基于视觉的无人机自主着陆地标识别方法

合集下载

视觉辅助无人机自动着陆系统

视觉辅助无人机自动着陆系统1.关键词：自动着陆系统，线段检测，色彩饱和值，无人机方法，自动驾驶仪飞行控制。

2.引言：无人机系统中的自动导航系统是辅助操作人员进行更精确的飞行操纵的重要功能。

结合GPS航路点导航，提出了一种基于视觉辅助跑道识别和自动驾驶飞行控制的仪表着陆系统方法。

设计了一种简单、成熟、可靠的检测算法，用于Paparazzi 自动驾驶系统。

在传统RGB检测的基础上，引入了色饱和度值(HSV)颜色空间，给出了更为精确的检测结果。

增加了线段检测器(LSD)，用于在进近过程中搜索跑道边缘，以便在航路点0着陆。

建立了一种接近跑道的无人机归航的制导方法，并将其合并到一个等待点，然后再转向跑道。

与仪表着陆系统滑翔道相似，无人机在着陆过程中需要一个特定的滑翔道过程，因此需要建立标志物。

3.介绍：近几十年来，航空导航制导技术已相当成熟。

导航系统通过对无人机的正确实现，基于罗盘、GPS接收机、惯性测量单元(IMU)、空中数据单元(ADU)等机载传感器计算当前位置和方向。

导航系统的输出数据输入到自动驾驶仪的制导系统，以确定飞机的控制。

航路点被规划并设置在自动驾驶飞行控制器上。

跑道末端起始点的航路点0和其他航路点被指定为要遵循的飞行路线。

对于无人机的着陆，需要一个归航的阶段来接近机场，瞄准跑道方向完成着陆过程。

仪表着陆系统(ILS)[1]是最可靠的飞机着陆系统。

设计了一种适用于无人机归航的着陆方法。

无人机不像载人飞机那样携带复杂的仪器。

通过有限的航路点和跑道方向数据，可以得到简单的解决方案。

跑道线对着陆控制很有用。

没有无线电设备，视觉-空中跑道识别可能在无人机上被采用。

在跑道检测方面，2014年Braunschweig 大学飞行制导研究所提出了一种基于图像的导航和跑道检测方法[2]。

该方法需要一幅地理参考图和OpenCV算法对进场跑道进行跟踪。

来自西北工业大学自动化学院的尚和石还开发了基于视觉的无人机进场和着陆跑道检测方法[3]。

一种基于机器视觉的无人机自主着陆测量方法[发明专利]

专利名称：一种基于机器视觉的无人机自主着陆测量方法专利类型：发明专利
发明人：曲晓雷,董俊彪,王家兴,邵铮,冯心钰
申请号：CN202011568095.9
申请日：20201225
公开号：CN112797982A
公开日：
20210514
专利内容由知识产权出版社提供
摘要：本申请提供了一种基于机器视觉的无人机自主着陆测量方法，所述方法包括：获取无人机着陆过程中的高度及距离跑道的距离，当所述无人距着陆机场的高度及距着陆跑道的距离满足预定条件时，获取具有机场跑道的图像；解析所述图像，获得跑道边缘线和地平线；根据跑道边缘线和地平线解算出所述无人机着陆过程中的飞行参数，所述飞行参数包括高度、侧偏距、滚转角、俯仰角及偏航角。

本申请所提供的基于机器视觉的无人机自主着陆测量方法，通过引入视觉算法获得飞行参数，可以减轻无人机配重，提高飞机续航能力，且不接受外部设备发送的信息，抗干扰能力强，可以实现全天候、全天时着陆，搭载红外系统的视觉系统，可以避免天气，光照带来的影响。

申请人：中国航空工业集团公司沈阳飞机设计研究所
地址：110035 辽宁省沈阳市皇姑区塔湾街40号
国籍：CN
代理机构：北京航信高科知识产权代理事务所(普通合伙)
代理人：高原
更多信息请下载全文后查看。

基于视觉的无人机自动着陆定位算法

图1 着陆目标(注：图中黑色部分原为红色)图2 视觉算法流程图图3 坐标转换图(4)当椭圆确定后，因为范围大的椭圆对圆心估计的失真较标原点的空间位置坐标，R是无人机相对于着陆目标原点的角度(6)(8)在摄像机拍摄的图像中(10)(11)从坐标系O'X'Y'Z'到坐标系图4 自然光线下目标提取结果(注：图中六边形为蓝色，三角形为绿色，圆形及中间原点为红图5 较暗光线下目标提取结果(注：图中六边形为蓝色，三角形为绿色，圆形及中间原点为(15)(17)联立(15)和(17)，并令得关求得值带都已求出(18)[1]Zhao Y, Pei H. An improved vision-based algorithm for unmanned aerial vehicles autonomous[2]Cocchioni F, Mancini A, Longhi S. Autonomous navigation, landing and recharge of a quadrotorusing artificial vision[C] Unmanned Aircraft Systems (ICUAS), 2014 International Conference on.[3]Kim H J, Kim M, Lim H, et al. Fully autonomous vision-based net-recovery landing system for afixed-wing uav[J]. Mechatronics, IEEE/ASME Transactions on, 2013, 18(4): 1320-1333.[4]Hui C, Yousheng C, Xiaokun L, et al. Autonomous takeoff, tracking and landing of a UAV on amoving UGV using onboard monocular vision[C] Control Conference (CCC), 2013 32nd Chinese.[5]Cocchioni F, Frontoni E, Ippoliti G, et al. Visual Based Landing for an Unmanned Quadrotor[J].[6]Lange S, Sünderhauf N, Protzel P. Autonomous landing for a multirotor UAV using vision[C]。

一种飞行器自主着陆区域判别方法

一种飞行器自主着陆区域判别方法
随着无人机应用的不断扩展，自主着陆技术的研究也越来越受到关注。

自主着陆需要
飞行器能够准确判断着陆区域的位置和周围环境，以及实现精准的降落。

因此，本文提出
了一种飞行器自主着陆区域判别方法，以期提高飞行器的自主着陆能力和安全性。

方法基于机器视觉技术，通过飞行器搭载的视觉传感器获取周围环境信息。

首先，将
视野图像转化为二维灰度图像，并进行二值化处理，以减少噪声干扰。

接着，采用边缘检
测算法（如Canny算法）提取出图像中的边缘信息。

然后，利用霍夫变换检测出图像中的
直线段，以提高图像的准确性和可靠性。

在得到边缘信息和直线段信息后，对图像进行分割，将图像分为多个区域。

对于每个
区域，计算出其中心点的位置，并利用聚类算法将中心点进行分类。

通过分类结果，可以
得知图像中可能存在的不同类型的物体和区域。

根据观测到的物体和区域，对飞行器所在
的位置和可能成为着陆点的区域进行判断和评估，并确定最适合的着陆点。

为了增加判别准确率，还可以结合地形地貌数据，如 DEM 数据，对着陆区域进行评估。

利用嵌套网格搜索法，将着陆区域划分为多个网格，计算每个网格的高度、坡度和坡
向等参数，结合飞行器高度数据进行综合评估。

评估结果可以为飞行器提供更高精度的自
主着陆指导信息。

总之，本文提出的飞行器自主着陆区域判别方法，基于机器视觉技术和地形地貌数据，综合考虑周围环境和地形地貌特征，能够提高飞行器的自主着陆能力和安全性，对无人机
和航空器的应用具有重要意义。

一种拒止环境下的无人机自主导航定位方法

一种拒止环境下的无人机自主导航定位方法随着无人机技术的飞速发展，越来越多的应用场景需要无人机具备自主导航定位的能力。

然而在拒止环境下，由于GPS信号的失真以及地形等因素的影响，无人机的定位精度会受到很大的影响，这就要求我们需要一种更为精确的自主导航定位方法。

本文将介绍一种基于视觉和惯性测量的无人机自主导航定位方法。

步骤一：安装IMU和相机首先，我们需要在无人机中安装惯性测量单元（IMU）和摄像头。

IMU可以提供无人机的姿态和加速度等惯性信息，而摄像头则可以用于拍摄周围环境的图片。

该步骤需要重点考虑IMU和相机的安装位置和角度，以及它们之间的校准。

步骤二：采集图像和IMU数据飞行中，我们需要持续采集相机和IMU的数据。

IMU可以提供精确的加速度、角速度和磁场等惯性数据，而相机则可以提供图像数据。

这些数据是我们后续进行自主导航定位的关键。

步骤三：特征点匹配在采集到图像数据后，我们需要进行特征点的提取和匹配。

这里一般使用SIFT、SURF或ORB等特征提取算法来提取图像中的特征点，并使用基于FLANN或KNN等算法的特征点匹配算法来匹配前后两张图片中的特征点。

通过特征点的匹配，我们可以得到相机相邻两幅图片之间的移动距离和旋转角度。

步骤四：姿态估计根据IMU提供的加速度、角速度和磁场等数据，我们可以得到无人机的姿态信息。

而通过前面的特征点匹配，我们也可以得到无人机相邻两张图片之间的旋转角度。

通过IMU提供的姿态信息和相机提供的旋转角度信息，我们可以计算出无人机对于世界坐标系的姿态。

步骤五：运动估计通过前面姿态估计可得到无人机相邻两张图片之间的位姿差。

这个位姿差就是无人机的运动向量，我们可以将其转化为世界坐标系下的运动向量。

同时，由于IMU提供的加速度数据也可以用于速度的估计，我们可以根据速度和位移的关系算出无人机的位移。

步骤六：路径规划和引导通过前面的运动估计，我们可以将无人机当前位置和姿态信息与目标位置进行比较得到它们之间的距离和角度差。

飞微行器视觉下自主着陆跑道识别技术研究

哈尔滨工程大学本科生毕业论文摘要随着应用的需要和航空技术的发展，近年来在世界范围内掀起了微飞行器的研究热潮。

基于视觉的微飞行器自主着陆得到了广泛的研究。

本文主要研究了微飞行器着陆过程中，利用机载照相设备获取微飞行器着陆姿态、识别跑道的技术。

本文以微型无人直升机飞行过程中拍摄到的着陆场景图像为研究对象，选择着陆平台为图像处理中特征提取的目标，研究利用机器视觉的理论，通过数字图像处理的方法以及代数与几何的知识，实时提取着陆过程中的飞行参数，为微飞行器自主着陆提供导航信息。

首先，对拍摄到的图片运用MATLAB进行图像处理，消除噪声并提取出跑道特征；其次，对着陆平台进行直线检测，深入分析了特征直线和图像边界线与微飞行器姿态角之间的关系，确定了从着陆平台直线参数中求解微飞行器偏航角和俯仰角的方法，因微飞行器降落过程中滚转角很小，是一个小角度量，在降落过程中可以不予考虑。

微飞行器的姿态角是它稳定飞行和安全着陆的重要导航参数。

理论分析和实验结果表明，基于视觉的微飞行器自主着陆导航是可行的，具有一定的实时性和较高的计算精度，可以对微飞行器实现自主着陆。

关键词：微飞行器；图像处理；跑道识别；飞行参数哈尔滨工程大学本科生毕业论文ABSTRACTWith the demands of applicatoin and development of aeronautic technology, more and more attentions are paid to the research on Micro Air Vehicle(MA V) all over the world in recent years. A lot of research on computer vision-based for MA V autonomous landing has been done. In this paper ,we do some research on how to segment the runway area out of the image and obtain the attitude of the MA V with the vision technology.In this article, we process the image sequence of the runway which is got from an onboard camera, estimate the attitude and position of the aircraft. This article select the landing platform to target feature extraction for image processing, the theory of the use of machine vision, digital image processing methods, and knowledge of algebra and geometry, real-time to extract the parameters of the flight in the landing process, to provide navigation information for automomous landing of the MA V. In order to obtain the attitude information of the MA V, we research the relations betwwen the characterristics of a straight line and the image boundary line and the attitude. From the linear parameters of the landing platform, the yaw angle and pitch angle can be found.The theoretical analysis and the experiment result show that the extraction and conversion of vision-based navigation information for aircraft autonomous landing are feasible. It has a certain real-time and a high precision, so very suitable for a real-time navigation for MA V autonomous landing.Key words: MA V; image processing; runway recognition; flying parameter哈尔滨工程大学本科生毕业论文目录第1章绪论 (1)1.1 微飞行器应用背景 (1)1.2 国内外研究现状 (1)1.3本文的研究内容 (4)第2章方案设计的论证 (6)2.1 微飞行器的选择 (6)2.2 已有视觉导航技术的概述 (6)2.3 直升机非线性数学模型的组成 (9)2.3 本文的设计方案 (11)2.4 本章小结 (14)第3章数字图像预处理 (15)3.1 图像的灰度化处理 (15)3.2 图像分割 (16)3.2.1 图像去噪处理 (17)3.2.2 图像分割的具体实施 (19)3.3 直线提取 (22)3.3.1 边缘检测 (22)3.3.2 Hough变换 (25)3.4 本章小结 (29)第4章姿态角估计 (30)4.1 坐标系设定 (30)4.1.1 地面坐标系与机体坐标系 (30)4.1.2 摄像测量相关的坐标系 (32)4.1.3 坐标系变换关系 (34)4.2 偏航角的估计 (36)4.3 俯仰角的估计 (38)4.4 仿真结果分析 (41)4.5 本章小结 (45)总结与展望 (46)哈尔滨工程大学本科生毕业论文参考文献 (48)致谢 (50)哈尔滨工程大学本科生毕业论文第1章绪论1.1 微飞行器应用背景微型飞行器被认为是未来战场上的重要侦察和攻击武器，能够以可接受的成本执行某一有价值的任务。

无人机自主着陆地标实时检测方法

第 !" 卷 ! 第 "# 期
系统工程与电子技术
$%&'!"!(%'"#
)#"* 年 "# 月
+,-./0-12342//54236271&/8.5%248-
98.%:/5)#"*
""""""""""""""""""""""""""""""""""""""""""""""""""
文章编号 "##";<#=>!)#"*""#;)"<?;#=!
关键词无人机自动着陆轮廓提取角点检测地标中图分类号 $)!*'"))K '<! ! ! ! 文献标志码 H! ! ! !!"#%"#'E*=*&L'4--2'"##";<#=>')#"*'"#'#"
$%&'()*+%,%)%-)*./+%)0.,.1'&/,+&23*/456&7)./.+.78'&/,*/9

基于机器视觉的无人机自主导航与目标识别

基于机器视觉的无人机自主导航与目标识别无人机的应用范围越来越广泛，它在军事、民用及商业领域都有着重要的作用。

而无人机的自主导航和目标识别技术的发展，对于提高无人机的自主性和智能性至关重要。

基于机器视觉的无人机自主导航与目标识别技术是目前研究的热点之一，本文将围绕这一话题进行详细探讨。

首先，无人机的自主导航是指无人机能够在没有人为操作的情况下自动完成航线规划、飞行控制等任务。

实现无人机的自主导航需要依靠多种技术手段，其中基于机器视觉的技术是重要的一种。

通过搭载相机和其他传感器，无人机能够实时获取周围环境的图像信息，从而进行场景分析和环境感知。

基于机器视觉的无人机自主导航算法主要包括图像处理、目标识别与跟踪、航线规划等步骤。

其次，目标识别是无人机自主导航的关键技术之一。

无人机需要能够准确地识别和追踪特定目标，包括人、车、建筑物等。

基于机器视觉的目标识别技术主要包括特征提取、目标分类和目标跟踪三个步骤。

特征提取是指从图像数据中提取出与目标相关的特征信息，例如颜色、纹理、形状等。

目标分类是将提取到的特征与事先训练好的分类器进行匹配，以确定目标的类别。

目标跟踪则是在连续的图像序列中跟踪目标的位置和运动轨迹，以实现目标的实时追踪。

在基于机器视觉的无人机自主导航与目标识别中，还面临着一系列的挑战和难题。

首先是图像处理技术的优化和改进。

由于无人机工作环境的复杂性，图像数据常常会受到光照、遮挡、噪声等因素的影响，这就对图像处理算法的鲁棒性和稳定性提出了要求。

其次是目标识别的准确性和实时性。

在复杂的环境中，目标的特征可能会发生变化，同时目标的数量和种类也可能非常多，这就对目标识别算法的准确性和处理效率提出了较高的要求。

此外，无人机的自主导航还需要考虑航线规划、路径规划等问题，以确保无人机能够安全、高效地完成任务。

针对上述挑战和难题，研究人员提出了许多解决方案。

例如，可以利用深度学习和卷积神经网络等技术对目标进行分类和识别，通过训练大规模的样本库来提高识别的准确性和实时性。

基于机器视觉的自主无人机导航与识别系统

基于机器视觉的自主无人机导航与识别系统自主无人机导航与识别系统在近年来得到了广泛关注与研究。

机器视觉技术的不断发展，为无人机导航和目标识别提供了有效的解决方案。

本文将介绍基于机器视觉的自主无人机导航与识别系统的原理、应用和挑战。

一、系统原理基于机器视觉的自主无人机导航与识别系统的原理是利用摄像头或传感器获取周围环境的图像信息，通过图像处理、目标识别和路径规划等算法，实现无人机的自主导航和目标识别。

系统主要由三个模块组成：感知模块、决策模块和执行模块。

感知模块负责收集和处理传感器数据，如图像、激光雷达数据等；决策模块负责分析处理感知数据，并生成飞行路径和动作指令；执行模块负责控制无人机执行相应的动作。

二、应用领域基于机器视觉的自主无人机导航与识别系统在众多领域都有广泛的应用价值。

首先，在农业领域，该系统可以用于实现精准农业，通过识别农田中的作物和病虫害，及时采取相应的防治措施。

其次，在环境监测领域，该系统可以用于快速监测环境中的污染源、火灾等，对应急救援工作起到重要作用。

此外，在城市规划和交通管理领域，该系统可以用于快速勘测城市地形、交通流量监测等工作，提供精准的数据支持。

三、系统挑战基于机器视觉的自主无人机导航与识别系统虽然有着广泛的应用前景，但也面临着一些挑战。

首先，图像处理和目标识别算法需要具备高度的准确性和鲁棒性，以应对不同环境和复杂场景下的挑战。

其次，系统的实时性和稳定性是关键问题，对于无人机而言，任何延迟或失控都可能导致事故发生。

此外，无人机在室内或遮挡物较多的环境中的导航和识别能力也需要进一步提升。

四、技术进展与趋势随着人工智能和深度学习等技术的迅速发展，基于机器视觉的自主无人机导航与识别系统的性能不断提升。

目前，一些先进的目标识别算法已经可以实现较高的准确度和鲁棒性。

同时，硬件设备如处理器和传感器的性能也在不断提高，为系统的实时性和稳定性提供了支持。

未来，越来越多的技术创新将进一步推动这一领域的发展，例如机器学习和深度强化学习等。

基于视觉的无人机自主着陆地标识别方法

基于视觉的无人机自主着陆地标识别方法李宇;王友仁;罗慧;陈燕;姜媛媛【期刊名称】《计算机应用研究》【年(卷),期】2012(029)007【摘要】In the traditional method of recognizing the landmark during the process of UAV autonomous landing, conformed the threshold through lots of experiments. In order to solve this problem, this paper studied a kind of method based on affine invariant moments and SVM classifier. First of all,it designed a new landmark combined with 6 circles. Second, considering the fact that the UAV in flight could take distorted landmark images, it extracted the affine invariant moments as features. Finally, it put affine invariant moments into SVM classifier to complete landmark recognition. It compared the proposed method with Hu invariant moment and BP neural network. The experimental results show that combination of affine invariant moment and SVM classifier improve the accuracy and decrease test time of UAV landing landmark classification. Therefore, the classification method based on affine invariant moments and SVM classifier has a certain degree of practicality in the landmark recognition.%在无人机自主着陆过程中,传统地标识别方法的相似阈值确定需大量实验估计.为解决此问题,采用一种基于仿射不变矩和支持向量机的识别方法,首先设计了六圆组合的图标作为无人机自主着陆地标;由于无人机会拍摄到发生扭曲的地标图像,因此提取地标的仿射不变矩作为输入特征;最后将其输入支持向量机分类模型,完成地标的识别.与传统的几何不变矩和BP神经网络相比较,该方法提高了地标的识别精度并降低了识别测试时间,因此对地标识别具有一定的实用性.【总页数】4页(P2780-2783)【作者】李宇;王友仁;罗慧;陈燕;姜媛媛【作者单位】南京航空航天大学自动化学院测试计量技术及仪器系,南京210016;南京航空航天大学自动化学院测试计量技术及仪器系,南京210016;南京航空航天大学自动化学院测试计量技术及仪器系,南京210016;南京航空航天大学自动化学院测试计量技术及仪器系,南京210016;南京航空航天大学自动化学院测试计量技术及仪器系,南京210016【正文语种】中文【中图分类】TP391.41【相关文献】1.一种基于视觉的无人机自主着陆位姿估计方法研究 [J], 杨智贵;张彦;田朋云2.基于视觉的无人机板载自主实时精确着陆系统 [J], 饶颖露;邢金昊;张恒;马晓静;马思乐3.基于机器视觉的植保无人机自主着陆技术研究 [J], 于坤林;谢志明;刘肩山4.基于线特征的无人机自主着陆惯性/视觉导航方法 [J], 李洪;王大元;明丽;童栎5.基于视觉的无人机着陆地标设计与识别算法研究 [J], 于洋;毕宏帅因版权原因，仅展示原文概要，查看原文内容请购买。

一种无人机自主着陆视觉跟踪方法

一种无人机自主着陆视觉跟踪方法邓红德;王丽君;金波【期刊名称】《计算机测量与控制》【年(卷),期】2009(017)007【摘要】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.%Vision navigation uses the image information to evaluate the aircraft position, in the process of landing, for airborne sensor can always follow up to the airport runway, presents a visual tracking algorithm which based on camera eontrolling. The algorithm by adjusting the camera to track the target feature makes the feature points as possible in the centre of imaging plane, and then according to the distance from the airport runway, timely adjust the focal length to ensure the image feature points in the image plane completely. Experimental results show that the law can control the camera angle well that made the target image feature points in the vicinity. And that the method is simple,don't need to increase the difficulty of image processing, and the real-time response speed is quick, can meet the project needs.【总页数】3页(P1387-1389)【作者】邓红德;王丽君;金波【作者单位】西北工业大学无人机特种技术国家重点实验室,陕西,西安,710065;西北工业大学无人机特种技术国家重点实验室,陕西,西安,710065;成都飞机工业公司,四川,成都,610092【正文语种】中文【中图分类】TP13【相关文献】1.无人机视觉导航着陆地标实时检测跟踪方法 [J], 李靖;马晓东;陈怀民;段晓军;张彦龙2.一种基于惯性/视觉信息融合的无人机自主着陆导航算法 [J], 刘畅;杨良军;刘峰;王翌;徐策;刘崇亮3.全自主双发油动四旋翼无人机着陆轨迹跟踪方法分析 [J], 聂广华4.一种基于视觉的无人机自主着陆位姿估计方法研究 [J], 杨智贵;张彦;田朋云5.基于线特征的无人机自主着陆惯性/视觉导航方法 [J], 李洪;王大元;明丽;童栎因版权原因，仅展示原文概要，查看原文内容请购买。