CN107544550B - 一种基于视觉引导的无人机自动着陆方法 - Google Patents
一种基于视觉引导的无人机自动着陆方法 Download PDFInfo
- Publication number
- CN107544550B CN107544550B CN201610473714.3A CN201610473714A CN107544550B CN 107544550 B CN107544550 B CN 107544550B CN 201610473714 A CN201610473714 A CN 201610473714A CN 107544550 B CN107544550 B CN 107544550B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- positioning mark
- coordinate
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000000007 visual effect Effects 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 abstract 1
- 230000001276 controlling effect Effects 0.000 description 7
- 238000011084 recovery Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于视觉引导的无人机自动着陆方法，其实现方案是：1.GPS导航引导无人机进入降落平台上空；2.根据机载相机的拍摄图像检测粗定位标志，计算降落平台相对于无人机的位置坐标；3.使用无人机双层PID控制器控制无人机开始降落；4.更新降落平台相对于无人机的位置坐标，从而更新双层PID控制器的输入量；5.当无人机降落达到能够识别精确定位标志的条件时，使用Apriltags技术实时检测，得出新的降落平台的中心坐标，更新双层PID控制器输入量，完成无人机的精确着陆。本发明解决了GPS引导无人机着陆精度低的问题，可用于无人机的精确自主着陆。
Description
技术领域
本发明属于无人机和机器视觉领域，具体说是一种基于视觉引导的无人机自动着陆方法，可用于无人机自主降落于固定地点。
背景技术
无人机(Unmanned Aerial Vehicle)是一种无人驾驶飞行器，具有使用便利、机动灵活、智能化等优点，其在军事(空中侦查、电子干扰、目标定位与跟踪、边境巡逻等)及民事(航空摄影、灾情检测、农药喷洒等)应用中具有广阔的应用前景。而且旋翼无人机还具有能够垂直起降、空中悬停、任一方向灵活飞行等优点，近年来受到了越来越多的关注。
为了降低成本，对无人机系统的一个基本要求是其应该具有安全可回收性，即无人机要能够在执行完任务后实现安全、可靠的回收，以便于重复利用。目前已经应用的无人机回收方式可以分为四类：第一，伞降回收，在无人机上配置降落伞装置，它可以按照预定的程序在到达特定区域后开伞，以使无人机安全降落在指定区域，但这种回收方法很容易受到外部干扰的影响，很难实现定点降落；第二，阻拦回收，无人机在地面指令的控制下，降低高度，减小速度，撞向由弹性材料编制成的阻拦网，无人机撞入网中后，速度很快衰减为零，实现降落，但这种回收方式需要专门的阻拦装置；第三，人工操控回收，通过将无人的操控模式调节为遥控模式，由地面飞手操纵无人机的降落，显然这种回收方式对飞手的依赖很大，要求熟练的操控技术；第四，自主着陆回收，利用无人机系统本身所携带的传感器，在没有人为干预的情况下，通过无人机自主控制器本身实现自主降落，现代化的复杂任务对无人机性能的要求越来越高，除了必要的自主悬停，任一方向飞行功能之外，对无人机能够实现自主着陆的需求也日益增加，无人机的自主降落能够很大程度的提高无人机的回收率和利用率，并能够提高无人机的续航能力，对无人机的应用与推广起着举足轻重的作用。然而目前无人机的自主降落多采用GPS导航定位，精确定位的GPS系统价格昂贵且体积较大，不适合装载与无人机上；民用GPS定位精度只能达到10米之内，在降落过程中，这个精度无法达到无人机精确降落的要求。
发明内容
本发明的目的在于针对上述已有的技术问题，提出一种基于视觉引导的无人机自动着陆方法，利用无人机中的单目视觉系统，通过检测降落平台的定位标志引导无人机抵达着陆点，提高了无人机自主着陆的精度。
为了实现上述目的，本发明的技术方案包括如下：
包括如下步骤：
步骤1)根据降落平台的GPS信息，通过GPS导航引导无人机进入降落平台上空，然后降低无人机高度，使无人机在离地面10～15m距离悬停；
步骤2)使用机载相机拍摄的图像检测粗定位标志区域，由粗定位标志区域计算降落平台的中心坐标(x0,y0)；
步骤3)根据公式(1)计算降落平台相对于无人机的位置坐标(X,Y,h)，
式中，h为无人机距离地面的高度，(u0,v0)为机载相机拍摄的图像中心点坐标，f为机载相机的焦距；
步骤4)使用无人机双层PID控制器控制无人机的降落；
步骤5)判断无人机是否达到识别精确定位标志的条件，若是，则进行下一步骤，若否则更新降落平台相对于无人机的位置坐标(X,Y,h)，返回步骤4)；
步骤6)使用Apriltags技术实时检测精确定位标志，得出新的降落平台的中心坐标(x1,y1)，通过步骤3)的公式(1)得到新的降落平台相对于无人机的位置坐标(X1,Y1,h1)，通过步骤4)控制无人机降落，最终完成无人机的精确着陆。
所述步骤1)中的降落平台为标识有降落标志的平面，所述降落标志由中心在同一点精确定位标志和粗定位标志组成。
所述精确定位标志为边长15cm的正方形Apriltags，所述粗定位标志为半径为60cm的圆到Apriltags之间的区域，粗定位标志区域使用红色填充。
所述步骤2)中由粗定位标志区域计算降落平台的中心坐标(x0,y0)，按如下步骤进行：
(2.1)将无人机拍摄的图像转换到HSV色彩空间下，并以红色的色调H＝0.98为阈值进行图像分割，对分割后的图像进行形态学开运算之后，利用边缘检测坎尼算子得到只含有粗定位标志边缘的图像；
(2.2)用检测边缘坐标极值点的方法，提取只含有粗定位标志的矩形区域；
(2.3)将粗定位标志区域的四个坐标点的横坐标的平均值作为降落平台中心位置的横坐标x0，将粗定位标志区域的四个坐标点的纵坐标的平均值作为降落中心位置的纵坐标y0。
所述步骤(2.2)中用检测边缘坐标极值点的方法提取只含有粗定位标志的矩形区域的步骤如下：
第一步，在只含有粗定位标志边缘的图像的y方向找出第一个出现和最后一个出现的边缘点的坐标点；
第二步，在只含有粗定位标志边缘的图像的x方向找出第一个出现和最后一个出现的边缘点的坐标点；
第三步，将x方向第一个边缘点的x坐标和y方向第一个边缘点的y坐标，构成粗定位标志区域的第一个坐标点；将x方向第一个边缘点的x坐标和y方向最后一个边缘点的y坐标，构成粗定位标志区域的第二个坐标点；将x方向的最后一个边缘点的x坐标和y方向的第一个边缘点的y坐标，构成粗定位标志区域的第三个坐标点；将x方向的最后一个边缘点的x坐标和y方向的最后一个目标边缘点的y坐标，构成粗定位标志区域的第四个坐标点；
第四步，通过第三步找出的四个粗定位标志区域的坐标点作为矩形的四个顶点构成检测出的粗定位标志矩形区域。
所述步骤4)中使用无人机双层PID控制器控制无人机的降落是指，外层PID使用降落平台相对于无人机的位置坐标(X,Y,h)作为输入量，并输出无人机的期望降落速度给内层PID使用，内层PID使用当前降落速度与期望降落速度之间的误差作为输入量，输出油门的控制量，进行无人机降落的控制。
所述步骤5)中当无人机未达到识别精确定位标志的条件时，更新降落平台相对于无人机的位置坐标(X,Y,h)，按如下步骤进行：
(5.1)以步骤2)中检测出的粗定位标志区域作为待跟踪图像的搜索窗口；
(5.2)以无人机拍摄的当前帧图像作为待跟踪图像，将当前帧图像转换到HSV色彩空间下，以红色的色调H＝0.98为阈值进行图像分割，并通过形态学开运算处理得到当前帧图像的二值图像；
(5.3)在当前帧图像的二值图像中，利用待跟踪图像的搜索窗口的零阶矩M00和一阶矩M10，M01之间的关系，计算搜索窗口的质心(xc,yc)：
其中
I(x,y)为待跟踪图像的二值图像中像素坐标(x,y)的像素值，x,y的变化范围为搜索窗口的大小；
(5.4)令搜索窗口的质心(xc,yc)作为当前帧图像中降落平台的中心坐标：
(5.5)利用当前帧图像中降落平台的中心坐标(x0,y0)，通过步骤(3)更新降落平台相对于降落平台相对于无人机的位置坐标(X,Y,h)；
(5.6)在当前帧图像上以(xc,yc)为中心，构建宽度为
高度为1.2s的矩形作为粗定位标志矩形区域，完成当前帧图像粗定位标志区域的更新，并使用当前帧粗定位标志区域初始化下一帧待跟踪图像的搜索窗口，重复步骤(5.2)～(5.6)实现粗定位标志区域和降落平台相对于降落平台相对于无人机的位置坐标(X,Y,h)的实时更新。
所述步骤5)中无人机达到能够识别精确定位标志的条件，是指当前帧的粗定位标志区域的面积占机载相机拍摄的图像超过80％。
本发明的有益效果：
(1)本发明采用机器视觉的方法，自动检测出降落平台，实现无人机的自主着陆，提高了无人机控制的智能程度；
(2)本发明由于在无人机降落过程中分段利用粗定位标志和精确定位标志计算降落平台相对于降落平台相对于无人机的位置坐标，提高了无人机自主着陆的精度；
(3)本发明使用了红色作为粗定位标志区域的填充色，降低了外部环境的干扰，简化了图像处理算法的过程。
附图说明
图1是本发明的实现流程图；
图2是本发明所使用的降落标志示意图；
图3是本发明无人机降落的控制过程；
图4是本发明中无人机达到识别精确定位标志条件示意图；
图5a为无人机摄像机拍摄到的图像；
图5b为二值化图像后粗定位标志所在区域；
图5c的方框表示检测出的粗定位标志区域；
图6无人机对粗定位标志跟踪的结果示意图；
图7Apriltags技术识别精确定位标志示意图；
图8降落平台相对无人机的位置坐标在X方向上的变化；
图9降落平台相对无人机的位置坐标在Y方向上的变化；
图10降落平台相对无人机的位置坐标在h上的变化。
具体实施方式
下面结合具体实施方式对本发明作进一步详细描述：
实施例1：
为了提高无人机自主着陆的精度，本发明提供了一种基于视觉引导的无人机自动着陆方法，如图1所示，本发明的实现步骤如下：
包括如下步骤：
步骤1)根据降落平台的GPS信息，通过GPS导航引导无人机进入降落平台上空，然后降低无人机高度，使无人机在离地面10～15m距离悬停；
其中，降落平台为标识有降落标志的平面，如图2所示，所述降落标志由中心在同一点精确定位标志和粗定位标志组成，精确定位标志为边长15cm的正方形Apriltags，所述粗定位标志为半径为60cm的圆到Apriltags之间的区域，粗定位标志区域使用红色填充。
步骤2)使用机载相机拍摄的图像检测粗定位标志区域，由粗定位标志区域计算降落平台的中心坐标(x0,y0)；
其中，粗定位标志区域计算降落平台的中心坐标(x0,y0)，按如下步骤进行：
(2.1)将无人机拍摄的图像转换到HSV色彩空间下，并以红色的色调H＝0.98为阈值进行图像分割，对分割后的图像进行形态学开运算之后，利用边缘检测坎尼算子得到只含有粗定位标志边缘的图像；
(2.2)用检测边缘坐标极值点的方法，提取只含有粗定位标志的矩形区域；
其中，用检测边缘坐标极值点的方法提取只含有粗定位标志的矩形区域的步骤如下：
第一步，在只含有粗定位标志边缘的图像的y方向找出第一个出现和最后一个出现的边缘点的坐标点；
第二步，在只含有粗定位标志边缘的图像的x方向找出第一个出现和最后一个出现的边缘点的坐标点；
第三步，将x方向第一个边缘点的x坐标和y方向第一个边缘点的y坐标，构成粗定位标志区域的第一个坐标点；将x方向第一个边缘点的x坐标和y方向最后一个边缘点的y坐标，构成粗定位标志区域的第二个坐标点；将x方向的最后一个边缘点的x坐标和y方向的第一个边缘点的y坐标，构成粗定位标志区域的第三个坐标点；将x方向的最后一个边缘点的x坐标和y方向的最后一个目标边缘点的y坐标，构成粗定位标志区域的第四个坐标点；
第四步，通过第三步找出的四个粗定位标志区域的坐标点作为矩形的四个顶点构成检测出的粗定位标志矩形区域；
(2.3)将粗定位标志区域的四个坐标点的横坐标的平均值作为降落平台中心位置的横坐标x0，将粗定位标志区域的四个坐标点的纵坐标的平均值作为降落中心位置的纵坐标y0。
步骤3)根据公式(1)计算降落平台相对于无人机的位置坐标(X,Y,h)，
式中，h为无人机距离地面的高度，(u0,v0)为机载相机拍摄的图像中心点坐标，f为机载相机的焦距；
步骤4)使用无人机双层PID控制器控制无人机的降落；
无人机降落的控制过程如图3所示，以降落平台相对于无人机的位置坐标(X,Y,h)作为双层PID中外层位置PID控制器的输入量，输出无人机的期望降落速度，并将期望降落速度与通过反馈回来的当前降落速度之间的误差e作为双层PID中速度PID控制器的输入量，输出油门的控制量，从而控制无人机的降落的速度，通过无人机速度的控制，实现对无人机降落位置的控制。
步骤5)判断无人机是否达到识别精确定位标志的条件，若是，则进行下一步骤，若否则更新降落平台相对于无人机的位置坐标(X,Y,h)，返回步骤4)；
如图4所示，无人机达到能够识别精确定位标志的条件，是指当前帧的粗定位标志区域的面积占机载相机拍摄的图像超过80％。当无人机未达到识别精确定位标志的条件时，更新降落平台相对于无人机的位置坐标(X,Y,h)，按如下步骤进行：
(5.1)以步骤2)中检测出的粗定位标志区域作为待跟踪图像的搜索窗口；
(5.2)以无人机拍摄的当前帧图像作为待跟踪图像，将当前帧图像转换到HSV色彩空间下，以红色的色调H＝0.98为阈值进行图像分割，并通过形态学开运算处理得到当前帧图像的二值图像；
(5.3)在当前帧图像的二值图像中，利用待跟踪图像的搜索窗口的零阶矩M00和一阶矩M10，M01之间的关系，计算搜索窗口的质心(xc,yc)：
其中
I(x,y)为待跟踪图像的二值图像中像素坐标(x,y)的像素值，x,y的变化范围为搜索窗口的大小；
(5.4)令搜索窗口的质心(xc,yc)作为当前帧图像中降落平台的中心坐标：
(5.5)利用当前帧图像中降落平台的中心坐标(x0,y0)，通过步骤(3)更新降落平台相对于降落平台相对于无人机的位置坐标(X,Y,h)；
(5.6)在当前帧图像上以(xc,yc)为中心，构建宽度为
高度为1.2s的矩形作为粗定位标志矩形区域，完成当前帧图像粗定位标志区域的更新，并使用当前帧粗定位标志区域初始化下一帧待跟踪图像的搜索窗口，重复步骤(5.2)～(5.6)实现粗定位标志区域和降落平台相对于降落平台相对于无人机的位置坐标(X,Y,h)的实时更新。
步骤6)使用Apriltags技术实时检测精确定位标志，得出新的降落平台的中心坐标(x1,y1)，通过步骤3)的公式(1)得到新的降落平台相对于无人机的位置坐标(X1,Y1,h1)，通过步骤4)控制无人机降落，最终完成无人机的精确着陆。
实施例2：
为了验证本发明的有效性和可行性，本实例控制无人机在距离地面高度12m地方悬停，随后进行视觉指导下的无人机自主着陆，初始状态下，无人机检测到的粗定位标志如图5a、图5b、图5c所示，其中图5a为无人机摄像机拍摄到的图像，图5b为二值化图像后粗定位标志所在区域，图5c的方框表示检测出的粗定位标志区域，由粗定位标志计算的降落平台中心坐标为：(252，341)单位为像素，计算出的降落平台相对于无人机的位置坐标(X,Y，h)为：(4.2，1.9，12)单位为m。
无人机降落的过程中，自主的对粗定位标志进行跟踪，并更新降落平台相对于无人机的位置坐标(X,Y,h)，粗定位标志的跟踪结果如图6所示，由图6可以看出，本发明在无人机降落的过程中，能够准确的跟踪粗定位标志，从而保证了降落平台相对于无人机位置坐标的准确性，提高无人机降落过程中的稳定性。
当无人机达到识别精确定位标志的条件时，粗定位标志会发生畸变或超出摄像机视场范围，此时使用Apriltags技术实施检测精确定位标志，如图7所示，此时由检测精确定位标志得出的降落平台中心坐标为：(605，512)，单位为像素，计算出新的的降落平台相对于无人机的位置坐标(X1,Y1，h1)为：(0.15，0.13，0.32)单位为m。
本实例在整个降落过程中，降落平台相对于无人机的位置坐标(X,Y,h)如图8-10所示，其中图8为X方向上的位置坐标变化，图9为Y方向上的位置坐标变化,图10为高度h的坐标变化，由图8-10可以看出当h＝0时，降落平台相对与无人机的位置坐标为(0.08，0.05,0)，即无人机距离降落平台中心在X与Y方向的误差为8cm与5cm，有效解决了使用传统GPS导航进行降落精度较低的问题。
以上例举仅仅是对本发明的举例说明，并不构成对本发明的保护范围的限
制，凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (7)
1.一种基于视觉引导的无人机自动着陆方法，其特征在于：包括如下步骤：
步骤1)根据降落平台的GPS信息，通过GPS导航引导无人机进入降落平台上空，然后降低无人机高度，使无人机在离地面10～15m距离悬停；
步骤2)使用机载相机拍摄的图像检测粗定位标志区域，由粗定位标志区域计算降落平台的中心坐标(x0,y0)；
步骤3)根据公式(1)计算降落平台相对于无人机的位置坐标(X,Y,h)，
式中，h为无人机距离地面的高度，(u0,v0)为机载相机拍摄的图像中心点坐标，f为机载相机的焦距；
步骤4)使用无人机双层PID控制器控制无人机的降落；
步骤5)判断无人机是否达到识别精确定位标志的条件，若是，则进行下一步骤，若否则更新降落平台相对于无人机的位置坐标(X,Y,h)，返回步骤4)；
所述步骤5)中当无人机未达到识别精确定位标志的条件时，更新降落平台相对于无人机的位置坐标(X,Y,h)，按如下步骤进行：
(5.1)以步骤2)中检测出的粗定位标志区域作为待跟踪图像的搜索窗口；
(5.2)以无人机拍摄的当前帧图像作为待跟踪图像，将当前帧图像转换到HSV色彩空间下，以红色的色调H＝0.98为阈值进行图像分割，并通过形态学开运算处理得到当前帧图像的二值图像；
(5.3)在当前帧图像的二值图像中，利用待跟踪图像的搜索窗口的零阶矩M00和一阶矩M10，M01之间的关系，计算搜索窗口的质心(xc,yc)：
其中
I(x,y)为待跟踪图像的二值图像中像素坐标(x,y)的像素值，x,y的变化范围为搜索窗口的大小；
(5.4)令搜索窗口的质心(xc,yc)作为当前帧图像中降落平台的中心坐标：
(5.5)利用当前帧图像中降落平台的中心坐标(x0,y0)，通过步骤(3)更新降落平台相对于降落平台相对于无人机的位置坐标(X,Y,h)；
(5.6)在当前帧图像上以(xc,yc)为中心，构建宽度为
高度为1.2s的矩形作为粗定位标志矩形区域，完成当前帧图像粗定位标志区域的更新，并使用当前帧粗定位标志区域初始化下一帧待跟踪图像的搜索窗口，重复步骤(5.2)～(5.6)实现粗定位标志区域和降落平台相对于降落平台相对于无人机的位置坐标(X,Y,h)的实时更新；
步骤6)使用Apriltags技术实时检测精确定位标志，得出新的降落平台的中心坐标(x1,y1)，通过步骤3)的公式(1)得到新的降落平台相对于无人机的位置坐标(X1,Y1,h1)，通过步骤4)控制无人机降落，最终完成无人机的精确着陆。
2.根据权利要求1所述的基于视觉引导的无人机自动着陆方法，其特征在于：所述步骤1)中的降落平台为标识有降落标志的平面，所述降落标志由中心在同一点精确定位标志和粗定位标志组成。
3.根据权利要求2所述的基于视觉引导的无人机自动着陆方法，其特征在于：所述精确定位标志为边长15cm的正方形Apriltags，所述粗定位标志为半径为60cm的圆到Apriltags之间的区域，粗定位标志区域使用红色填充。
4.根据权利要求1所述的基于视觉引导的无人机自动着陆方法，其特征在于：所述步骤2)中由粗定位标志区域计算降落平台的中心坐标(x0,y0)，按如下步骤进行：
(2.1)将无人机拍摄的图像转换到HSV色彩空间下，并以红色的色调H＝0.98为阈值进行图像分割，对分割后的图像进行形态学开运算之后，利用边缘检测坎尼算子得到只含有粗定位标志边缘的图像；
(2.2)用检测边缘坐标极值点的方法，提取只含有粗定位标志的矩形区域；
(2.3)将粗定位标志区域的四个坐标点的横坐标的平均值作为降落平台中心位置的横坐标x0，将粗定位标志区域的四个坐标点的纵坐标的平均值作为降落中心位置的纵坐标y0。
5.根据权利要求4所述的基于视觉引导的无人机自动着陆方法，其特征在于：所述步骤(2.2)中用检测边缘坐标极值点的方法提取只含有粗定位标志的矩形区域的步骤如下：
第一步，在只含有粗定位标志边缘的图像的y方向找出第一个出现和最后一个出现的边缘点的坐标点；
第二步，在只含有粗定位标志边缘的图像的x方向找出第一个出现和最后一个出现的边缘点的坐标点；
第三步，将x方向第一个边缘点的x坐标和y方向第一个边缘点的y坐标，构成粗定位标志区域的第一个坐标点；将x方向第一个边缘点的x坐标和y方向最后一个边缘点的y坐标，构成粗定位标志区域的第二个坐标点；将x方向的最后一个边缘点的x坐标和y方向的第一个边缘点的y坐标，构成粗定位标志区域的第三个坐标点；将x方向的最后一个边缘点的x坐标和y方向的最后一个目标边缘点的y坐标，构成粗定位标志区域的第四个坐标点；
第四步，通过第三步找出的四个粗定位标志区域的坐标点作为矩形的四个顶点构成检测出的粗定位标志矩形区域。
6.根据权利要求1所述的基于视觉引导的无人机自动着陆方法，其特征在于：所述步骤4)中使用无人机双层PID控制器控制无人机的降落是指，外层PID使用降落平台相对于无人机的位置坐标(X,Y,h)作为输入量，并输出无人机的期望降落速度给内层PID使用，内层PID使用当前降落速度与期望降落速度之间的误差作为输入量，输出油门的控制量，进行无人机降落的控制。
7.根据权利要求1所述的基于视觉引导的无人机自动着陆方法，其特征在于：所述步骤5)中无人机达到能够识别精确定位标志的条件，是指当前帧的粗定位标志区域的面积占机载相机拍摄的图像超过80％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610473714.3A CN107544550B (zh) | 2016-06-24 | 2016-06-24 | 一种基于视觉引导的无人机自动着陆方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610473714.3A CN107544550B (zh) | 2016-06-24 | 2016-06-24 | 一种基于视觉引导的无人机自动着陆方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107544550A CN107544550A (zh) | 2018-01-05 |
| CN107544550B true CN107544550B (zh) | 2021-01-15 |
Family
ID=60961244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610473714.3A Expired - Fee Related CN107544550B (zh) | 2016-06-24 | 2016-06-24 | 一种基于视觉引导的无人机自动着陆方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107544550B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108594848B (zh) * | 2018-03-29 | 2021-01-22 | 上海交通大学 | 一种基于视觉信息融合的无人机分阶段自主着艇方法 |
| CN108750129B (zh) * | 2018-04-20 | 2022-08-12 | 广州亿航智能技术有限公司 | 一种载人无人机定位着陆方法及载人无人机 |
| CN109445455B (zh) * | 2018-09-21 | 2022-09-30 | 深圳供电局有限公司 | 一种无人飞行器自主降落方法及其控制系统 |
| CN109407700A (zh) * | 2018-11-05 | 2019-03-01 | 周口师范学院 | 一种采用图像引导的无人机自主着陆方法及其实施装置 |
| CN109521800A (zh) * | 2018-11-19 | 2019-03-26 | 广州杰超科技有限公司 | 一种旋翼无人机定点降落方法及基站 |
| CN109857128B (zh) * | 2018-12-18 | 2022-07-15 | 丰翼科技(深圳)有限公司 | 无人机视觉定点降落方法、系统、设备及存储介质 |
| CN109823552B (zh) * | 2019-02-14 | 2021-02-12 | 深圳市多翼创新科技有限公司 | 基于视觉的无人机精确降落方法、存储介质、装置及系统 |
| CN109885086B (zh) * | 2019-03-11 | 2022-09-23 | 西安电子科技大学 | 一种基于复合多边形标志引导的无人机垂直降落方法 |
| CN110488848B (zh) * | 2019-08-23 | 2022-09-06 | 中国航空无线电电子研究所 | 无人机视觉引导自主着降方法及系统 |
| CN111003192A (zh) * | 2019-12-30 | 2020-04-14 | 南京信息工程大学 | 一种基于gps与视觉的无人机自主着陆系统和着陆方法 |
| CN111897366A (zh) * | 2020-07-16 | 2020-11-06 | 清华大学 | 多尺度、多手段融合的无人机轨迹规划方法 |
| CN112198884A (zh) * | 2020-07-27 | 2021-01-08 | 北京理工大学 | 基于视觉引导的无人机移动平台降落方法 |
| CN112650298B (zh) * | 2020-12-30 | 2021-08-17 | 广东工业大学 | 一种无人机追踪降落方法及系统 |
| CN112783181B (zh) * | 2021-01-13 | 2024-02-06 | 中国人民解放军空军工程大学 | 一种基于模糊控制的多旋翼无人机集群视觉着降方法 |
| CN113821047A (zh) * | 2021-08-18 | 2021-12-21 | 杭州电子科技大学 | 一种基于单目视觉的无人机自主降落方法 |
| CN113671979B (zh) * | 2021-08-24 | 2024-03-08 | 国网黑龙江省电力有限公司哈尔滨供电公司 | 一种无人机复位固定装置及应用其的降落定位方法 |
| CN113696815B (zh) * | 2021-10-27 | 2022-04-22 | 江苏日盈电子股份有限公司 | 多旋翼无人机和车辆的交互方法、交互系统 |
| CN114049797B (zh) * | 2021-11-10 | 2022-08-02 | 中国人民解放军国防科技大学 | 一种无人机自主滑跑回收航线的自动生成方法和装置 |
| CN113946157A (zh) * | 2021-11-29 | 2022-01-18 | 无锡科若斯科技有限公司 | 一种基于多功能识别定位的定点降落无人机方法及系统 |
| CN113900453B (zh) * | 2021-12-13 | 2022-04-22 | 南京理工大学 | 四旋翼无人机空中充电子母机精准对接控制方法及系统 |
| CN114265423B (zh) * | 2021-12-30 | 2022-11-01 | 哈尔滨工业大学 | 一种基于旋转框检测定位的无人机移动平台着陆方法及系统 |
| CN114384921B (zh) * | 2022-01-12 | 2024-05-28 | 上海赫千电子科技有限公司 | 一种基于无人机母车的车载无人机的升降方法 |
| CN114527792A (zh) * | 2022-01-25 | 2022-05-24 | 武汉飞流智能技术有限公司 | 无人机降落引导方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102417037A (zh) * | 2010-09-28 | 2012-04-18 | 株式会社拓普康 | 自动起飞和着陆系统 |
| CN102538782A (zh) * | 2012-01-04 | 2012-07-04 | 浙江大学 | 一种基于计算机视觉的直升机着陆引导装置和方法 |
| CN102914302A (zh) * | 2012-09-12 | 2013-02-06 | 西北工业大学 | 一种无人机着陆视觉导航合作目标鲁棒检测方法 |
| CN103226356A (zh) * | 2013-02-27 | 2013-07-31 | 广东工业大学 | 基于图像处理的无人机精确位置降落方法 |
| CN104361770A (zh) * | 2014-11-18 | 2015-02-18 | 武汉理工大学 | 用于交通信息采集无人机的精确降落自动控制方法 |
| CN105550692A (zh) * | 2015-12-30 | 2016-05-04 | 南京邮电大学 | 基于标志物颜色及轮廓检测的无人机自动寻的着陆方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160122038A1 (en) * | 2014-02-25 | 2016-05-05 | Singularity University | Optically assisted landing of autonomous unmanned aircraft |
-
2016
- 2016-06-24 CN CN201610473714.3A patent/CN107544550B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102417037A (zh) * | 2010-09-28 | 2012-04-18 | 株式会社拓普康 | 自动起飞和着陆系统 |
| CN102538782A (zh) * | 2012-01-04 | 2012-07-04 | 浙江大学 | 一种基于计算机视觉的直升机着陆引导装置和方法 |
| CN102914302A (zh) * | 2012-09-12 | 2013-02-06 | 西北工业大学 | 一种无人机着陆视觉导航合作目标鲁棒检测方法 |
| CN103226356A (zh) * | 2013-02-27 | 2013-07-31 | 广东工业大学 | 基于图像处理的无人机精确位置降落方法 |
| CN104361770A (zh) * | 2014-11-18 | 2015-02-18 | 武汉理工大学 | 用于交通信息采集无人机的精确降落自动控制方法 |
| CN105550692A (zh) * | 2015-12-30 | 2016-05-04 | 南京邮电大学 | 基于标志物颜色及轮廓检测的无人机自动寻的着陆方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107544550A (zh) | 2018-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107544550B (zh) | 一种基于视觉引导的无人机自动着陆方法 | |
| CN110991207B (zh) | 综合H图案识别和AprilTag二维码识别的无人机精准降落方法 | |
| CN107240063B (zh) | 一种面向移动平台的旋翼无人机自主起降方法 | |
| Guérin et al. | Towards an autonomous warehouse inventory scheme | |
| McGee et al. | Obstacle detection for small autonomous aircraft using sky segmentation | |
| CN109885086B (zh) | 一种基于复合多边形标志引导的无人机垂直降落方法 | |
| Gui et al. | Airborne vision-based navigation method for UAV accuracy landing using infrared lamps | |
| Martínez et al. | On-board and ground visual pose estimation techniques for UAV control | |
| Roelofsen et al. | Reciprocal collision avoidance for quadrotors using on-board visual detection | |
| CN106054929A (zh) | 一种基于光流的无人机自动降落引导方法 | |
| CN104808685A (zh) | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 | |
| CN105644785A (zh) | 一种基于光流法和地平线检测的无人机着陆方法 | |
| CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
| CN108106617A (zh) | 一种无人机自动避障方法 | |
| Beul et al. | Fast autonomous landing on a moving target at MBZIRC | |
| CN109857128A (zh) | 无人机视觉定点降落方法、系统、设备及存储介质 | |
| Premachandra et al. | A study on hovering control of small aerial robot by sensing existing floor features | |
| Lee et al. | Intelligent vision-based autonomous ship landing of VTOL UAVs | |
| Olejnik et al. | A tailless flapping wing mav performing monocular visual servoing tasks | |
| Lee | Machine learning vision and nonlinear control approach for autonomous ship landing of vertical flight aircraft | |
| Morais et al. | Trajectory and Guidance Mode for autonomously landing an UAV on a naval platform using a vision approach | |
| CN116185049A (zh) | 基于视觉引导的无人直升机自主着舰方法 | |
| Lee et al. | Landing Site Inspection and Autonomous Pose Correction for Unmanned Aerial Vehicles | |
| Lee et al. | Safe landing of drone using AI-based obstacle avoidance | |
| Priambodo et al. | A Vision and GPS Based System for Autonomous Precision Vertical Landing of UAV Quadcopter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210115 |