CN105197252B - 一种小型无人机降落方法及系统 - Google Patents
一种小型无人机降落方法及系统 Download PDFInfo
- Publication number
- CN105197252B CN105197252B CN201510599276.0A CN201510599276A CN105197252B CN 105197252 B CN105197252 B CN 105197252B CN 201510599276 A CN201510599276 A CN 201510599276A CN 105197252 B CN105197252 B CN 105197252B
- Authority
- CN
- China
- Prior art keywords
- msub
- unmanned plane
- airborne
- unit
- landing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 14
- 238000013519 translation Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
- G05D1/0653—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing
- G05D1/0676—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种小型无人机降落方法及系统,该方法包括以下步骤:无人机利用GPS/INS组合导航系统进入预降落区域,当无人机进入预降落区域后,和地面降落台间建立通信,同时机载视觉系统搜索降落台标志,并发送指令给地面降落台,然后地面视觉系统利用相对关系搜寻机载标志灯,如果检测目标模糊,或者无法检测,便发送指令给机载控制模块,地面视觉系统再对标志灯进行检测,进而检测到无人机,最后利用相应算法完成无人机的精确定位和跟踪,控制无人机的降落,从而实现无人机的精确自主定位。
Description
技术领域
本发明涉及无人机和机器视觉领域,尤其涉及一种小型无人机降落方法及系统。
背景技术
当今,无人飞行器(UAV)一直是航空领域研究的热点,具有使用便利、运营成本低、机动灵活易于智能化等优点,被广泛地用于视频监视、侦查、航测航拍、灾害搜救、线路巡查、影视制作等场合。而无人直升机不需要专门的跑道,可以垂直起飞和降落,对需用空间要求低等优点,近年来小型无人直升机的研究与应用越来越受到关注。
然而,小型无人机复杂环境下的自主回收降落既是技术难点,也是我们越来越关注的焦点。目前无人机使用GPS/INS组合导航系统进行飞行导航,但是当前民用GPS定位精度只能达到10米以内,特别是在自主降落过程中,这个精度还是无法达到无人机的精确降落要求。
因此,相关学者做了大量的研究:在小型无人机自主降落的过程中,合理设计人工降落地标,以及利用机载摄像头获取图像,并设计算法提取降落地标特征信息,辅助小型无人机自主降落;如张广军《基于双圆特征的无人机着陆位置姿态视觉测量方法》采用的是双圆特征作为地标;Sankalp Arora《Infrastructure-free Shipdeck Tracking forAutonomous Landing》采用的是圆形标志作为地标;专利号ZL 200510095085.7采用的是十字形的地标。更多的是采用的H标志作为地标,如戴中兴《基于视觉的小型垂直起降UAV降落引导技术》也用的是H标志作为地标。
以上这些方法都是采用无人机装载摄像头识别地标,这种方法用在大型稳定性好的无人机上可以,使用在小型无人机上,由于其不稳定性,它的水平方向的位移会使降落台标志逃出视野,导致无法识别降落台标志。又因为地面摄像头对空中目标的搜索范围会小很多,再考虑到复杂的自然环境(如强光、阴天等)对地面摄像头检测空中目标的干扰,针对这些问题,设计一种无人机降落方法及系统,辅助小型无人机进行精准自主降落,显得尤为重要。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种小型无人机降落方法及系统。
本发明解决其技术问题所采用的技术方案是:一种小型无人机降落系统,包括以下模块:
导航模块,用于引导无人机进入预降落区域;
通信模块,用于无人机和降落台的通信;
视觉系统,包括标志单元、采集单元、处理单元;
所述标志单元包括机载标志单元和降落台标志单元,分别为地面和机载采集单元提供采集目标;
所述采集单元包括机载采集单元和降落台采集单元,分别用于对降落台标志和机载标志的采集和检测;
处理单元,包括机载处理单元和地面处理单元,机载处理单元用于实现无人机的初步定位;地面处理单元用于实现无人机的精确定位与跟踪;
控制模块,用于控制无人机的降落。
按上述方案,所述机载标志单元包括三个分别布置在无人机的三个顶点的显示单元;所述三个显示单元形成等腰三角状,每个显示单元能以不同的频率显示多种颜色。
按上述方案,所述降落台标志单元为黑白颜色的四边形状。
按上述方案,所述机载采集单元是位于无人机底部的摄像头;降落台采集单元为分布在降落台四周的多个摄像头组。
按上述方案,所述处理单元视觉系统对无人机的定位与跟踪,属于多摄像头对目标的定位,包括如下步骤:
4.1)采用平面标定“棋盘格”法对摄像机进行标定,从而获得相应摄像机的内参数:焦距(fx,fy),主点(uc,vc),及四个畸变因子k;外参数:平移矢量T和旋转矢量R;
4.2)根据摄像机的参数信息,建立目标在图像中坐标位置与其空间坐标之间的关系式,采用基于最小二乘法原理的光束法平差对多目摄像机定位测量进行优化求解;
所述目标在图像中坐标位置与其空间坐标之间的关系式为:
其中,(ux,vy)为实际像点,像素p(ux,vy)代表目标标记点(Xw,Yw,Zw)在图像平面上的坐标位置;为理想像点,(δx,δy)为畸变因子,r0、r1,r2……,r8为旋转矩阵R3x3内的元素,(Tx,Ty,Tz)为平移向量T3x1内的元素,(uc,vc)为图像主点,是光轴与像平面交点的图像坐标;(fx,fy)为横纵向等效焦距。
按上述方案,所述采集单元中地面视觉系统利用机载标志检测无人机采用基于显著性分析的自适应模式的目标检测算法;主要包括以下几个步骤:首先根据包括颜色、纹理、局部对比度的特征信息对整个场景进行图像理解并建立显著性图,提取得到包括无人机的目标区域;然后采用基于时间频率特征的检测算法对机载标志灯进行检测和识别。
一种小型无人机降落方法,包括以下步骤:
1)通过GPS/INS组合导航系统引导无人机进入预降落区域;
2)将无人机与地面降落台建立通信;
3)驱动无人机的机载视觉系统搜索降落台标志,同时开启机载标志灯并发送指令给地面降落台;
4)地面视觉系统利用机载标志检测无人机,完成对无人机的跟踪与定位;
5)控制无人机缓慢降落。
按上述方案,所述机载标志灯包括三个分别布置在无人机的三个顶点的显示单元;所述三个显示单元形成等腰三角状,每个显示单元能以不同的频率显示多种颜色。
按上述方案,所述降落台标志为黑白颜色的四边形状。
按上述方案,所述机载视觉系统是位于无人机底部的摄像头;地面视觉系统为多个摄像头组,分布在降落台四周。
按上述方案,所述步骤4)中上述步骤中视觉系统对无人机的定位与跟踪,属于多摄像头对目标的定位,包括如下步骤:
4.1)采用平面标定“棋盘格”法对摄像机进行标定,从而获得相应摄像机的内参数:焦距(fx,fy),主点(uc,vc),及四个畸变因子k;外参数:平移矢量T和旋转矢量R;
4.2)根据摄像机的参数信息,建立目标在图像中坐标位置与其空间坐标之间的关系式,采用基于最小二乘法原理的光束法平差对多目摄像机定位测量进行优化求解;
所述目标在图像中坐标位置与其空间坐标之间的关系式为:
其中,(ux,vy)为实际像点,像素p(ux,vy)代表目标标记点(Xw,Yw,Zw)在图像平面上的坐标位置;为理想像点,(δx,δy)为畸变因子,r0、r1,r2……,r8为旋转矩阵R3x3内的元素,(Tx,Ty,Tz)为平移向量T3x1内的元素,(uc,vc)为图像主点,是光轴与像平面交点的图像坐标;(fx,fy)为横纵向等效焦距。
按上述方案,所述步骤4)中地面视觉系统利用机载标志检测无人机采用基于显著性分析的自适应模式的目标检测算法;主要包括以下几个步骤:首先根据包括颜色、纹理、局部对比度的特征信息对整个场景进行图像理解并建立显著性图,提取得到包括无人机的目标区域;然后采用基于时间频率特征的检测算法对机载标志灯进行检测和识别;
按上述方案,所述建立显著性图采用以下公式:
S(x,y)=||Iμ-Iwh(x,y)||,其中,Iμ是图像特征量的平均值,Iwh(x,y)是经过高斯滤波后对应图像像素的特征值,||||是欧式距离公式。
本发明产生的有益效果是:本发明设计了一种降落台标志用于无人机的初步定位,其次提出一种可更改颜色的机载标志单元应对复杂的自然环境,采用机器视觉的方法实现对无人机精确定位和跟踪,进而完成无人机的自主降落。本发明能有效提高无人机的现代化水平。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图;
图2是本发明实施例中坐标系的定义与视觉定位示意图;
图3是本发明实施例中的地面降落台标志图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种小型无人机降落方法,包括以下步骤:
1)通过GPS/INS组合导航系统引导无人机进入预降落区域;
2)将无人机与地面降落台建立通信;
3)驱动无人机的机载视觉系统搜索降落台标志,同时开启机载标志灯并发送指令给地面降落台;
其中,降落台标志为黑白颜色的四边形状;降落台标志(如图3所示)设计为正方形区域,内嵌了多个黑白颜色的正方形形状,黑白间距的比为1:1:2:2:2:1:1,其中最里面的是三个大小相等的白色正方形,它们构成等腰直角三角形的三个顶点;
机载标志灯包括三个分别布置在无人机的三个顶点的显示单元;所述三个显示单元形成等腰三角状,每个显示单元能以不同的频率显示多种颜色。
机载视觉系统是位于无人机底部的摄像头;地面视觉系统为多个摄像头组,分布在降落台四周。
4)地面视觉系统利用机载标志检测无人机,完成对无人机的跟踪与定位;
1.检测:
地面视觉系统利用机载标志检测无人机采用基于显著性分析的自适应模式的目标检测算法;主要包括以下几个步骤:首先根据包括颜色、纹理、局部对比度的特征信息对整个场景进行图像理解并建立显著性图,提取得到包括无人机的目标区域;然后采用基于时间频率特征的检测算法对机载标志灯进行检测和识别;
其中,建立显著性图采用以下公式:
S(x,y)=||Iμ-Iwh(x,y)||,其中,Iμ是图像特征量的平均值,Iwh(x,y)是经过高斯滤波后对应图像像素的特征值,||||是欧式距离公式。
2.定位:
视觉系统对无人机的定位,属于多摄像头对目标的定位,包括如下步骤:
采用平面标定“棋盘格”法对摄像机进行标定,从而获得相应摄像机的内参数:焦距(fx,fy),主点(uc,vc),及四个畸变因子k;外参数:平移矢量T和旋转矢量R。然后利用这些参数信息和目标在图像上反映出的坐标信息通过摄像机成像模型获取目标在空间环境中的实际坐标位置。
设摄像机的成像模型为中心透视投影模型,如图2,目标在摄像机中图像投影坐标与空间环境中的3D坐标之间的关系可以通过投影矩阵得到,(uc,vc,f)代表摄像机的内置参数,旋转矩阵平移矩阵T(tx,ty,tz)代表外置参数,实现摄像机图像平面坐标和世界3D坐标之间的转换。像素p(ux,vy)代表标记点(Xw,Yw,Zw)在图像平面上的坐标位置。具体的投影关系用公式(1)表示,为目标在图像像素齐次坐标,为对应的空间齐次坐标。其中(fx,fy)为横纵向等效焦距,约等于f,(uc,vc)为图像主点,是光轴与像平面交点的图像坐标,而旋转矩阵R3x3和平移向量T3x1代表像机坐标系与世界坐标系的相对方位关系,总体的投影成像关系采用投影矩阵M3x4描述。
然而,由于摄像机制造工艺等原因,实际的像机成像过程中往往存在着镜头畸变,即成像关系不严格满足中心透视投影关系。因此公式(1)无法准确描述实际的图像点与对应空间点之间的关系。由于镜头畸变造成的实际成像与中心透视投影成像之间的偏差被称为像差,为了将这些偏差考虑进来,引进带有畸变因子的非线性像机模型。
其中,(ux,vy)为实际像点,为理想像点,(δx,δy)为畸变因子,
因此,考虑像差的影响,实际的像机成像关系可以用公式(4)表示
其中,ri(i=0,1,2,……8)为旋转矩阵R3x3内的元素,(Tx,Ty,Tz)为平移向量T3x1内的元素。
由于非线性像机模型的各个参数相互是耦合的,即像机参数多于实际独立变量数,存在冗余,使得各参数之间产生耦合,互相补偿。因此,本发明对像机模型进行简化:指定畸变因子k3,k4为0,同时调整其他参数,来保持像机成像精度。至此,建立了像机图像点坐标与空间点坐标之间的关系,利用此关系完成对摄像机的标定。
3.跟踪:
在对无人机跟踪过程中,容易受到外界干扰而导致自身处于不稳定状态,造成目标在视野中间断性的“丢失”现象。本发明在基于中值流跟踪的方法基础上增加了跟踪失败检测算法,使跟踪系统能够准确地了解当前的跟踪情况,以做出适当的决策。
中值流跟踪算法利用目标框来表示目标,并在连续的相邻视频帧之间估计目标的运动。具体原理为在上一帧的目标框中选择若干个像素点作为特征点,在下一帧中寻找上一帧中的特征点在当前帧中的对应位置。然后,将这若干个特征点在相邻帧之间的位移变化进行排序,得到唯一变化的中值,利用该中值的50%的特征点,将这50%个特征点作为下一帧的特征点,并依次进行下去,实现了动态更新特征点的目的。在这里,本发明将目标框划分成10x10个大小相等格子,以每个格子中的像素点作为初始特征点,并利用金字塔的LK光流法在连续的相邻视频帧之间估计若干特征点的运动。
中值光流跟踪法的前提假设是被跟踪目标是可见的,当目标被完全遮挡或者离开当前场景时,跟踪便宣告失败。为了应对这些情况,本项目采用如下策略:令di代表中值光流跟踪中某个特征点的位移,而dm代表所有特征点位移的中值,那么定义位移的残差|di-dm|。如果残差大于10个像素点(设定值),就认为跟踪失败。这种方法可以很好地发现由于被跟踪目标移动过快或者迅速被遮挡而造成的跟踪失败。
5)控制无人机缓慢降落。
相应的,本发明还提供一种小型无人机降落系统,包括以下模块:
导航模块,用于引导无人机进入预降落区域;
通信模块,用于无人机和降落台的通信;
视觉系统,包括标志单元、采集单元、处理单元;
所述标志单元包括机载标志单元和降落台标志单元,分别为地面和机载采集单元提供采集目标;
机载标志单元包括三个分别布置在无人机的三个顶点的显示单元;三个显示单元形成等腰三角状,每个显示单元能以不同的频率显示多种颜色;降落台标志单元为黑白颜色的四边形状。
所述采集单元包括机载采集单元和降落台采集单元,分别用于对降落台标志和机载标志的采集和检测;
处理单元,包括机载处理单元和地面处理单元,机载处理单元用于实现无人机的初步定位;地面处理单元用于实现无人机的精确定位与跟踪;
控制模块,用于控制无人机的降落。
处理单元视觉系统对无人机的定位与跟踪,属于多摄像头对目标的定位,包括如下步骤:
4.1)采用平面标定“棋盘格”法对摄像机进行标定,从而获得相应摄像机的内参数:焦距(fx,fy),主点(uc,vc),及四个畸变因子k;外参数:平移矢量T和旋转矢量R;
4.2)根据摄像机的参数信息,建立目标在图像中坐标位置与其空间坐标之间的关系式,采用基于最小二乘法原理的光束法平差对多目摄像机定位测量进行优化求解;
所述目标在图像中坐标位置与其空间坐标之间的关系式为:
其中,(ux,vy)为实际像点,像素p(ux,vy)代表目标标记点(Xw,Yw,Zw)在图像平面上的坐标位置;为理想像点,(δx,δy)为畸变因子,r0、r1,r2……,r8为旋转矩阵R3x3内的元素,(Tx,Ty,Tz)为平移向量T3x1内的元素,(uc,vc)为图像主点,是光轴与像平面交点的图像坐标;(fx,fy)为横纵向等效焦距。
采集单元中地面视觉系统利用机载标志检测无人机采用基于显著性分析的自适应模式的目标检测算法;主要包括以下几个步骤:首先根据包括颜色、纹理、局部对比度的特征信息对整个场景进行图像理解并建立显著性图,提取得到包括无人机的目标区域;然后采用基于时间频率特征的检测算法对机载标志灯进行检测和识别。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (6)
1.一种小型无人机降落系统,其特征在于,包括以下模块:
导航模块,用于引导无人机进入预降落区域;
通信模块,用于无人机和降落台的通信;
视觉系统,包括标志单元、采集单元、处理单元;
所述标志单元包括机载标志单元和降落台标志单元,分别为地面降落台采集单元和机载采集单元提供采集目标;
所述机载标志单元包括分别布置在无人机的三个顶点的三个显示单元;所述三个显示单元形成等腰三角状,每个显示单元能以不同的频率显示多种颜色;
所述降落台标志单元为黑白颜色的四边形状;
所述采集单元包括机载采集单元和降落台采集单元,分别用于对降落台标志和机载标志的采集和检测;
处理单元,包括机载处理单元和地面处理单元,机载处理单元用于实现无人机的初步定位;地面处理单元用于实现无人机的精确定位与跟踪;
控制模块,用于控制无人机的降落。
2.根据权利要求1所述的无人机降落系统,其特征在于,所述机载采集单元是位于无人机底部的摄像头;降落台采集单元为分布在降落台四周的多个摄像头组。
3.根据权利要求1所述的无人机降落系统,其特征在于,所述采集单元中地面降落台采集单元利用机载标志检测无人机采用基于显著性分析的自适应模式的目标检测。
4.一种小型无人机降落方法,其特征在于,包括以下步骤:
1)通过GPS/INS组合导航系统引导无人机进入预降落区域;
2)将无人机与地面降落台建立通信;
3)驱动无人机的机载采集单元搜索降落台标志单元,同时开启机载标志单元并发送指令给地面降落台;所述机载标志单元包括分别布置在无人机的三个顶点的三个显示单元;所述三个显示单元形成等腰三角状,每个显示单元能以不同的频率显示多种颜色;
所述降落台标志单元为黑白颜色的四边形状;
4)地面降落台采集单元利用机载标志单元检测无人机,完成对无人机的跟踪与定位;
5)控制无人机缓慢降落。
5.根据权利要求4所述的无人机降落方法,其特征在于,所述机载采集单元是位于无人机底部的摄像头;地面降落台采集单元为多个摄像头组,分布在降落台四周。
6.根据权利要求4所述的无人机降落方法,其特征在于,所述步骤4)中地面降落台采集单元对无人机的定位与跟踪,属于多摄像头对目标的定位,包括如下步骤:
4.1)采用平面标定“棋盘格”法对摄像头进行标定,从而获得相应摄像头的内参数:焦距(fx,fy),主点(uc,vc),及四个畸变因子k;外参数:平移矢量T和旋转矢量R;
4.2)根据摄像头的参数信息,建立目标在图像中坐标位置与其空间坐标之间的关系式,采用基于最小二乘法原理的光束法平差对多摄像头定位测量进行优化求解;
所述目标在图像中坐标位置与其空间坐标之间的关系式为:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<msub>
<mi>f</mi>
<mi>x</mi>
</msub>
<mfrac>
<mrow>
<msub>
<mi>r</mi>
<mn>0</mn>
</msub>
<msub>
<mi>X</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<msub>
<mi>Y</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<msub>
<mi>Z</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>x</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>r</mi>
<mn>6</mn>
</msub>
<msub>
<mi>X</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>7</mn>
</msub>
<msub>
<mi>Y</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>8</mn>
</msub>
<msub>
<mi>Z</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>z</mi>
</msub>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>u</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;</mi>
<mi>x</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>v</mi>
<mi>y</mi>
</msub>
<mo>=</mo>
<msub>
<mi>f</mi>
<mi>y</mi>
</msub>
<mfrac>
<mrow>
<msub>
<mi>r</mi>
<mn>3</mn>
</msub>
<msub>
<mi>X</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>4</mn>
</msub>
<msub>
<mi>Y</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>5</mn>
</msub>
<msub>
<mi>Z</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>y</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>r</mi>
<mn>6</mn>
</msub>
<msub>
<mi>X</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>7</mn>
</msub>
<msub>
<mi>Y</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>r</mi>
<mn>8</mn>
</msub>
<msub>
<mi>Z</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>z</mi>
</msub>
</mrow>
</mfrac>
<mo>+</mo>
<msub>
<mi>v</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;</mi>
<mi>y</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,(ux,vy)为实际像点,像素p(ux,vy)代表目标标记点(Xw,Yw,Zw)在图像平面上的坐标位置;为理想像点,(δx,δy)为畸变因子,r0、r1,r2……,r8为旋转矩阵R3x3内的元素,(Tx,Ty,Tz)为平移向量T3x1内的元素,(uc,vc)为图像主点,是光轴与像平面交点的图像坐标;(fx,fy)为横纵向等效焦距。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599276.0A CN105197252B (zh) | 2015-09-17 | 2015-09-17 | 一种小型无人机降落方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510599276.0A CN105197252B (zh) | 2015-09-17 | 2015-09-17 | 一种小型无人机降落方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105197252A CN105197252A (zh) | 2015-12-30 |
CN105197252B true CN105197252B (zh) | 2017-12-29 |
Family
ID=54945319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510599276.0A Active CN105197252B (zh) | 2015-09-17 | 2015-09-17 | 一种小型无人机降落方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105197252B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105758397B (zh) * | 2016-02-14 | 2018-09-25 | 中国船舶工业系统工程研究院 | 一种飞行器摄像定位方法 |
CN105867397B (zh) * | 2016-04-13 | 2018-08-07 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
CN105786020B (zh) * | 2016-04-28 | 2018-07-10 | 深圳飞马机器人科技有限公司 | 一种无人机的短距滑降方法 |
CN106225787B (zh) * | 2016-07-29 | 2019-03-29 | 北方工业大学 | 一种无人机视觉定位方法 |
CN106054931B (zh) * | 2016-07-29 | 2019-11-05 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
CN106542105B (zh) * | 2016-09-05 | 2019-12-10 | 珠海市磐石电子科技有限公司 | 飞行器移动降落方法和系统 |
CN106530239B (zh) * | 2016-09-24 | 2019-10-11 | 上海大学 | 基于大视场仿生鱼眼的小型无人旋翼机移动目标低空跟踪方法 |
CN106708065A (zh) * | 2017-01-17 | 2017-05-24 | 览意科技(上海)有限公司 | 无人机降落控制方法、装置与无人机 |
CN106864751B (zh) * | 2017-03-16 | 2019-02-15 | 山东大学 | 基于图像处理的无人机飞行降落系统及方法 |
CN107063261B (zh) * | 2017-03-29 | 2020-01-17 | 东北大学 | 用于无人机精准着陆的多特征信息地标检测方法 |
CN107146256B (zh) * | 2017-04-10 | 2019-07-05 | 中国人民解放军国防科学技术大学 | 基于差分gps系统的外场大视场条件下的摄像机标定方法 |
CN107240063B (zh) * | 2017-07-04 | 2020-05-26 | 武汉大学 | 一种面向移动平台的旋翼无人机自主起降方法 |
US10787258B2 (en) * | 2017-11-11 | 2020-09-29 | The Boeing Company | Portable unmanned aerial vehicle approach and departure zone protection platform |
CN108275281A (zh) * | 2017-12-22 | 2018-07-13 | 北京利泽菲尔文化科技有限公司 | 一种无人机自动无线充电装置 |
CN108502198B (zh) * | 2018-03-07 | 2019-09-13 | 华北水利水电大学 | 固定翼无人机城区起降点选取方法 |
CN109000664A (zh) * | 2018-09-25 | 2018-12-14 | 宁夏大学 | 一种空地协同的机器人搜救系统及搜救方法 |
CN109864806A (zh) * | 2018-12-19 | 2019-06-11 | 江苏集萃智能制造技术研究所有限公司 | 基于双目视觉的动态补偿功能的穿刺机器人导航系统 |
CN109739257A (zh) * | 2018-12-21 | 2019-05-10 | 中科院合肥技术创新工程院 | 融合卫星导航与视觉感知的巡检无人机停机方法及系统 |
CN109911231B (zh) * | 2019-03-20 | 2022-07-19 | 武汉理工大学 | 基于gps和图像识别混合导航的无人机自主着舰方法与系统 |
CN110221625B (zh) * | 2019-05-27 | 2021-08-03 | 北京交通大学 | 无人机精确位置的自主降落导引方法 |
US11829162B2 (en) | 2019-08-15 | 2023-11-28 | Teledyne Flir Detection, Inc. | Unmanned aerial vehicle locking landing pad |
CN110989687B (zh) * | 2019-11-08 | 2021-08-10 | 上海交通大学 | 一种基于嵌套正方形视觉信息的无人机降落方法 |
CN110865650B (zh) * | 2019-11-19 | 2022-12-20 | 武汉工程大学 | 基于主动视觉的无人机位姿自适应估计方法 |
US11767110B2 (en) | 2019-12-16 | 2023-09-26 | FLIR Unmanned Aerial Systems AS | System for storing, autonomously launching and landing unmanned aerial vehicles |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2182313C2 (ru) * | 1999-08-25 | 2002-05-10 | Сафьян Дмитрий Анатольевич | Комплексная навигационная система для летательных аппаратов различных классов (варианты) |
KR100985195B1 (ko) * | 2010-01-21 | 2010-10-05 | 한국항공우주산업 주식회사 | 영상기반 자동 이착륙 시스템 |
CN103287584B (zh) * | 2012-03-01 | 2015-12-16 | 上海工程技术大学 | 一种飞机视频降落辅助系统 |
CN103196453A (zh) * | 2013-04-19 | 2013-07-10 | 天津工业大学 | 四轴飞行器视觉导航系统设计 |
CN104215239B (zh) * | 2014-08-29 | 2017-02-08 | 西北工业大学 | 基于视觉的无人机自主着陆导引装置实现的导引方法 |
CN104808685A (zh) * | 2015-04-27 | 2015-07-29 | 中国科学院长春光学精密机械与物理研究所 | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 |
-
2015
- 2015-09-17 CN CN201510599276.0A patent/CN105197252B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105197252A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105197252B (zh) | 一种小型无人机降落方法及系统 | |
CN105644785B (zh) | 一种基于光流法和地平线检测的无人机着陆方法 | |
CN105809687B (zh) | 一种基于图像中边沿点信息的单目视觉测程方法 | |
CN103822635B (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
CN107729808A (zh) | 一种用于输电线路无人机巡检的图像智能采集系统及方法 | |
CN109992006A (zh) | 一种电力巡检无人机的精准回收方法和系统 | |
CN106708073B (zh) | 一种自主导航电力巡线故障检测的四旋翼飞行器系统 | |
CN109559320A (zh) | 基于空洞卷积深度神经网络实现视觉slam语义建图功能的方法及系统 | |
CN103925927B (zh) | 一种基于车载视频的交通标识定位方法 | |
CN106444837A (zh) | 一种无人机避障方法及系统 | |
CN106054931A (zh) | 一种基于视觉定位的无人机定点飞行控制系统 | |
CN110781757B (zh) | 一种机场道面异物识别定位方法及系统 | |
CN109739254B (zh) | 一种电力巡检中采用视觉图像定位的无人机及其定位方法 | |
CN106155086A (zh) | 一种道路检测无人机及其自动巡航方法 | |
CN108563236B (zh) | 一种基于同心圆特征的纳型无人机目标跟踪方法 | |
CN103927739A (zh) | 一种基于拼接图像的巡视器定位方法 | |
CN102435174A (zh) | 基于混合式双目视觉的障碍物检测方法及装置 | |
CN105867397A (zh) | 一种基于图像处理和模糊控制的无人机精确位置降落方法 | |
CN109683629A (zh) | 基于组合导航和计算机视觉的无人机电力架线系统 | |
CN106096621B (zh) | 基于矢量约束的着降位置检测用随机特征点选取方法 | |
CN110347186A (zh) | 基于仿生双目联动的地面运动目标自主跟踪系统 | |
CN107063261A (zh) | 用于无人机精准着陆的多特征信息地标检测方法 | |
CN108122255A (zh) | 一种基于梯形与圆形组合地标的无人机位姿估计方法 | |
CN106940181A (zh) | 一种无人机影像像控分布网构建与航片可选范围匹配方法 | |
CN108871409A (zh) | 一种故障检测方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |