CN115790610B - 一种无人机精准定位系统及方法 - Google Patents
一种无人机精准定位系统及方法 Download PDFInfo
- Publication number
- CN115790610B CN115790610B CN202310063527.8A CN202310063527A CN115790610B CN 115790610 B CN115790610 B CN 115790610B CN 202310063527 A CN202310063527 A CN 202310063527A CN 115790610 B CN115790610 B CN 115790610B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- depth image
- mark shape
- position information
- 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
Images
Abstract
本发明公开了一种无人机精准定位系统及方法,属于无人机定位技术领域,包括深度图像获取模块、高度获取模块、图像预处理模块、标志形状识别模块、综合处理模块。本发明通过设置的深度图像获取模块,能够方便地获取标志形状中各像素与无人机的距离值,然后对标志形状中各像素与无人机的距离值进行均值处理,作为标志形状中心点的距离值,再两次利用三角函数对无人机质点化后在地面上的投影点位置进行计算,根据投影点位置与标志形状中心点的相对位置关系,进而得到投影点在地理坐标系中的实际坐标,加上高度值即得到无人机实时空间位置,计算起来较为简单,设备的硬件复杂度也大大降低。
Description
技术领域
本发明涉及无人机定位技术领域,具体涉及一种无人机精准定位系统及方法。
背景技术
无人机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。无人机按应用领域,可分为军用与民用。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;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。
无人机具有低功耗、低成本、灵活、可扩展的优点,已广泛应用于摄影、航空测绘、农业、救援和物流等任务中。在执行具体任务的过程中,无人机的定位是无人机控制与决策的基础。当前无人机平台大多数都配备机载摄像头与GPS芯片,同时可搭载IMU、机载罗盘、气压计等传感器,用于无人机感知环境与检测自身状态。在通常情况下,无人机可通过GPS等专用硬件进行定位,而在特殊环境下,当GPS信号不可用或出现硬件故障时,要保障无人机当前任务的顺利执行,需要更稳定的定位方法。
无人机的种类有很多,比如用于室内场馆中拍摄静态图像的无人机,传统的无人机定位方式成本过高,并且硬件复杂度较高,因此难以适用于上述无人机类型,上述问题亟待解决,为此,提出一种无人机精准定位系统及方法。
发明内容
本发明所要解决的技术问题在于:如何解决传统的无人机定位方式成本过高,并且硬件复杂度较高,难以适用于用于室内场馆中拍摄静态图像的无人机的问题,提供了一种无人机精准定位系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括:深度图像获取模块、高度获取模块、图像预处理模块、标志形状识别模块、综合处理模块;
所述深度图像获取模块,用于获取无人机在飞行过程中实时拍摄的包含标志形状的深度图像;
所述高度获取模块,用于获取无人机在飞行过程中实时的高度值,该高度值即无人机距离地面的高度值,地面即标志形状所在面;
所述图像预处理模块,用于对深度图像获取模块获取的深度图像进行降噪处理;
所述标志形状识别模块,用于对经过预处理的灰度图像中的标志形状进行识别,获取标志形状在深度图像中的像素位置信息,进而获得当前深度图像中标志形状在地理坐标系中上的实际位置信息,并将像素位置信息、实际位置信息传输至综合处理模块中进行处理;
所述综合处理模块,用于根据获取的无人机在飞行过程中实时的高度值、深度图像中地面预设的各标志形状的像素位置信息、深度图像中标志形状在地理坐标系中上的实际位置信息,计算获得无人机的实时空间位置。
更进一步地,所述深度图像获取模块为安装在无人机上的深度相机组件,通过深度相机组件实时获取包含地面上设置的标志形状的深度图像,每帧深度图像中均包含两个不同的标志形状。
更进一步地,所述高度获取模块为安装在无人机上的高度传感器,通过高度传感器实时获取无人机距离地面的高度值。
更进一步地,所述标志形状识别模块包括识别单元、位置信息获取单元;所述识别单元通过目标识别网络对深度图像中地面预设的标志形状进行识别,获取标志形状检测框在深度图像中的像素位置信息,并将像素位置信息发送至所述综合处理模块中进行计算;所述位置信息获取单元通过轮廓检测方式对识别到的标志形状检测框中标志形状进行轮廓检测,获取其外轮廓长度数据,根据外轮廓长度数据在外轮廓长度-编号数据库中进行比对查询,获取当前深度图像中标志形状的编号,根据标志形状的编号获取其预设的在地理坐标系中的实际位置信息,即获得当前深度图像中标志形状在地理坐标系中的实际位置信息。
更进一步地,所述外轮廓长度-编号数据库存储有各标志形状外轮廓长度与编号的对应关系,每个标志形状在地理坐标系中的实际位置信息是预先设定的,其中心点之间的间距是确定的。
更进一步地,标志形状为方形,每个标志形状的轮廓长度不同。
更进一步地,所述综合处理模块包括相机-标识形状距离确定单元、无人机位置计算单元;所述均值处理单元用于对深度图像中位于各标志形状检测框内在的所有像素所对应的距离值进行算术平均处理,得到一个平均距离值,将该平均距离值作为各标志形状中心点的距离值J,然后将深度图像中两个标志形状中心点的距离值J1、J2发送至所述无人机位置计算单元;所述无人机位置计算单元用于根据深度图像中两个标志形状中心点的距离值J1、J2、无人机在飞行过程中实时的高度值H,在直角三角形内利用三角函数计算标志形状中心点的距离值在地面上的投影长度T1、T2,根据两个标志形状中心点的距离值在地面上的投影长度T1、T2、标志形状中心点之间的间距已知,再在三角形内利用三角函数计算T1、T2之间的交点O与标志形状中心点的相对位置关系,进而得到交点O在地理坐标系中的实际坐标,加上高度值即得到无人机实时空间位置,并将实时空间位置输出。
更进一步地,交点O为深度相机组件摄像头光轴在地面上的投影,视为将无人机质点化后在地面上的投影,无人机位置计算单元输出的实时空间位置信息即在地理坐标系下的实时坐标值。
本发明还提供了一种无人机精准定位方,采用上述的定位系统对无人机进行空间定位工作,包括以下步骤:
S1:获取无人机在飞行过程中实时拍摄的包含标志形状的深度图像;
S2:获取无人机在飞行过程中实时的高度值,该高度值即无人机距离地面的高度值,地面即标志形状所在面;
S3:对深度图像获取模块获取的深度图像进行降噪处理;
S4:对经过预处理的灰度图像中的标志形状进行识别,获取标志形状在深度图像中的像素位置信息,进而获得当前深度图像中标志形状在地理坐标系中上的实际位置信息,并将实际位置信息传输至综合处理模块中进行处理;
S5:根据获取的无人机在飞行过程中实时的高度值、深度图像中地面预设的各标志形状的像素位置信息、深度图像中标志形状在地理坐标系中上的实际位置信息,计算获得无人机的实时空间位置。
本发明相比现有技术具有以下优点:通过设置的深度图像获取模块,能够方便地获取标志形状中各像素与无人机的距离值,然后对标志形状中各像素与无人机的距离值进行均值处理,作为标志形状中心点的距离值,再两次利用三角函数对无人机质点化后在地面上的投影点位置进行计算,根据投影点位置与标志形状中心点的相对位置关系,进而得到投影点在地理坐标系中的实际坐标,加上高度值即得到无人机实时空间位置,计算起来较为简单,设备的硬件复杂度也大大降低。
附图说明
图1是本发明实施例中无人机精准定位系统的总体架构图;
图2是本发明实施例中无人机与每帧深度图像中标识形状之间的位置关系示例图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种无人机精准定位系统,包括:深度图像获取模块、高度获取模块、图像预处理模块、标志形状识别模块、综合处理模块;
在本实施例中,所述深度图像获取模块,用于获取无人机在飞行过程中实时拍摄的包含标志形状的深度图像;
具体的,所述深度图像获取模块为安装在无人机上的深度相机组件,通过深度相机组件实时获取包含地面上设置的标志形状的深度图像,然后将深度图像传输给图像预处理模块进行预处理,方便后续的图像识别工作;
需要说明的是,深度图像其实是一张灰度图:水平垂直坐标对应像素位置,该位置的灰度值对应的是该像素距离深度相机组件中摄像头光轴的距离,视为各像素与无人机的距离。
每帧深度图像中均包含两个不同的标志形状。
在本实施例中,所述高度获取模块,用于获取无人机在飞行过程中实时的高度值,该高度值即无人机距离地面的高度值,地面即标志形状所在面。
具体的,所述高度获取模块为安装在无人机上的高度传感器,通过高度传感器实时获取无人机距离地面的高度值,然后将信息传输给综合处理模块进行处理;
在本实施例中,所述图像预处理模块,用于对深度图像获取模块获取的深度图像进行降噪处理,能够获取更为清晰的深度图像(灰度图像),方便后续的图像识别工作。
具体的,本实施例中采用的降噪方法通过变换域去噪算法实现。
在本实施例中,所述标志形状识别模块,用于对经过预处理的灰度图像中的标志形状进行识别,获取标志形状在深度图像中的像素位置信息,进而获得当前深度图像中标志形状在地理坐标系中上的实际位置信息,并将像素位置信息、实际位置信息传输至综合处理模块中进行处理;
具体的,所述标志形状识别模块包括识别单元、位置信息获取单元;所述识别单元通过经过大量数据集训练的目标识别网络对深度图像中地面预设的各标志形状进行识别,获取标志形状检测框在深度图像中的像素位置信息,并将像素位置信息发送至所述综合处理模块中进行计算;所述位置信息获取单元通过轮廓检测方式对识别到的各标志形状检测框中标志形状进行轮廓检测,获取其外轮廓长度数据,根据外轮廓长度数据在外轮廓长度-编号数据库中进行比对查询,获取当前深度图像中标志形状的编号,根据各标志形状的编号获取其预设的在地理坐标系中的实际位置信息,即获得当前深度图像中标志形状在地理坐标系中的实际位置信息,将该信息发送至所述综合处理模块中进行计算。
在本实施例中,所述外轮廓长度-编号数据库存储有各标志形状外轮廓长度与编号的对应关系,每个标志形状在地理坐标系中的实际位置信息是预先设定的,其中心点之间的间距是确定的。
如图2所示,在本实施例中,标志形状为方形,每个标志形状的轮廓长度不同,即大小不同。
在本实施例中,所述综合处理模块,用于根据获取的无人机在飞行过程中实时的高度值、深度图像中地面预设的各标志形状的像素位置信息、深度图像中标志形状在地理坐标系中上的实际位置信息,计算获得无人机的实时空间位置。
具体的,所述综合处理模块包括相机-标识形状距离确定单元、无人机位置计算单元;所述均值处理单元用于对深度图像中位于各标志形状检测框内在的所有像素所对应的距离值进行算术平均处理,得到一个平均距离值,将该平均距离值作为各标志形状中心点(即图2中的Z1、Z2)的距离值J,即图2中的线段J1、J2,然后将深度图像中各标志形状(两个标识形状)中心点的距离值发送至所述无人机位置计算单元;所述无人机位置计算单元用于根据深度图像中各标志形状中心点的距离值J1、J2、无人机在飞行过程中实时的高度值H(图2中的线段H),在由J1、H、T1以及J2、H、T2构成的直角三角形内利用三角函数计算标志形状中心点的距离值在地面上的投影长度T(即图2中的线段T1、T2),再根据标志形状中心点的距离值在地面上的投影长度T、标志形状中心点之间的间距已知,在由J2、线段Z1Z2、T1构成的三角形内利用三角函数计算T1、T2之间的交点O与标志形状中心点的相对位置关系,进而得到交点O在地理坐标系中的实际坐标,加上高度值即得到无人机实时空间位置,并将实时空间位置输出。
在本实施例中,交点O为深度相机组件摄像头光轴在地面上的投影,视为将无人机质点化后在地面上的投影,无人机位置计算单元输出的实时空间位置信息即在地理坐标系下的实时坐标值。
需要说明的是,相对于地理坐标系而言,线段T1、T2、J1、J2、Z1Z2均可视为直线。
综上所述,上述实施例的无人机精准定位系统及方法,通过设置的深度图像获取模块,能够方便地获取标志形状中各像素与无人机的距离值,然后对标志形状中各像素与无人机的距离值进行均值处理,作为标志形状中心点的距离值,再两次利用三角函数对无人机质点化后在地面上的投影点位置进行计算,根据投影点位置与标志形状中心点的相对位置关系,进而得到投影点在地理坐标系中的实际坐标,加上高度值即得到无人机实时空间位置,计算起来较为简单,设备的硬件复杂度也大大降低。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (2)
1.一种无人机精准定位系统,其特征在于,包括:深度图像获取模块、高度获取模块、图像预处理模块、标志形状识别模块、综合处理模块;
所述深度图像获取模块,用于获取无人机在飞行过程中实时拍摄的包含标志形状的深度图像;
所述高度获取模块,用于获取无人机在飞行过程中实时的高度值,该高度值即无人机距离地面的高度值,地面即标志形状所在面;
所述图像预处理模块,用于对深度图像获取模块获取的深度图像进行降噪处理;
所述标志形状识别模块,用于对经过预处理的灰度图像中的标志形状进行识别,获取标志形状在深度图像中的像素位置信息,进而获得当前深度图像中标志形状在地理坐标系中上的实际位置信息,并将像素位置信息、实际位置信息传输至综合处理模块中进行处理;
所述综合处理模块,用于根据获取的无人机在飞行过程中实时的高度值、深度图像中地面预设的各标志形状的像素位置信息、深度图像中标志形状在地理坐标系中上的实际位置信息,计算获得无人机的实时空间位置;
所述深度图像获取模块为安装在无人机上的深度相机组件,通过深度相机组件实时获取包含地面上设置的标志形状的深度图像,每帧深度图像中均包含两个不同的标志形状;
所述高度获取模块为安装在无人机上的高度传感器,通过高度传感器实时获取无人机距离地面的高度值;
所述标志形状识别模块包括识别单元、位置信息获取单元;所述识别单元通过目标识别网络对深度图像中地面预设的标志形状进行识别,获取标志形状检测框在深度图像中的像素位置信息,并将像素位置信息发送至所述综合处理模块中进行计算;所述位置信息获取单元通过轮廓检测方式对识别到的标志形状检测框中标志形状进行轮廓检测,获取其外轮廓长度数据,根据外轮廓长度数据在外轮廓长度-编号数据库中进行比对查询,获取当前深度图像中标志形状的编号,根据标志形状的编号获取其预设的在地理坐标系中的实际位置信息,即获得当前深度图像中标志形状在地理坐标系中的实际位置信息;
所述外轮廓长度-编号数据库存储有各标志形状外轮廓长度与编号的对应关系,每个标志形状在地理坐标系中的实际位置信息是预先设定的,其中心点之间的间距是确定值;
标志形状为方形,每个标志形状的轮廓长度不同;
所述综合处理模块包括相机-标识形状距离确定单元、无人机位置计算单元;所述相机-标识形状距离确定单元用于对深度图像中位于各标志形状检测框内在的所有像素所对应的距离值进行算术平均处理,得到一个平均距离值,将该平均距离值作为各标志形状中心点的距离值J,然后将深度图像中两个标志形状中心点的距离值J1、J2发送至所述无人机位置计算单元;所述无人机位置计算单元用于根据深度图像中两个标志形状中心点的距离值J1、J2、无人机在飞行过程中实时的高度值H,在直角三角形内利用三角函数计算标志形状中心点的距离值在地面上的投影长度T1、T2,根据两个标志形状中心点的距离值在地面上的投影长度T1、T2、标志形状中心点之间的间距已知,再在三角形内利用三角函数计算T1、T2之间的交点O与标志形状中心点的相对位置关系,进而得到交点O在地理坐标系中的实际坐标,加上高度值即得到无人机实时空间位置,并将实时空间位置输出;
交点O为深度相机组件摄像头光轴在地面上的投影,视为将无人机质点化后在地面上的投影,无人机位置计算单元输出的实时空间位置信息即在地理坐标系下的实时坐标值。
2.一种无人机精准定位方法,其特征在于,采用如权利要求1所述的定位系统对无人机进行空间定位工作,包括以下步骤:
S1:获取无人机在飞行过程中实时拍摄的包含标志形状的深度图像;
S2:获取无人机在飞行过程中实时的高度值,该高度值即无人机距离地面的高度值,地面即标志形状所在面;
S3:对深度图像获取模块获取的深度图像进行降噪处理;
S4:对经过预处理的灰度图像中的标志形状进行识别,获取标志形状在深度图像中的像素位置信息,进而获得当前深度图像中标志形状在地理坐标系中上的实际位置信息,并将实际位置信息传输至综合处理模块中进行处理;
S5:根据获取的无人机在飞行过程中实时的高度值、深度图像中地面预设的各标志形状的像素位置信息、深度图像中标志形状在地理坐标系中上的实际位置信息,计算获得无人机的实时空间位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063527.8A CN115790610B (zh) | 2023-02-06 | 2023-02-06 | 一种无人机精准定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063527.8A CN115790610B (zh) | 2023-02-06 | 2023-02-06 | 一种无人机精准定位系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115790610A CN115790610A (zh) | 2023-03-14 |
CN115790610B true CN115790610B (zh) | 2023-04-25 |
Family
ID=85429834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310063527.8A Active CN115790610B (zh) | 2023-02-06 | 2023-02-06 | 一种无人机精准定位系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115790610B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116203526B (zh) * | 2023-05-04 | 2023-07-07 | 中联金冠信息技术(北京)有限公司 | 一种用于无人机飞行器的目标识别系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373135B (zh) * | 2014-08-01 | 2019-01-01 | 深圳中集天达空港设备有限公司 | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 |
CN104713548A (zh) * | 2015-03-30 | 2015-06-17 | 成都好飞机器人科技有限公司 | 一种飞行器自动定位方法 |
CN107450590A (zh) * | 2017-08-07 | 2017-12-08 | 深圳市科卫泰实业发展有限公司 | 一种无人机辅助降落方法 |
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 |
CN112215860A (zh) * | 2020-09-23 | 2021-01-12 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的无人机定位方法 |
CN113850126A (zh) * | 2021-08-20 | 2021-12-28 | 武汉卓目科技有限公司 | 一种基于无人机的目标检测和三维定位方法和系统 |
-
2023
- 2023-02-06 CN CN202310063527.8A patent/CN115790610B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115790610A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111326023B (zh) | 一种无人机航线预警方法、装置、设备及存储介质 | |
CN109324337B (zh) | 无人飞行器的航线生成及定位方法、装置及无人飞行器 | |
AU2018388887B2 (en) | Image based localization for unmanned aerial vehicles, and associated systems and methods | |
US11527084B2 (en) | Method and system for generating a bird's eye view bounding box associated with an object | |
CN103822635A (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
CN115790610B (zh) | 一种无人机精准定位系统及方法 | |
CN109282813B (zh) | 一种无人艇全局障碍物识别的方法 | |
Domozi et al. | Real time object detection for aerial search and rescue missions for missing persons | |
CN210377164U (zh) | 一种空地协同作业系统 | |
CN113378701B (zh) | 一种基于无人机的地面多agv状态监测方法 | |
Dergachov et al. | The Algorithm of UAV Automatic Landing System Using Computer Vision | |
CN111447038A (zh) | 一种基于大数据的无人机防御系统 | |
Laurito et al. | Airborne localisation of small UAS using visual detection: A field experiment | |
CN111402324A (zh) | 一种目标测量方法、电子设备以及计算机存储介质 | |
EP3989034B1 (en) | Automatic safe-landing-site selection for unmanned aerial systems | |
CN115562335A (zh) | 基于3d地图的无人驾驶航空器飞行控制方法、系统和介质 | |
CN112050830B (zh) | 一种运动状态估计方法及装置 | |
Grelsson | Vision-based localization and attitude estimation methods in natural environments | |
US20240053487A1 (en) | Systems and methods for transforming autonomous aerial vehicle sensor data between platforms | |
CN116203526B (zh) | 一种用于无人机飞行器的目标识别系统及方法 | |
CN116817892B (zh) | 基于视觉语义地图的云端一体无人机航线定位方法及系统 | |
SE2251016A1 (en) | Method and arrangement for determining a pose of an aerial vehicle | |
WO2023026284A1 (en) | Autonomous uas data acquisition with context awareness | |
CN114611262A (zh) | 无人机巡查视频中目标的地理坐标的建模与计算的方法 |
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 |