系及检测到的直线特征,利用奇异值分解方法解算得到机翼线及对称轴在世界系中的单位方向向量;融合检测得到的角点特征、机翼线以及对称轴特征解算得到无人机的位姿参数。仿真试验结果表明:采用2台数字摄像机的合理布站,噪声标准差为1、无人机距离约为1200 m时,位置精度小于0.05 m,姿态测量精度小于0.5°,且摄像机的台数增加有助于提高位姿测量精度,精度对比验证了所提测量方法的正确性、可行性和高精度。     

基于矩形几何特性的小型无人机快速位姿估计方法

为了更加实时、精确地实现小型无人机视觉导航,利用矩形的几何特性以及空间点、线的共面特征,提出了一种基于单目视觉的位姿分步估计方法。该方法在任意位置对空间矩形进行拍摄,通过获取的一对正交消隐点,确立无穷远点在像平面的投影关系,完成姿态估计;利用光心、空间矩形以及其投影的共面性特征建立约束方程,求解空间矩形在摄像机坐标系下的法向量,结合欧氏空间线性变换的不变性,实现摄像机坐标系中矩形4顶点坐标的线性求解,并根据空间点在世界坐标系与摄像机坐标系间的转换关系,完成位置估计。为了抑制图像噪声对位姿估计的影响,建立基于空间点、线共面特征的指标函数,利用NM寻优算法实现对位姿参数的非线性优化。实验结果表明,该算法具有计算精度高、实时性强、适用范围广的优点,设计的优化算法能够有效地抑制图像噪声,提高了位姿估计的稳健性。     

共面条件约束的无人机视觉导航姿态测量

利用立体视觉进行相对姿态估计是无人机自主导航系统重要的组成部分,提出了基于共面条件约束的无人机视觉导航姿态测量方法。利用单台摄像机在不同时刻拍摄的图像建立立体视觉,根据不同时刻摄像机对同一目标成像光线的几何约束关系,建立共面条件姿态测量模型,解算出精确相对姿态参数。无人机实际图像数据的实验结果表明,该方法测量精度较高,具有较强的抗噪声能力,避免了利用2台摄像机进行无人机姿态测定的摄影同步问题,具有更大的灵活性和实用性。     

基于视觉导航的无人机自主精准降落

针对传统导航方式精度低、误差大等问题,结合视觉导航设计了一种基于ArUco码的着陆标识。对机载相机采集的实时影像进行图像处理,利用世界坐标系与像素坐标系的映射关系建立无人机位姿估计模型,以特征点坐标解算得到当前无人机与着陆标识物之间的相对姿态估计值,设计并融合误差模型进一步提高定位精确性。通过无人机室外实际应用实验证明,设计的降落标志及新型识别算法大大提高了无人机自主降落的精准性,能更好地满足在军事无人机等高精度降落要求场合的应用。     

基于视觉的定点监控飞艇姿态和位置估计

为了提高飞艇定点监控的自主性和准确性,研究了一种基于视觉信息的定点监控飞艇姿态和位置估计算法。由射影几何学原理和特殊的双目摄像机安装方法来提取飞艇的姿态。基于双目立体视觉基本原理,得到特征点在摄像机坐标系下的位置。根据坐标转换关系,可以获得飞艇在地面坐标系下的位置和姿态非线性方程组。把姿态信息载入非线性方程组中,从而求得飞艇的位置信息。最后用仿真实例验证了飞艇姿态和位置算法的有效性。     

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。     

基于点特征的单目视觉位姿测量算法

针对位姿求解过程中存在的解不唯一、选解难和解的精度不高等问题,提出一种基于点特征的单目视觉位姿测量算法。首先,根据共面4个特征点之间的位置关系,分别对平行和相交两种情况进行分析;其次,根据特征点的空间坐标、图像坐标和空间位置关系,推导出世界坐标系中3个坐标轴上的向量变换到摄像机坐标系中的单位向量,进而求解出物体相对于摄像机的初始位姿;最后,用LM算法对初始位姿进行优化,得到最终位姿。实验结果表明:文中算法的合成误差为0.54 mm;现有的EPnP算法、两点一线算法和P3P算法的合成误差分别为1.28、1.52和4.26 mm;文中算法的合成误差分别减小了57.8%、64.4%和87.3%,优于现有的EPnP算法、两点一线算法和P3P算法。     

编码特征点的瞄准线测量方法

针对视觉式头部姿态测量系统存在编码特征点安装空间需求大的问题,设计一种结构简单、需求空间小的瞄准线测量方法。使用定位摄像机拍摄头盔上的编码特征点图像,计算机对图像进行解析和计算,结合正交迭代(OI)算法解算头部姿态。根据编码特征点随意布局特点进行了多组多次的仿真分析,仿真数据表明此方法是合理、有效的,利用小空间布局的编码特征点可以解算出高精度瞄准线。     

无人机在运动舰船上着舰视觉导引技术研究

为实现舰载无人机在做六自由度运动的航母上全天候着舰,提出了舰船运动模型下基于红外合作目标的无人机着舰视觉引导方法。首先设计了一种新型的合作目标;采用形态学算法提取合作目标,根据其位置特点进行物像点匹配,并采用N点算法求解机舰相对位姿;分析了舰船运动简化模型,并基于此模型提出了一种利用卡尔曼滤波提高导航精度的新方法,最后在VegaPrime中对该导航方法进行了仿真验证,仿真结果表明,该方法能够满足无人机着舰要求。     

无人飞行器自主降落区识别方法研究

为实现无人飞行器的自主降落,针对降落平坦区域包含特征较少、且分布没规律、形状各异等特点,本文设计了一种基于点云几何特征的快速点云分块和平坦区识别方法。该方法通过无人飞行器上的相机获取二维图像,并使用多视角立体三维重建技术获得场景三维点云,提出了以空间距离作为平滑项、以点在Z方向上的高度作为相似项的三维点云滤波算法对三维点云滤波,设计了基于点云法线和曲率的聚类分块对点云进行区域划分,然后改进RANSAC算法拟合点云平面,筛选出无人飞行器飞经场景的平坦区,并最终确定出无人飞行器的最佳降落区。最后,用本文所设计方法对戈壁人工沟壑、戈壁自然沟壑和小区花园等实拍场景图像进行降落区识别,实测结果显示识别出的区域地形起伏均小于0.125m@m~2,满足无人飞行器降落要求。     

基于单目视觉对地面特征点定位方法

为了解决机器人在室内导航定位的问题,本文提出基于单目视觉对地面特征点定位的新方法.为扩大摄像头的视野,本方法采用鱼眼摄像头,然后将鱼眼摄像头安装在小车底盘下面,实时校正鱼眼摄像头拍摄的图片.通过对摄像头进行标定得到其内外参数,进一步用新方法计算出摄像头安装在小车上的姿态角,建立平面成像模型得到世界坐标系与像素坐标系的对应关系.再进行RANSAC算法对地板的特征点和特征线进行提取,然后获得相关特征信息再经过逆透视变换算法变换到物理空间上,获取真实物理信息.实验结果表明利用该方法能够更精准获得摄像头与地板边缘线的相对位置信息,并且成本也低但定位精度高.     

基于运动模糊效应的图像测速方法

通过分析影像与成像平面以及地面景物之间相对运动关系,建立了航拍图像运动模糊模型,分析了模糊带宽度和相机运动及曝光时间之间的关系,设计了基于模糊带边缘增强和自相关分析的模糊带宽度测量算法,在此基础上提出了基于运动模糊效应的图像测速方法.给出了实用的测速算法,并分析了像素尺寸、模糊带宽度、相机姿态等对测速精度的影响.与传统的基于多普勒、地形匹配等测速算法相比,此方法无需增加额外设备和保障数据,实现更为简单.算例分析表明,此算法对于速度无剧烈变化的准匀速运动具有较好的测速效果,为飞行器实时飞行速度的测量提供了一种新的解决手段.     

红外零位走动量测量中的相机姿态自适应补偿

为提高红外零位走动量测量精度,针对测量过程中相机姿态变化误差引起的图像定位精度不高问题,提出了一种CCD相机姿态小角度变化自适应补偿方法。通过理论分析,推导出相机姿态解算公式,建立了CCD相机姿态解算数学模型,然后基于某型红外瞄具零位走动量测量系统,分别针对三种相机姿态,对瞄具分划线在参考坐标系中的坐标进行了对比实验。结果表明,测量精度优于0.01 mil,能减小相机倾斜对红外瞄具零位走动量测量带来的误差,为提高零位走动量测量精度提供了一种相机姿态自适应补偿的新方法。     

遗传算法提高卡尔曼滤波器在无人机滑行控制中的应用

无人机在起降过程中由于受到外界因素的干扰,在滑跑行驶过程中会产生一定的偏差。文中提出了一种新型的无人机测偏角方案,结合遗传算法和卡尔曼滤波器的优势,来达到提高无人机测量偏角的精度。卡尔曼滤波器可以应用到无人机飞控系统的导航中,但是存在一定的误差,而利用遗传算法的优势,缩小最优解的范围,可以提高有效性和可靠性。通过实验仿真,可使无人机的侧偏角保持在允许的一定范围内。     

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。     

一种基于平面标靶的线结构光视觉传感器标定方法

提出了一种适合于现场的线结构光视觉传感器标定 方法。建立了标定的数学模型,设计了一种平面点阵标靶,提出了坐标映射方法。根据结构 光条纹特征点的图像坐标和对应在标靶坐标系下的坐标,以及 相机内参,计算出标靶坐标系到摄像机坐标系的转移矩阵,再由转移矩阵得到特征点在摄像 机坐标系下的 坐标;在视场范围内,平面标靶按不同位姿摆放多次,获取投射在标靶上的所有特征点,对 这些特征点进 行平面拟合,得到结构光平面在摄像机坐标系下的方程。对标定的精度进行了验证,实验表 明,本文方法标定 过程简单,精度较高,适合于结构光传感器的现场标定。     

基于单目视觉的无人机障碍探测算法研究

针对低空飞行无人机的避障问题,研究了一种基于单目视觉的障碍物深度提取算法。在无人机前视摄像机获取的图像中,通过Harris角点检测算法提取角点作为特征点,使用归一化互相关算法进行角点的匹配,根据图像序列中特征点间距离的变化和无人机的运动计算障碍物的深度。对用于单个障碍物深度计算方法进行了改进,使用RANSAC算法区分不同深度的障碍物。仿真表明,该算法可以有效发现并区分不同深度的障碍物。