CN106354157B - 一种无人机自主飞行系统 - Google Patents

Abstract

本发明公开了一种无人机自主飞行系统，包括：GPS卫星定位子系统，用于通过接收卫星信号，确定无人机当前所在经纬位置，为导航提供基本数据；图像处理子系统，用于收集和处理图像信息，对目标进行匹配跟踪，实现无人机的跟踪飞行；雷达子系统，包括微波毫米波雷达单元、信号处理单元，用于通过微波毫米波雷达单元来探测周围地形，并将探测信号输入信号处理单元进行目标搜索；所述飞行控制子系统用于对由GPS卫星定位子系统、图像处理子系统和雷达子系统得到的信息进行综合处理分析，确定飞行计划，并根据飞行计划执行不同的飞行模式。本发明能够自身判断航线及飞行路径，实现自主导航，可拓展性强，具有很好的自动化无人机自主导航效果。

Description

一种无人机自主飞行系统

技术领域

本发明涉及无人机控制技术领域，具体涉及一种无人机自主飞行系统。

背景技术

目前解决无人机导航的方法有GPS导航，实现自主导航的方法有红外线扫描绘制地图法，室内视觉系统导航法，由于这些方法还在实验室研究中，并没有一个很好的解决方案应用于目前无人机领域。

发明内容

为解决上述问题，本发明旨在提供一种无人机自主飞行系统。

本发明的目的采用以下技术方案来实现：

一种无人机自主飞行系统，包括GPS卫星定位子系统、图像处理子系统、雷达子系统、飞行控制子系统；所述GPS卫星定位子系统用于通过接收卫星信号，确定无人机当前所在经纬位置，为导航提供基本数据；所述图像处理子系统用于收集和处理图像信息，对目标进行匹配跟踪，实现无人机的跟踪飞行；所述雷达子系统包括微波毫米波雷达模块、信号处理模块，用于通过微波毫米波雷达模块来探测周围地形，并将探测信号输入信号处理模块进行目标搜索；所述飞行控制子系统用于对由GPS卫星定位子系统、图像处理子系统和雷达子系统得到的信息进行综合处理分析，确定飞行计划，并根据飞行计划执行不同的飞行模式。

本发明的有益效果为：能够自身判断航线及飞行路径，实现自主导航，可拓展性强，具有很好的自动化无人机自主导航效果。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构连接示意图；

图2是本发明图像收集处理装置的结构连接示意图。

附图标记：

GPS卫星定位子系统1、图像处理子系统2、雷达子系统3、飞行控制子系统4、图像收集处理装置5、图像收集模块11、预处理模块12、融合模块13、图像打分模块14。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的一种无人机自主飞行系统，包括GPS卫星定位子系统1、图像处理子系统2、雷达子系统3、飞行控制子系统4；所述GPS卫星定位子系统1用于通过接收卫星信号，确定无人机当前所在经纬位置，为导航提供基本数据；所述图像处理子系统2用于收集和处理图像信息，对目标进行匹配跟踪，实现无人机的跟踪飞行；所述雷达子系统3包括微波毫米波雷达模块、信号处理模块，用于通过微波毫米波雷达模块来探测周围地形，并将探测信号输入信号处理模块进行目标搜索；所述飞行控制子系统4用于对由GPS卫星定位子系统1、图像处理子系统2和雷达子系统3得到的信息进行综合处理分析，确定飞行计划，并根据飞行计划执行不同的飞行模式。

优选的，所述飞行模式包括低空飞行模式、高空飞行模式、悬停模式、跟踪模式。

优选的，所述图像处理子系统2包括用于处理所述图像信息的图像收集处理装置5。

本发明上述实施例能够自身判断航线及飞行路径，实现自主导航，可拓展性强，具有很好的自动化无人机自主导航效果。

优选的，所述图像收集处理装置5包括图像收集模块11、预处理模块12、融合模块13和图像打分模块14；所述图像收集模块11用于采集关于目标的源可见光图像和源红外图像；所述预处理模块12对聚焦不同的源可见光图像和源红外图像进行图像配准；所述融合模块13用于融合配准后的图像；所述图像打分模块14用于评价融合后的图像，选择评价合格的图像作为最终的图像。

本优选实施例设计了图像收集处理装置5的模块架构，从而实现无人机自主飞行系统的图像处理的功能。

优选的，所述图像收集模块11在采集时淘汰低质量的图像，其建立图像质量评价函数采用了主观评价和客观评价相结合的方式：

式中，δ₁、δ₂、δ₃为各种评价因素所占比重，δ₁＜δ₂＜δ₃且δ₁+δ₂+δ₃＝1，F_i为第i次通过主观评价而给予图像的分数，Z_i为第i次通过客观评价而给予图像的分数，χ表示图像的峰值信噪比，N为进行主观评价的次数，M为进行客观评价的次数。

本优选实施例引入图像质量评价函数，能够剔除质量差的图像，提高后期处理效率。

优选的，所述预处理模块12包括：

(1)线段特征子模块：以源红外图像作为参考图像，源可见光图像作为待配准图像，检测源可见光图像的线段特征作为配准的依据；

(2)投影变换子模块：采用投影变换对源可见光图像中的线段特征实施变换，变换参数构成的矢量为

(3)度量子模块：采用基于方向一致性的度量准则构建度量函数，度量源红外图像线段特征和变换后的源可见光图像线段特征的相似性，如果满足预设要求，则返回参数若不满足要求，则转入参数更新模块；

(4)遗传计算子模块：采用遗传算法对进行更新。

本优选实施例在融合前对图像进行配准，极大的提高了融合效率。

优选的，所述融合子模块13包括：

(1)HSV变换子模块：用于对预处理后的源可见光图像进行HSV变换并提取色调分量H、饱和度分量S和明度分量V；

(2)分量获取子模块：用于将预处理后的源红外图像和明度分量V分别作二代Curvelet变换，以得到各自在(x,y)位置的低频分量和高频分量，在此设源红外图像对应的低频分量为Ψ_y(x,y)、高频分量为G_y(x,y)；明度分量V对应的低频分量为Ψ_V(x,y)，高频分量为G_V(x,y)；

(3)融合子模块，包括低频分量融合单元和高频分量融合单元：

A、低频分量融合单元，用于对所述低频分量Ψ_y(x,y)、Ψ_V(x,y)进行融合，融合后的低频分量Ψ_yV(x,y)为：

a、若Ψ_y(x,y)＝0或Ψ_V(x,y)＝0时：

Ψ_yV(x,y)＝Ψ_y(x,y)+Ψ_V(x,y)；

b、若Ψ_y(x,y)≠0或Ψ_V(x,y)≠0时：

B、高频分量融合单元，用于对高频分量G_y(x,y)、G_V(x,y)进行融合，引入匹配测度因子：

其中，F＝1,...ψ，F表示二代Curvelet变换的分解级数，ψ为二代Curvelet变换的最大分解级；F＝1,...ψ-1时，为计算的源可见光图像的像素点信息质量均值，为源红外图像的像素点信息质量均值；F＝ψ时，为源可见光图像中高频子带与低频子带的方向对比度，为源红外图像中高频子带与低频子带的方向对比度；表示源可见光图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；表示源红外图像在最高分辨率λ下、α方向上、3×3

窗口内的区域信号强度；

若P_j(x,y)≤T，则融合后的高频分量G_yV(x,y)的选取公式为：

若P_j(x,y)>T，则融合后的高频分量G_yV(x,y)的选取公式为：

a、时：

b、时：

其中，T为设定的阈值；

(4)二代Curvelet逆变换子模块，用于对融合后的低频分量Ψ_yV(x,y)和融合后的高频分量G_yV(x,y)进行二代Curvelet逆变换，以获得新的明度分量V_Ω；

(5)HSV逆变换子模块，用于对H、S、V_Ω三个分量做HSV逆变换，最终得到融合图像Ω。

发明人采用本实施例进行了一系列测试，以下是进行测试得到的实验数据：

本优选实施例结合低频分量融合单元和高频分量融合单元，对高频分量和低频分量采用不同的融合公式进行融合，更具有针对性，能够较好地描述图像中的目标特征信息；引入加权因子来计算融合后的高频分量，能够较好地保留源图像中的有用信息；引入匹配测度因子来计算融合后的高频分量，充分提取了源红外图像的热目标特征信息与源可见光图像丰富的背景特征信息，融合图像细节清晰、边缘平滑，具有更佳的融合性能和视觉效果。

优选的，所述图像打分模块14包括：

(1)第一评价单元：采用第一评估因子P₁对融合效果进行评估：

P₁＝(R₁-I₀)(R₁-V₀)

其中，R₁为融合后图像的辨识率，I₀为融合前源红外图像的辨识率，V₀为融合前源可见光图像的辨识率；当P₁>0，判定融合效果合格；

(2)第二评价单元：采用第二评估因子P₂对融合速度进行评估：

P₂＝(T₁-I₁)(T₁-V₁)

其中，T₁为融合后图像的辨识时间，I₁为融合前源红外图像的辨识时间，V₁为融合前源可见光图像的辨识时间；

若P₂<0，则融合速度合格。

本优选实施例能够切实提高图像处理的实用性。

结合上述实施例，对图像的融合效果相对提高了20％，融合速度相对提高了8％，导航的效率相对提高了5％，导航的精度相对提高了8％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (2)

1.一种无人机自主飞行系统，其特征是：包括GPS卫星定位子系统、图像处理子系统、雷达子系统、飞行控制子系统；所述GPS卫星定位子系统用于通过接收卫星信号，确定无人机当前所在经纬位置，为导航提供基本数据；所述图像处理子系统用于收集和处理图像信息，对目标进行匹配跟踪，实现无人机的跟踪飞行；所述雷达子系统包括微波毫米波雷达单元、信号处理单元，用于通过微波毫米波雷达单元来探测周围地形，并将探测信号输入信号处理单元进行目标搜索；所述飞行控制子系统用于对由GPS卫星定位子系统、图像处理子系统和雷达子系统得到的信息进行综合处理分析，确定飞行计划，并根据飞行计划执行不同的飞行模式；所述图像处理子系统包括用于收集和处理所述图像信息的图像收集处理装置，图像收集处理装置，图像收集处理装置包括图像收集模块、预处理模块、融合模块和图像打分模块；所述图像收集模块用于采集关于目标的源可见光图像和源红外图像；所述预处理模块对聚焦不同的源可见光图像和源红外图像进行图像配准；所述融合模块用于融合配准后的图像；所述图像打分模块用于评价融合后的图像，选择评价合格的图像作为最终的图像；所述融合模块包括：

(1)HSV变换子模块：用于对预处理后的源可见光图像进行HSV变换并提取色调分量H、饱和度分量S和明度分量V；

(2)分量获取子模块：用于将预处理后的源红外图像和明度分量V分别作二代Curvelet变换，以得到各自在(x,y)位置的低频分量和高频分量，在此设源红外图像对应的低频分量为Ψ_y(x,y)、高频分量为G_y(x,y)；明度分量V对应的低频分量为Ψ_V(x,y)，高频分量为G_V(x,y)；

(3)融合子模块，包括低频分量融合单元和高频分量融合单元：

A、低频分量融合单元，用于对所述低频分量Ψ_y(x,y)、Ψ_V(x,y)进行融合，融合后的低频分量Ψ_yV(x,y)为：

a、若Ψ_y(x,y)＝0或Ψ_V(x,y)＝0时：

Ψ_yV(x,y)＝Ψ_y(x,y)+Ψ_V(x,y)；

b、若Ψ_y(x,y)≠0或Ψ_V(x,y)≠0时：

B、高频分量融合单元，用于对高频分量G_y(x,y)、G_V(x,y)进行融合，引入匹配测度因子：

其中，F＝1,...ψ，F表示二代Curvelet变换的分解级数，ψ为二代Curvelet变换的最大分解级；F＝1,...ψ-1时，为计算的源可见光图像的像素点信息质量均值，为源红外图像的像素点信息质量均值；F＝ψ时，为源可见光图像中高频子带与低频子带的方向对比度，为源红外图像中高频子带与低频子带的方向对比度；表示源可见光图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；表示源红外图像在最高分辨率λ下、α方向上、3×3窗口内的区域信号强度；

若P_j(x,y)≤T，则融合后的高频分量G_yV(x,y)的选取公式为：

若P_j(x,y)＞T，则融合后的高频分量G_yV(x,y)的选取公式为：

a、时：

b、时：

其中，T为设定的阈值；

(4)二代Curvelet逆变换子模块，用于对融合后的低频分量Ψ_yV(x,y)和融合后的高频分量G_yV(x,y)进行二代Curvelet逆变换，以获得新的明度分量V_Ω；

(5)HSV逆变换子模块，用于对H、S、V_Ω三个分量做HSV逆变换，最终得到融合图像Ω。

2.根据权利要求1所述的一种无人机自主飞行系统，其特征是：所述飞行模式包括低空飞行模式、高空飞行模式、悬停模式、跟踪模式。