CN112486207A - 一种基于视觉识别的无人机自主降落方法 - Google Patents
一种基于视觉识别的无人机自主降落方法 Download PDFInfo
- Publication number
- CN112486207A CN112486207A CN202011458563.7A CN202011458563A CN112486207A CN 112486207 A CN112486207 A CN 112486207A CN 202011458563 A CN202011458563 A CN 202011458563A CN 112486207 A CN112486207 A CN 112486207A
- Authority
- CN
- China
- Prior art keywords
- landing
- landmark
- positioning
- calibration
- unmanned aerial
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000000007 visual effect Effects 0.000 title claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 13
- 238000003384 imaging method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 230000000877 morphologic effect Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims 1
- 230000003628 erosive effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
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)
- Image Processing (AREA)
Abstract
本发明涉及无人机领域，且公开了一种基于视觉识别的无人机自主降落方法，包括双目相机校正与标定—着陆地标选取—近距离着陆地标定位—远距离着陆地标定位，该一种基于视觉识别的无人机自主降落方法，可以简化标定流程，提高标定精度，保障定位精度，通过采用最大类间方差法对图像进行阈值分割，可以自适应地确定阈值，便于计算，根据无人机距离着陆地标距离的远近，分别设计了近距离着陆地标定位和远距离着陆地标定位两种算法，使得无人机自主降落时的定位精度更高，降低了因定位不准确导致坠机的风险。
Description
技术领域
本发明涉及无人机领域，具体为一种基于视觉识别的无人机自主降落方法。
背景技术
无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作，与有人驾驶飞机相比，无人机往往更适合那些太“愚钝，肮脏或危险”的任务，军用方面，无人机分为侦察机和靶机，民用方面，无人机+行业应用，是无人机真正的刚需，目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术；
专利号为CN106064670B的一项发明专利，公布了一种无人机以及降落方法，具体的，该无人机包括，陀螺仪、控制模块、驱动装置、以及至少两个可调整脚架；所述陀螺仪，与所述控制模块电连接，用于采集所述无人机的飞行姿态信号，并将所述飞行姿态信号发送至所述控制模块；所述控制模块，与所述驱动装置电连接，用于获取所述无人机的飞行姿态信号，基于所述飞行姿态信号，生成控制信号，并将所述控制信号发送至所述驱动装置；所述驱动装置，与所述可调整脚架相连接，用于根据所述控制信号调整所述可调整脚架，以使所述无人机平稳降落。利用本发明实施例提供的无人机可以降低无人机在降落过程中发生飞行事故的风险；
无人机飞行过程中一个最重要阶段是降落阶段，根据相关数据表明，无人机飞行过程中降落阶段的故障率是整个飞行故障的80％左右，是无人机领域亟待解决的问题，现有的无人机自主降落算法中需要标定的参数量较大，常用的T形、H形着陆地标定位精度不高，无法保障定位精度，在对图像进行分割处理时无法自适应地确定阈值大小，需要不断调整测试，费时费力，无法针对无人机距离着陆地标的远近专门设计适应度更高的着陆算法，导致降落的稳定性不高。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于视觉识别的无人机自主降落方法，设置较少的标定参数，可以简化标定流程，可以保障定位精度，可以自适应地确定阈值大小，专门设计距离远近的两种定位算法，定位精度更高，解决了现有的无基于视觉识别的人机自主降落，无法简化标定流程，无法自适应地确定阈值大小，无法专门设计距离远近的两种定位算法，定位精度得不到保障的问题。
技术方案
为实现上述可以简化标定流程，可以保障定位精度，可以自适应地确定阈值大小，专门设计距离远近的两种定位算法，定位精度更高的目的，本发明提供如下技术方案：一种基于视觉识别的无人机自主降落方法，包括双目相机校正与标定—着陆地标选取—近距离着陆地标定位—远距离着陆地标定位，具体步骤如下：
双目相机校正与标定：通过给相机进行校正和标定，可以将世界坐标系下任何一点转换到像素坐标系下；
着陆地标选取：通过选择合适的着陆地标来降低计算得到的无人机的姿态误差并保障定位精度；
近距离着陆地标定位：通过近距离着陆地标定位，可以给地标附近的无人机提供准确的定位信息，通过图像处理中Canny算子提取边缘轮廓，可以通过边缘轮廓嵌套信息，得到着陆标志码的位置探测图形，为近距离自主降落提供精确的定位信息，完成降落；
远距离着陆地标定位：当距离着陆地标码较远时，无法通过左上角、右上角、右下角的位置探测图形得到定位信息，通过连通域分析算法，筛选出疑似区域，并对疑似区域做判断，最终可以确定地标码的质心位置，实现远距离自主降落。
优选的，所述双目相机校正与标定中，设置有两台型号相同的照相机，通过相机内部的感光器件进行光信号转换，可以将外部的光信号转换为数字信号，便于计算机的读取和写入，由于相机在成像过程中一般会发生畸变，从而使得像素点在成像面上的位置发生偏移，通过对相机的校正和标定可以解决相机成像过程中产生的畸变，将两台相机设置在不同的位置，通过这两台相机可以拍摄到有视差的两张视图，然后对有视差的两张视图进行匹配，最后通过三角测量法便可以求得三维空间中的物体距离相机光心的距离。
优选的，所述双目相机校正与标定中包括畸变校正，所述畸变校正中，通过从标定板图像中提取多条标定板上直线，将所提取出直线通过拟合单参数除法畸变模型，最终得到平行双目相机的径向畸变中心(x,y)和畸变参数，所述双目相机校正与标定中包括双目相机标定，由于张氏标定法的测距误差较大，且不稳定，通过采用平行双目的三参数标定的模型，使得需要标定参数少，在一定程度上简化标定流程，提高标定精度。
优选的，所述着陆地标选取中，无人机在着陆飞行过程中，当着陆地标出现在相机视野中时，采用远距离定位算法结合平行双目相机恢复着陆标志的三维信息，通过飞控系统控制无人机逐步向地标三维信息减小的方向移动，达到设定距离阈值，启用近距离定位算法，并完成无人机姿态角估计，最终完成降落，此外，着陆地标会影响计算无人机姿态角度的精确度，姿态误差不同，通过选用组合图形作为着陆标志可以为自主着陆提供更为丰富的信息，使得姿态误差降低，从而可以保障定位精度。
优选的，所述近距离着陆地标定位中包括图像滤波与去噪，由于相机成像系统的工作环境、传输介质等原因都会引入噪声，从而导致成像质量下降，因此需要对相机采集到的图像先进行预处理，消除噪声的影响，通过使用图像平滑的方式，来减少空间域的噪声，通过采用低通滤波器来消除频域中高频段的噪声。
优选的，所述近距离着陆地标定位中还包括边缘提取，边缘通常意味着一种纹理区域的结束和另一种纹理区域的开始，因此，边缘的灰度值常不连续，通过采用Canny边缘检测算法可以提高边缘的定位精度，降低漏检率，通过高斯滤波器对图像进行平滑，对去噪后的图像，分别在x方向和y方向求取梯度值，当梯度值增大时，表示图像的边缘特征被增强，接着通过非极大值抑制找到像素点的局部最大值，可以将非边缘点删去，最后通过双阈值方式将噪声点排除，保留边缘点。
优选的，所述近距离着陆地标定位中还包括定位信息确定，提取边缘之后，便可以得到地标码的轮廓信息，通过地标码的左上角、右上角、右下角的位置探测图形便可以得到定位信息，从而可以将地标码从整幅图像中提取出来。
优选的，所述远距离着陆地标定位中包括阈值分割，由于灰度具有相似性、不连续性的特性，通过采用最大类间方差法对图像进行阈值分割，可以将着陆地标图像分割为相似的区域，并且可以自适应的确定阈值，通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点应该属于定位区还是应该属于背景区域,从而可以产生二值图像，便于计算。
优选的，所述远距离着陆地标定位中还包括形态学图像处理，所述形态学图像处理中包括膨胀、腐蚀两类基本的形态学操作，通过腐蚀可以消除地标图像中的噪声，并分割出独立的图像元素，通过形态学膨胀可以将物体边界点进行扩充，将与物体接触的所有背景点合并到该物体中，使边界向外部扩张，如果两个物体之间的距离比较近，通过膨胀运算会把两个物体连通到一起。
优选的，所述远距离着陆地标定位中还包括连通域质心确定，经膨胀腐蚀处理后，通过连通域分析算法，统计连通域大小，设定连通域最小值，先进行初步筛选，得到疑似区域，然后对疑似区域做判断，计算连通域区域质心位置，通过寻找连通域最外围正方形边界，统计该连通域总面积占最外围正方形边界内前景的比率，当比率大于0.95时，判定为地标码所在位置，所得质心即为地标位置，否则，排除该区域，进行下一个疑似区域判定，直至得到地标码码质心位置。
有益效果
与现有技术相比，本发明提供了一种基于视觉识别的无人机自主降落方法，具备以下有益效果：
1、该发明一种基于视觉识别的无人机自主降落方法，由于张氏标定法的测距误差较大，且不稳定，通过采用平行双目的三参数标定的模型，使得需要标定参数少，在一定程度上可以简化标定流程，提高标定精度。
2、该发明一种基于视觉识别的无人机自主降落方法，根据不同的着陆地标，会得到不同的姿态误差，对定位的精确度有着重大的影响，通过选用组合图形作为着陆标志可以为自主着陆提供更为丰富的信息，使得姿态误差降低，从而可以保障定位精度。
3、该发明一种基于视觉识别的无人机自主降落方法，通过采用最大类间方差法对图像进行阈值分割，可以将着陆地标图像分割为相似的区域，并且可以自适应的确定阈值，不需要人工调试阈值的大小，通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点应该属于定位区还是应该属于背景区域,从而可以产生二值图像，便于计算。
4、该发明一种基于视觉识别的无人机自主降落方法，根据无人机距离着陆地标距离的远近，分别设计了近距离着陆地标定位和远距离着陆地标定位两种算法，使得无人机自主降落时的定位精度更高，降低了因定位不准确导致坠机的风险。
附图说明
图1为本发明的工作流程图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，一种基于视觉识别的无人机自主降落方法，包括双目相机校正与标定1—着陆地标选取2—近距离着陆地标定位3—远距离着陆地标定位4，具体步骤如下：
双目相机校正与标定1：通过给相机进行校正和标定，可以将世界坐标系下任何一点转换到像素坐标系下；
着陆地标选取2：通过选择合适的着陆地标来降低计算得到的无人机的姿态误差并保障定位精度；
近距离着陆地标定位3：通过近距离着陆地标定位，可以给地标附近的无人机提供准确的定位信息，通过图像处理中Canny算子提取边缘轮廓，可以通过边缘轮廓嵌套信息，得到着陆标志码的位置探测图形，为近距离自主降落提供精确的定位信息，完成降落；
远距离着陆地标定位4：当距离着陆地标码较远时，无法通过左上角、右上角、右下角的位置探测图形得到定位信息，通过连通域分析算法，筛选出疑似区域，并对疑似区域做判断，最终可以确定地标码的质心位置，实现远距离自主降落。
双目相机校正与标定中1，设置有两台型号相同的照相机，通过相机内部的感光器件CCD进行光信号转换，可以将外部的光信号转换为数字信号，便于计算机的读取和写入，由于相机在成像过程中一般会发生畸变，从而使得像素点在成像面上的位置发生偏移，通过对相机的校正和标定可以解决相机成像过程中产生的畸变，将两台相机设置在不同的位置，通过这两台相机可以拍摄到有视差的两张视图，然后对有视差的两张视图进行匹配，最后通过三角测量法便可以求得三维空间中的物体距离相机光心的距离。
双目相机校正与标定1中包括畸变校正11，畸变校正11中，通过从标定板图像中提取多条标定板上直线，将所提取出直线通过拟合单参数除法畸变模型，最终得到平行双目相机的径向畸变中心(x,y)和畸变参数，双目相机校正与标定1中包括双目相机标定12，由于张氏标定法的测距误差较大，且不稳定，通过采用平行双目的三参数标定的模型，使得需要标定参数少，在一定程度上简化标定流程，提高标定精度。
着陆地标选取2中，无人机在着陆飞行过程中，当着陆地标出现在相机视野中时，采用远距离定位算法结合平行双目相机恢复着陆标志的三维信息，通过飞控系统控制无人机逐步向地标三维信息减小的方向移动，达到设定距离阈值，启用近距离定位算法，并完成无人机姿态角估计，最终完成降落，此外，着陆地标会影响计算无人机姿态角度的精确度，姿态误差不同，通过选用组合图形作为着陆标志可以为自主着陆提供更为丰富的信息，使得姿态误差降低，从而可以保障定位精度。
近距离着陆地标定位3中包括图像滤波与去噪31，由于相机成像系统的工作环境、传输介质等原因都会引入噪声，从而导致成像质量下降，因此需要对相机采集到的图像先进行预处理，消除噪声的影响，通过使用图像平滑的方式，来减少空间域的噪声，通过采用低通滤波器来消除频域中高频段的噪声。
近距离着陆地标定位3中还包括边缘提取32，边缘通常意味着一种纹理区域的结束和另一种纹理区域的开始，因此，边缘的灰度值常不连续，通过采用Canny边缘检测算法可以提高边缘的定位精度，降低漏检率，通过高斯滤波器对图像进行平滑，对去噪后的图像，分别在x方向和y方向求取梯度值，当梯度值增大时，表示图像的边缘特征被增强，接着通过非极大值抑制找到像素点的局部最大值，可以将非边缘点删去，最后通过双阈值方式将噪声点排除，保留边缘点。
近距离着陆地标定位3中还包括定位信息确定33，提取边缘之后，便可以得到地标码的轮廓信息，通过地标码的左上角、右上角、右下角的位置探测图形便可以得到定位信息，从而可以将地标码从整幅图像中提取出来。
远距离着陆地标定位4中包括阈值分割41，由于灰度具有相似性、不连续性的特性，通过采用最大类间方差法对图像进行阈值分割，可以将着陆地标图像分割为相似的区域，并且可以自适应的确定阈值，通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点应该属于定位区还是应该属于背景区域,从而可以产生二值图像，便于计算。
远距离着陆地标定位4中还包括形态学图像处理42，形态学图像处理42中包括膨胀、腐蚀两类基本的形态学操作，通过腐蚀可以消除地标图像中的噪声，并分割出独立的图像元素，通过形态学膨胀可以将物体边界点进行扩充，将与物体接触的所有背景点合并到该物体中，使边界向外部扩张。如果两个物体之间的距离比较近，通过膨胀运算会把两个物体连通到一起。
远距离着陆地标定位4中还包括连通域质心确定42，经膨胀腐蚀处理后，通过连通域分析算法，统计连通域大小，设定连通域最小值，先进行初步筛选，得到疑似区域，然后对疑似区域做判断，计算连通域区域质心位置，通过寻找连通域最外围正方形边界，统计该连通域总面积占最外围正方形边界内前景的比率，当比率大于0.95时，判定为地标码所在位置，所得质心即为地标位置，否则，排除该区域，进行下一个疑似区域判定，直至得到地标码码质心位置。
工作时，工作人员将两台相机设置在不同的位置，通过这两台相机拍摄到有视差的两张视图，然后对有视差的两张视图进行匹配，最后通过三角测量法便求得三维空间中的物体距离相机光心的距离，通过从标定板图像中提取多条标定板上直线，将所提取出直线通过拟合单参数除法畸变模型，最终得到平行双目相机的径向畸变中心(x,y)和畸变参数，由于张氏标定法的测距误差较大，且不稳定，通过采用平行双目的三参数标定的模型，使得需要标定参数少，在一定程度上简化标定流程，提高标定精度，由于着陆地标会影响计算无人机姿态角度的精确度，姿态误差不同，通过选用组合图形作为着陆标志可以为自主着陆提供更为丰富的信息，使得姿态误差降低，从而可以保障定位精度，此外，通过使用图像平滑的方式，来减少空间域的噪声，通过采用低通滤波器来消除频域中高频段的噪声，通过采用Canny边缘检测算法提高边缘的定位精度，降低漏检率，提取边缘之后，将得到地标码的轮廓信息，通过地标码的左上角、右上角、右下角的位置探测图形便得到近距离定位信息，对于远距离着陆定位，由于灰度具有相似性、不连续性的特性，通过采用最大类间方差法对图像进行阈值分割，将着陆地标图像分割为相似的区域，并自适应地确定阈值，通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点应该属于定位区还是应该属于背景区域,经膨胀腐蚀处理后，通过连通域分析算法，统计连通域大小，设定连通域最小值，先进行初步筛选，得到疑似区域，然后对疑似区域做判断，计算连通域区域质心位置，通过寻找连通域最外围正方形边界，统计该连通域总面积占最外围正方形边界内前景的比率，当比率大于0.95时，判定为地标码所在位置，所得质心即为地标位置，否则，排除该区域，进行下一个疑似区域判定，直至得到地标码码质心位置，实际飞行降落时，当着陆地标出现在相机视野中时，采用远距离定位算法结合平行双目相机恢复着陆标志的三维信息，通过飞控系统控制无人机逐步向地标三维信息减小的方向移动，达到设定距离阈值，启用近距离定位算法，并完成无人机姿态角估计，最终完成降落。
综上，由于张氏标定法的测距误差较大，且不稳定，通过采用平行双目的三参数标定的模型，使得需要标定参数少，在一定程度上可以简化标定流程，提高标定精度，根据不同的着陆地标，会计算得到不同的姿态误差，对定位的精确度有着重大的影响，通过选用组合图形作为着陆标志可以为自主着陆提供更为丰富的信息，使得姿态误差降低，从而可以保障定位精度，通过采用最大类间方差法对图像进行阈值分割，可以将着陆地标图像分割为相似的区域，并且可以自适应的确定阈值，不需要人工调试阈值的大小，通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点应该属于定位区还是应该属于背景区域,从而可以产生二值图像，便于计算，根据无人机距离着陆地标距离的远近，分别设计了近距离着陆地标定位和远距离着陆地标定位两种算法，使得无人机自主降落时的定位精度更高，降低了因定位不准确导致坠机的风险。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于视觉识别的无人机自主降落方法，其特征在于：包括双目相机校正与标定(1)—着陆地标选取(2)—近距离着陆地标定位(3)—远距离着陆地标定位(4)，具体步骤如下：
双目相机校正与标定(1)：通过给相机进行校正和标定，可以将世界坐标系下任何一点转换到像素坐标系下；
着陆地标选取(2)：通过选择合适的着陆地标来降低计算得到的无人机的姿态误差并保障定位精度；
近距离着陆地标定位(3)：通过近距离着陆地标定位，可以给地标附近的无人机提供准确的定位信息，通过图像处理中Canny算子提取边缘轮廓，可以通过边缘轮廓嵌套信息，得到着陆标志码的位置探测图形，为近距离自主降落提供精确的定位信息，完成降落；
远距离着陆地标定位(4)：当距离着陆地标码较远时，无法通过左上角、右上角、右下角的位置探测图形得到定位信息，通过连通域分析算法，筛选出疑似区域，并对疑似区域做判断，最终可以确定地标码的质心位置，实现远距离自主降落。
2.根据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述双目相机校正与标定中(1)，设置有两台型号相同的照相机，通过相机内部的感光器件(CCD)进行光信号转换，可以将外部的光信号转换为数字信号，便于计算机的读取和写入，由于相机在成像过程中一般会发生畸变，从而使得像素点在成像面上的位置发生偏移，通过对相机的校正和标定可以解决相机成像过程中产生的畸变，将两台相机设置在不同的位置，通过这两台相机可以拍摄到有视差的两张视图，然后对有视差的两张视图进行匹配，最后通过三角测量法便可以求得三维空间中的物体距离相机光心的距离。
3.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述双目相机校正与标定(1)中包括畸变校正(11)，所述畸变校正(11)中，通过从标定板图像中提取多条标定板上直线，将所提取出直线通过拟合单参数除法畸变模型，最终得到平行双目相机的径向畸变中心(x,y)和畸变参数，所述双目相机校正与标定(1)中包括双目相机标定(12)，由于张氏标定法的测距误差较大，且不稳定，通过采用平行双目的三参数标定的模型，使得需要标定参数少，在一定程度上简化标定流程，提高标定精度。
4.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述着陆地标选取(2)中，无人机在着陆飞行过程中，当着陆地标出现在相机视野中时，采用远距离定位算法结合平行双目相机恢复着陆标志的三维信息，通过飞控系统控制无人机逐步向地标三维信息减小的方向移动，达到设定距离阈值，启用近距离定位算法，并完成无人机姿态角估计，最终完成降落，此外，着陆地标会影响计算无人机姿态角度的精确度，姿态误差不同，通过选用组合图形作为着陆标志可以为自主着陆提供更为丰富的信息，使得姿态误差降低，从而可以保障定位精度。
5.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述近距离着陆地标定位(3)中包括图像滤波与去噪(31)，由于相机成像系统的工作环境、传输介质等原因都会引入噪声，从而导致成像质量下降，因此需要对相机采集到的图像先进行预处理，消除噪声的影响，通过使用图像平滑的方式，来减少空间域的噪声，通过采用低通滤波器来消除频域中高频段的噪声。
6.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述近距离着陆地标定位(3)中还包括边缘提取(32)，边缘通常意味着一种纹理区域的结束和另一种纹理区域的开始，因此，边缘的灰度值常不连续，通过采用Canny边缘检测算法可以提高边缘的定位精度，降低漏检率，通过高斯滤波器对图像进行平滑，对去噪后的图像，分别在x方向和y方向求取梯度值，当梯度值增大时，表示图像的边缘特征被增强，接着通过非极大值抑制找到像素点的局部最大值，可以将非边缘点删去，最后通过双阈值方式将噪声点排除，保留边缘点。
7.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述近距离着陆地标定位(3)中还包括定位信息确定(33)，提取边缘之后，便可以得到地标码的轮廓信息，通过地标码的左上角、右上角、右下角的位置探测图形便可以得到定位信息，从而可以将地标码从整幅图像中提取出来。
8.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述远距离着陆地标定位(4)中包括阈值分割(41)，由于灰度具有相似性、不连续性的特性，通过采用最大类间方差法对图像进行阈值分割，可以将着陆地标图像分割为相似的区域，并且可以自适应的确定阈值，通过判断图像中的每一个像素点的特征属性是否满足阈值的要求来确定图像中该像素点应该属于定位区还是应该属于背景区域,从而可以产生二值图像，便于计算。
9.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述远距离着陆地标定位(4)中还包括形态学图像处理(42)，所述形态学图像处理(42)中包括膨胀、腐蚀两类基本的形态学操作，通过腐蚀可以消除地标图像中的噪声，并分割出独立的图像元素，通过形态学膨胀可以将物体边界点进行扩充，将与物体接触的所有背景点合并到该物体中，使边界向外部扩张，如果两个物体之间的距离比较近，通过膨胀运算会把两个物体连通到一起。
10.据权利要求1所述的一种基于视觉识别的无人机自主降落方法，其特征在于：所述远距离着陆地标定位(4)中还包括连通域质心确定(42)，经膨胀腐蚀处理后，通过连通域分析算法，统计连通域大小，设定连通域最小值，先进行初步筛选，得到疑似区域，然后对疑似区域做判断，计算连通域区域质心位置，通过寻找连通域最外围正方形边界，统计该连通域总面积占最外围正方形边界内前景的比率，当比率大于0.95时，判定为地标码所在位置，所得质心即为地标位置，否则，排除该区域，进行下一个疑似区域判定，直至得到地标码码质心位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011458563.7A CN112486207A (zh) | 2020-12-10 | 2020-12-10 | 一种基于视觉识别的无人机自主降落方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011458563.7A CN112486207A (zh) | 2020-12-10 | 2020-12-10 | 一种基于视觉识别的无人机自主降落方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112486207A true CN112486207A (zh) | 2021-03-12 |
Family
ID=74917750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011458563.7A Withdrawn CN112486207A (zh) | 2020-12-10 | 2020-12-10 | 一种基于视觉识别的无人机自主降落方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112486207A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112837343A (zh) * | 2021-04-01 | 2021-05-25 | 中国船舶重工集团公司第七0九研究所 | 基于相机阵列的低空无人机防控光电预警识别方法及系统 |
| CN113052151A (zh) * | 2021-06-01 | 2021-06-29 | 四川泓宝润业工程技术有限公司 | 基于计算机视觉的无人机自动降落引导方法 |
| CN113129238A (zh) * | 2021-04-29 | 2021-07-16 | 青岛海信移动通信技术股份有限公司 | 拍照终端及图像校正方法 |
| CN113657256A (zh) * | 2021-08-16 | 2021-11-16 | 大连海事大学 | 一种无人艇载无人机海空协同视觉跟踪与自主回收方法 |
| CN113885568A (zh) * | 2021-10-25 | 2022-01-04 | 中电鸿信信息科技有限公司 | 一种基于视景定位的拒止环境下无人机航迹规划方法 |
| CN113888640A (zh) * | 2021-09-07 | 2022-01-04 | 浙江大学 | 一种适用于无人机云台相机的改进标定方法 |
| CN114384932A (zh) * | 2021-12-24 | 2022-04-22 | 同济大学 | 一种基于距离测量的无人机导航对接方法 |
| CN116300989A (zh) * | 2022-11-14 | 2023-06-23 | 海南大学 | 一种基于陆空协同的无人机自主降落控制系统 |
| CN118012120A (zh) * | 2024-02-27 | 2024-05-10 | 山东电友电力科技有限公司 | 一种无人机自主降落控制方法及系统 |
-
2020
- 2020-12-10 CN CN202011458563.7A patent/CN112486207A/zh not_active Withdrawn
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112837343A (zh) * | 2021-04-01 | 2021-05-25 | 中国船舶重工集团公司第七0九研究所 | 基于相机阵列的低空无人机防控光电预警识别方法及系统 |
| CN113129238B (zh) * | 2021-04-29 | 2023-01-06 | 青岛海信移动通信技术股份有限公司 | 拍照终端及图像校正方法 |
| CN113129238A (zh) * | 2021-04-29 | 2021-07-16 | 青岛海信移动通信技术股份有限公司 | 拍照终端及图像校正方法 |
| CN113052151A (zh) * | 2021-06-01 | 2021-06-29 | 四川泓宝润业工程技术有限公司 | 基于计算机视觉的无人机自动降落引导方法 |
| CN113052151B (zh) * | 2021-06-01 | 2021-08-06 | 四川泓宝润业工程技术有限公司 | 基于计算机视觉的无人机自动降落引导方法 |
| CN113657256A (zh) * | 2021-08-16 | 2021-11-16 | 大连海事大学 | 一种无人艇载无人机海空协同视觉跟踪与自主回收方法 |
| CN113657256B (zh) * | 2021-08-16 | 2023-09-26 | 大连海事大学 | 一种无人艇载无人机海空协同视觉跟踪与自主回收方法 |
| CN113888640A (zh) * | 2021-09-07 | 2022-01-04 | 浙江大学 | 一种适用于无人机云台相机的改进标定方法 |
| CN113888640B (zh) * | 2021-09-07 | 2024-02-02 | 浙江大学 | 一种适用于无人机云台相机的改进标定方法 |
| CN113885568A (zh) * | 2021-10-25 | 2022-01-04 | 中电鸿信信息科技有限公司 | 一种基于视景定位的拒止环境下无人机航迹规划方法 |
| CN114384932A (zh) * | 2021-12-24 | 2022-04-22 | 同济大学 | 一种基于距离测量的无人机导航对接方法 |
| CN114384932B (zh) * | 2021-12-24 | 2023-08-29 | 同济大学 | 一种基于距离测量的无人机导航对接方法 |
| CN116300989A (zh) * | 2022-11-14 | 2023-06-23 | 海南大学 | 一种基于陆空协同的无人机自主降落控制系统 |
| CN118012120A (zh) * | 2024-02-27 | 2024-05-10 | 山东电友电力科技有限公司 | 一种无人机自主降落控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112486207A (zh) | 一种基于视觉识别的无人机自主降落方法 | |
| CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 | |
| CN108873943B (zh) | 一种无人机厘米级精准降落的图像处理方法 | |
| CN107703528B (zh) | 自动驾驶中结合低精度gps的视觉定位方法及系统 | |
| Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
| CN106909911B (zh) | 图像处理方法、图像处理装置和电子装置 | |
| CN110926474B (zh) | 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 | |
| CN107844750A (zh) | 一种水面全景图像目标检测识别方法 | |
| CN107462223B (zh) | 一种公路转弯前行车视距自动测量装置及测量方法 | |
| CN110930459A (zh) | 灭点提取方法、相机标定方法以及存储介质 | |
| CN110569861B (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
| CN115761550A (zh) | 一种基于激光雷达点云和相机图像融合的水面目标检测方法 | |
| WO2020083307A1 (en) | Method, apparatus, and storage medium for obtaining depth image | |
| EP2887315A1 (en) | Calibration device, method for implementing calibration, program and camera for movable body | |
| CN103279956A (zh) | 一种检测贴片机元器件定位精度的方法 | |
| CN113658241B (zh) | 单目结构光的深度恢复方法、电子设备及存储介质 | |
| CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
| CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
| CN111709968B (zh) | 一种基于图像处理的低空目标探测跟踪方法 | |
| CN109492525B (zh) | 一种测量基站天线工程参数的方法 | |
| CN117496467A (zh) | 基于单目相机和3d lidar融合的异形车道线检测方法 | |
| CN113298725B (zh) | 一种轮船图标图像叠加误差的纠正方法 | |
| CN114792327A (zh) | 图像处理方法及系统 | |
| CN117523568A (zh) | 一种基于无人船的桥高检测方法、装置、设备及介质 | |
| CN116704037B (zh) | 一种基于图像处理技术的卫星失锁重定位方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210312 |
|
| WW01 | Invention patent application withdrawn after publication |