基于点线对应的无人机位姿估计算法

针对无人机着陆,提出了一种基于视觉的辅助着陆方法,仅利用跑道两条边缘线和一条横向着陆阈值线引导着陆;利用跑道上的这三条直线之间的几何约束关系,可求出三条线之间的交点在摄像机系中的坐标,再考虑消失点的特性可求得三条线在摄像机系中的向量;最后使用Umeyama方法求出三个姿态角,并利用点的共面性特性得到了无人机相对跑道位置的鲁棒解;仿真中姿态误差均保持在0.5.的范围,横向和高度误差在1 m以内,处理一帧图像平均耗时1.3 ms,因此,提出的视觉辅助无人机着陆的方法精度高、实时性好.     

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.     

基于LSD检测的无人机视觉着陆定位算法

针对复杂电磁干扰和拒止环境下固定翼无人机自主着陆的应用场景,提出了一种基于LSD的无人机视觉着陆定位算法,通过检测跑道的左右边线以及起始线对无人机进行定位;根据机场跑道的形态学特征,构建机场跑道数据模型,并对实验所用相机进行标定,采用灰度化和高斯滤波对采集到的图像进行预处理,采用LSD直线检测算法以提取跑道的直线特征,设计几何滤波策略从直线特征中提取出跑道的三条边线,采用蒙版技术以提高检测算法的抗干扰能力;根据相机成像原理推导出基于线检测的PNP定位算法,通过检测得到的机场跑道线在像素坐标系下的位置信息求出无人机相对于跑道的三维位置;分别在视景仿真环境和真实机场环境进行检测和定位解算,结果满足无人机着陆定位实时性和准确性的要求,从而验证了视觉着陆定位算法的有效性。     

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。     

无人机滑降着陆控制系统设计

针对滑跑型无人机回收阶段对下滑角跟踪以及触地时姿态角的高要求,设计了一种无人机滑降着陆控制方式。首先,给出了滑降控制系统结构图,在此基础上分别进行了滑降横侧向控制器和滑降纵向控制器的设计,具体进行了直线航迹和圆航迹的控制方法以及下滑段的高度控制量算法的分析。然后,进行了滑降着陆控制模式设计,将滑降过程分解为降高、平飞、下滑以及拉平四个阶段分别进行设计,并在拉平阶段给出了俯偏航距仰角控制量与离地高度的关键技术公式。仿真结果表明,该无人机滑降着陆控制系统平飞段偏航距小于5m,接地时偏航距约为0m;平飞段高度跟踪误差为0m,下滑段高度跟踪误差2m;落地姿态角为0.4度。具有高度控制误差小、偏航距离短、落地姿态角安全性高的优点,能满足滑跑无人机对滑降阶段的控制要求。     

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。     

一种无人机自主着陆视觉跟踪方法

视觉导航是利用图像信息进行飞机定位的,在无人机着陆过程中,为使机载传感器能始终追踪到机场跑道,提出了一种基于摄像机姿态与变焦控制的视觉跟踪方法;该方法通过调节摄像机姿态来追踪目标特征点,使目标特征点尽量位于成像平面的中心,然后根据无人机与机场跑道的距离,适时的调节焦距,以保证图像特征点完全位于图像平面内;实验结果表明,该法能很好地控制摄像机姿态角,使目标特征点位于图像中心附近,达到很好的跟踪效果;且该法操作简单,不需要增加图像处理的难度,实时响应速度快,可以满足工程需要。     

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。     

多惯组冗余系统安装误差的空中标定技术

以多组平行安装的捷联惯导构成的冗余系统为研究对象,提出了一种GPS辅助条件下惯导间安装误差的空中标定算法。该算法以其中一套惯导系统为安装基准,与GPS伪距、伪距率信息深组合后的导航结果为真实参考信息,标定前利用飞机机动提高基准惯导的姿态精度,标定开始时刻将基准惯导的导航信息装订给待标定惯导作为导航初值并进行姿态更新,利用待标定惯导的导航误差模型建立卡尔曼滤波器,量测量取为组合姿态与待标定惯导姿态的姿态误差,通过姿态匹配的方式对两套惯组之间安装误差进行标定。仿真结果显示,该方法不需要飞机做精确的角机动,只利用简单的摇翼和盘旋机动就可以对安装误差进行精确标定,且标定精度可达到角秒级水平。     

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。     

一种面向移动平台的无人机自主降落控制方法

准确获取无人机的位姿信息是顺利执行无人机自主导航、着陆的首要前提。由于GPS/INS导航系统的局限性和IMU惯性导航系统的误差,提出了一种基于视觉导航的方法。设计了"H"形图像的着陆标志,对机载摄像机采集的实时影像进行图像处理,利用世界坐标系到图像像素坐标系的映射关系得到基于视觉的无人机位姿估计模型,进而解算无人机当前的位姿估计值。上述方法提高了无人机的着陆安全性。仿真结果验证了算法的有效性和位态信息的精确度。     

A Vision-Based Guidance System for UAV Navigation and Safe Landing using Natural Landmarks

In this paper a vision-based approach for guidance and safe landing of an Unmanned Aerial Vehicle (UAV) is proposed. The UAV is required to navigate from an initial to a final position in a partially known environment. The guidance system allows a remote user to define target areas from a high resolution aerial or satellite image to determine either the waypoints of the navigation trajectory or the landing area. A feature-based image-matching algorithm finds the natural landmarks and gives feedbacks to an onboard, hierarchical, behaviour-based control system for autonomous navigation and landing. Two algorithms for safe landing area detection are also proposed, based on a feature optical flow analysis. The main novelty is in the vision-based architecture, extensively tested on a helicopter, which, in particular, does not require any artificial landmark (e.g., helipad). Results show the appropriateness of the vision-based approach, which is robust to occlusions and light variations.     

一种小型倾转旋翼无人机的建模与仿真

传统无人机多为四旋翼无人机和固定翼无人机,现设计一种小型可倾转旋翼无人机,可实现垂直起降与悬停,并能在空中高速巡航。建立该无人机的动力学模型,对该无人机的旋翼飞行模式,设计了基于滑模控制(Sliding Mode Control)的姿态控制器和位置控制器,并通过Matlab仿真和传统的PID算法进行比较验证。仿真结果表明:基于滑模鲁棒控制的无人机,其姿态收敛过程和位置收敛过程都远快于传统控制方法。     

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。     

Airborne Vision-Based Navigation Method for UAV Accuracy Landing Using Infrared Lamps

In this paper, an airborne vision-based navigation method for Unmanned Aerial Vehicle (UAV) accuracy landing is presented. In this method, a visible light camera integrated with a Digital Signal Processing (DSP) processor is installed on the UAV and a 940 nm optical filter is fixed in front of the camera lens. In addition, four infrared light-emitting diode (LED) lamps whose emission wavelengths are 940 nm are placed behind ideal landing site on the runway. In this way, the infrared lamps in the image are distinct even if the image background is complicated. In the image processing procedure, firstly maximum between-class variance algorithm and region growing algorithm are used to determine candidate infrared lamp regions in the images. Then Negative Laplacian of Gaussian (NLOG) operator is applied to detect and track centers of the infrared lamps in the images. The space position and attitude of the camera can be obtained according to the corresponding relationship between image coordinates and space coordinates of the infrared lamp centers. Finally, high precision space position of the UAV can be calculated according to the installation relationship between the camera and the UAV. Plenty of real flight and static precision experiments have proved the validity and accuracy of the proposed method.     

基于改进YOLOv5s的四旋翼自主降落标识检测算法

无人机自主降落是无人机领域研究的热点之一,导航信息在自主降落过程中又起到至关重要的作用,而视觉导航相较于传统导航方式可以提供更多环境信息,有利于提高无人机着陆安全性。当无人机飞行高度越高,机载相机捕获到的降落标识物就越小,为了提升无人机识别标识物的能力,基于YOLOv5s算法提出了一种改进的无人机实时小目标检测算法。首先,为了检测到更小尺度的目标在原算法基础上新增一个检测头;然后采用BiFPN代替原先PANet结构,提升不同尺度的检测效果;最后将EIoU Loss替换CIoU Loss作为算法的损失函数,在提高边界框回归速率的同时提高模型整体性能。将改进算法应用于无人机自主降落场景下的二维码降落标识检测,实验结果表明改进后的算法在小目标检测中相比于原始YOLOv5s算法的特征提取能力更强、检测精度更高,证明了改进算法的优越性。     

基于最小二乘的无人机无线导航方法研究

无线电导航是无人机传统导航模式,该模式的导航误差随时问积累;针对无线电导航系统由于非线性造成导航精度较低问题,提出了基于最小二乘估计的无线电导航方法;在研究非线性问题基础上构建了无线电导航系统模型;以航程推算为基准,进行了相应仿真计算分析;仿真分析表明基于最小二乘法的无线电导航系统能有效抑制非线性扰动,导航精度有较大提高.     

旋翼无人机在移动平台降落的控制参数自学习调节方法

无人机设备能够适应复杂地形,但由于电池容量等原因,无人机无法长时间执行任务。无人机与其他无人系统（无人车、无人船等）协同能够有效提升无人机的工作时间,完成既定任务,当无人机完成任务后,将无人机迅速稳定地降落至移动平台上是一项必要且具有挑战性的工作。针对降落问题,文中提出了基于矫正纠偏COACH(corrective advice communicated humans)方法的深度强化学习比例积分微分(proportional-integral-derivative, PID)方法,为无人机降落至移动平台提供了最优路径。首先在仿真环境中使用矫正纠偏框架对强化学习模型进行训练,然后在仿真环境和真实环境中,使用训练后的模型输出控制参数,最后利用输出参数获得无人机位置控制量。仿真结果和真实无人机实验表明,基于矫正纠偏COACH方法的深度强化学习PID方法优于传统控制方法,且能稳定完成在移动平台上的降落任务。