CN116430879A - 基于合作目标的无人机精准引导降落方法及系统 - Google Patents
基于合作目标的无人机精准引导降落方法及系统 Download PDFInfo
- Publication number
- CN116430879A CN116430879A CN202310381548.4A CN202310381548A CN116430879A CN 116430879 A CN116430879 A CN 116430879A CN 202310381548 A CN202310381548 A CN 202310381548A CN 116430879 A CN116430879 A CN 116430879A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- landing
- image
- mark
- 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.)
- Pending
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及无人机技术领域,提供了一种基于合作目标的无人机精准引导降落方法及系统,该系统包括多层嵌套编码标识的降落标识装置、视觉采集模块、视觉处理模块及飞控计算机。该方法包括:S1、无人机降落场地设置降落标识装置,降落标识装置上设置多层嵌套编码标识;S2、无人机在抵近无人机场地过程中,依次识别出从最外层到最内层的编码标识,对无人机进行视觉位置姿态解算,并对定位数据进行置信度检验,并根据置信度检验后的定位数据引导无人机精准降落。本发明大大拓展无人机应用场景和领域,提高无人机的环境适应能力;提高无人机起降的导航精度,减小无人机起降对场地环境的要求,尤其适合在卫星定位不理想的偏远边防地区和电磁环境复杂的城市地区。
Description
技术领域
本发明涉及无人机技术领域,特别涉及一种基于合作目标的无人机精准引导降落方法及系统。
背景技术
无人机起降是无人机执行飞行任务的基本环节和必要功能,对导航与控制精度有更高的要求,无人机视觉引导降落技术能够降低无人机起飞降落对场地的要求,能够辅助无人机实现在卫星定位精度差、卫星定位受到干扰、磁场受到干扰等环境下的自主起飞和降落,保障无人机的起飞降落飞行安全。
为提高无人机视觉定位的准确度,现有技术会在降落场地摆放多块编码标识,无人机上的视觉定位处理模块会对图像中的多个编码标志逐个解析处理,得到降落场地相对于相机的位置坐标,无人机按照这个相对位置坐标实现引导降落飞行。为提高降落场地位置坐标解析的准确度,现有技术需要在降落场地摆放尽可能多的编码标识,这样会增加无人机上视觉处理设备的运算压力,造成视觉定位设备输出的定位数据实时性差,有效准率低的问题。
现有技术存在视觉定位输出数据实时性差和帧率低的问题,及视觉定位准确率较低的问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有的存在的问题,提出了本发明一种基于合作目标的无人机精准引导降落方法及系统,提高了视觉定位数据的实时性和准确性,使得降落场地摆放较少的编码标识(合作目标),就可解算得到准确率较高的定位信息,提高了无人机视觉引导飞行的安全。
本发明采用如下技术方案:
一方面,本发明提供了一种基于合作目标的无人机精准引导降落方法,包括:
S1、无人机降落场地设置降落标识装置(例如可以为降落毯),降落标识装置上设置有多层嵌套的编码标识,每层编码标识均具有相同的正方向,具有统一的直角坐标系统和坐标原点;
S2、无人机从高空抵近无人机降落场地的过程中,首先对最外层的编码标识进行识别和定位,并对无人机相对于降落标识装置的位置姿态进行解算,无人机按照识别解算得到的位置姿态数据引导降落飞行;在降落过程中,无人机依次对较内层的编码标识进行识别和定位,并重新对无人机相对于降落标识装置的位置姿态进行解算,引导无人机更精确的降落到降落标识装置上;
在编码标识定位和无人机位置姿态解算过程中,对无人机的位置姿态数据进行置信度检验,并根据置信度检验后的位置姿态数据引导无人机降落。
如上所述的任一可能的实现方式,进一步提供一种实现方式,步骤S1中,所述编码标识采用三层到五层嵌套标识,每层编码标识采用四个相同尺寸的编码标识图像作为视觉引导定位的图形数据;最外层标识图像尺寸实现无人机高度在30米以上清晰成像,图像畸变程度在设定阈值内;最内层编码标识图像尺寸实现无人机高度在0.5米以内相机具有同样的成像效果。
如上所述的任一可能的实现方式,进一步提供一种实现方式,步骤S2中,对同时识别出的同一层的编码标识,采用并行处理线程实现对单个编码标识图像信息处理,具体包括:
S2.1从相机拍摄的编码标识图像中识别出编码标识,并得到编码标识的识别像素坐标;
S2.2根据降落标识装置上已知的相对于降落标识装置中心的编码标识角点坐标值,计算降落标识装置中心相对于相机中心的旋转矩阵和平移矩阵;
S2.3根据步骤S2.2得到的所述旋转矩阵和平移矩阵以及降落标识装置中心坐标系下编码标识中心的坐标值,得到编码标识在图像中的计算像素坐标;将所述计算像素坐标与步骤S2.1得到的所述识别像素坐标作差,得到像素差;所述像素差超出设定阈值时舍弃相应无人机位置姿态数据,并完成无人机位置姿态数据的准确度检查;
S2.4根据编码标识的图像质量、位置姿态数据的准确度及时间序列上编码标识的变化情况计算出无人机位置姿态数据的置信度值;
S2.5将各线程输出的无人机位置姿态数据加权融合置信度参数,计算出精确的无人机位置姿态数据。
如上所述的任一可能的实现方式,进一步提供一种实现方式,步骤S2.3中,在位置姿态数据准确度检查中,对计算得到的编码标识在相机坐标系下的位置和相机姿态角度、相机校准参数、及降落标识装置坐标系下编码标识的位置三类数据进行融合处理,计算出降落标识装置上编码标识在相机图像中的计算像素坐标。
如上所述的任一可能的实现方式,进一步提供一种实现方式,步骤S2.4中,编码标识的图像的灰度直方图分布及图像畸变情况用于衡量编码标识图像质量;设定时间内编码标识位置变化量是否超过设定阈值作为时间序列上编码标识的变化情况的度量。
如上所述的任一可能的实现方式,进一步提供一种实现方式,步骤S2.4中,所述置信度值的计算方法为:
W=(a*Qn+b*Rateacc)*J;
其中:W为置信度值;Qn为图像质量参数;Rateacc为位姿数据准确度参数;J为编码标识定位的跳变情况的度量参数;a和b为权重参数。
另一方面,本发明还提供了一种基于合作目标的无人机精准引导降落系统,包括设置有多层嵌套编码标识的降落标识装置、视觉采集模块、视觉处理模块及飞控计算机;
所述多层嵌套编码标识,每层编码标识采用四个相同尺寸的编码标识图像作为视觉引导定位的图形数据;最外层标识图像尺寸实现无人机在30米以上成像清晰,图像畸变在设定阈值内;最内层编码标识图像尺寸实现无人机在0.5米以内相机同样的成像效果;
所述视觉采集模块,设置于无人机上,用于采集所述多层嵌套编码标识中每层编码标识的图像数据,并将图像数据传输给所述视觉处理模块;
所述视觉处理模块,用于接收所述视觉采集模块所采集的编码标识的图像数据,实时解算无人机与标识图像之间的相对位姿信息,并对相对位姿信息进行准确度检查和置信度计算,并将准确度检查和置信度计算后的结果反馈给所述飞控计算机;
所述飞控计算机,与所述视觉处理模块进行信息交互,根据所述视觉处理模块所提供的信息引导无人机精确降落。
如上所述的任一可能的实现方式,进一步提供一种实现方式,所述视觉采集模块为定焦可见光相机,例如可选用6mm焦距镜头。
如上所述的任一可能的实现方式,进一步提供一种实现方式,所述视觉采集模块采集设定帧率和设定分辨率的RGB图像数据,通过图像传输线缆(如MIPI线)将输出传输到视觉处理模块上,视觉处理模块负责对图像数据滤波,灰度转换,边缘检测,聚类处理、二维码解码以及位移矩阵的回调检测,并将解算的相对定位数据与惯导进行融合处理,将融合后的定位数据和置信度值通过输出传输线缆(如串口线)发送到飞控计算机。
如上所述的任一可能的实现方式,进一步提供一种实现方式,所述视觉采集模块采集图像的帧率为1~60fps,分辨率例如可选择2560*1920。
本发明的有益效果为:
本发明将会大大拓展无人机应用场景和领域,提高无人机的环境适应能力和市场价值。基于合作目标的无人机精准引导降落技术可以提高无人机起飞和降落的导航精度,减小无人机起降对场地定位环境的要求,尤其适合在卫星定位不理想的偏远边防地区和电磁环境复杂的城市地区开展无人机应用。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明实施例一种基于合作目标的无人机精准引导降落系统的结构示意图。
图2为本发明实施例中视觉定位的流程示意图。
图3所示为实施例中并行处理线程工作流程图。
图4所示为实施例中选用的一种多层嵌套编码标识示例。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
如图1所示,本发明实施例一种基于合作目标的无人机精准引导降落系统,包括设置有多层嵌套编码标识的降落标识装置、视觉采集模块、视觉处理模块及飞控计算机;
所述多层嵌套的编码标识,每层编码标识采用四个相同尺寸的编码标识图像作为视觉引导定位的图形数据;最外层标识图像尺寸实现无人机在30米以上成像清晰,无严重畸变;最内层编码标识图像尺寸实现无人机在0.5米以内相机同样的成像效果;
所述视觉采集模块,设置于无人机上,用于采集所述多层嵌套的编码标识中每层编码标识的图像数据,并将图像数据传输给所述视觉处理模块;
所述视觉处理模块,用于接收所述视觉采集模块所采集的编码标识的图像数据,实时解算无人机与标识图像之间的相对位姿信息,并对相对位姿信息进行准确度检查和置信度计算,并将准确度检查和置信度计算后的结果反馈给所述飞控计算机;
所述飞控计算机,与所述视觉处理模块进行信息交互,根据所述视觉处理模块所提供的信息引导无人机精确降落。
视觉采集模块和视觉处理模块组成无人机视觉定位系统。视觉采集模块可以采集设定帧率(如1~60fps)和设定分辨率(如2560*1920)的RGB图像数据,通过图像传输线缆(如MIPI线)将输出传输到视觉处理模块上,视觉处理模块负责对图像数据滤波,灰度转换,边缘检测,聚类处理、二维码解码以及位移矩阵的回调检测等,并将解算的相对定位数据与惯导进行融合处理,将融合后的定位数据和置信度通过输出传输线缆(如串口线)发送到飞控计算机,完成对无人机的辅助定位功能。
在一个具体实施例中,多层嵌套的编码标识如图4所示,也可采用其他不同图案,不同排列方式的编码标识,图4仅做示例说明。
在一个具体实施例中,视觉传导模块为定焦可见光相机,镜头可选用6mm焦距镜头,用于实时采集地面固定标志物图像信息,并回传到视觉处理模块。
如图2、图3所示,本发明实施例一种基于合作目标的无人机精准引导降落方法,包括:
S1、无人机降落场地设置降落标识装置,降落标识装置上设置有多层嵌套的编码标识,每层编码标识均具有相同的正方向,具有统一的直角坐标系统和坐标原点;
S2、无人机从高空抵近无人机降落场地的过程中,首先对最外层的编码标识进行识别和定位,并对无人机相对于降落标识装置的位置姿态进行解算,无人机按照识别解算得到的位置姿态数据引导降落飞行;在降落过程中,无人机依次对较内层的编码标识进行识别和定位,并重新对无人机相对于降落标识装置的位置姿态进行解算,引导无人机更精确的降落到降落标识装置上;
在编码标识定位和无人机位置姿态解算过程中,对无人机的位置姿态数据进行置信度检验,并根据置信度检验后的位置姿态数据引导无人机降落。
在一个具体实施例中,步骤S1中,所述编码标识采用三层到五层嵌套标识,每层编码标识采用四个相同尺寸的编码标识图像作为视觉引导定位的图形数据(编码可以为二维码);最外层标识图像尺寸实现无人机在30米以上成像清晰,无严重畸变;最内层编码标识图像尺寸实现无人机在0.5米内相机同样的成像效果。
例如,如采用三层编码标识时,无人机从高空、低空及抵近飞行时,能分别准确视觉识别外层、中层和内层的编码标识。
现有技术为了提高位置估计的准确度,会一次识别很多编码标识,本发明在保证不同飞行高度上可以识别不同嵌套层的标识图像,都可保证准确定位的效果,通过使用嵌套编码标识的降落标识装置减少了同一高度上标识的识别数目,从而减少了图像运算的计算量。
在一个具体实施例中,步骤S2中,对同时识别出的同一层的编码标识,采用并行处理线程实现对单个编码标识图像信息处理,具体包括:
S2.1从相机拍摄的编码标识图像中识别出编码标识,并得到编码标识的识别像素坐标;
S2.2根据降落标识装置上已知的相对于降落标识装置中心的编码标识角点坐标值,计算降落标识装置中心相对于相机中心的旋转矩阵和平移矩阵;
S2.3根据步骤S2.2得到的所述旋转矩阵和平移矩阵以及降落标识装置中心坐标系下编码标识中心的坐标值,得到编码标识在图像中的计算像素坐标;将所述计算像素坐标与步骤S2.1得到的所述识别像素坐标作差,得到像素差;所述像素差超出设定阈值时舍弃相应无人机位置姿态数据,并完成无人机位置姿态数据的准确度检查;
S2.4根据编码标识的图像质量、位置姿态数据的准确度及时间序列上编码标识的变化情况计算出无人机位置姿态数据的置信度值;
S2.5将各线程输出的无人机位置姿态数据加权融合置信度参数,计算出精确的无人机位置姿态数据。
在一个具体实施例中,步骤S2.3中,在位姿数据准确度检查中,对计算得到的编码标识在相机坐标系下的位置和相机姿态角度、相机校准参数、及降落标识装置坐标系下编码标识的位置三类数据进行融合处理,计算出降落标识装置上编码标识在相机图像中的像素坐标。
使用编码标识在相机坐标系下的位置和相机姿态角度、相机校准参数及降落标识装置坐标系下编码标识的位置,三类数据进行融合处理,实现原理如下:
Ppixel=Mcam*(R3*3*Pw+T3*1)
其中,Ppixel为像素坐标值[Px Py 1]T;Mcam为相机内参矩阵;R3*3为计算得来的降落标识装置相对于相机的旋转矩阵;T3*1为计算得来的降落标识装置相对于相机的平移矩阵;Pw为降落标识装置中心坐标系下的编码标识的角点或中心点坐标。
由于降落标识装置上的编码标识的角点或中心点相对于降落标识装置中心的坐标值是已知的,也就是Pw已知,经过上述计算可以得出:使用当前估计的旋转矩阵R3*3和平移矩阵T3*1计算出来的像素坐标Ppixel。这个像素Ppixel与对图像进行识别得到的像素坐标Prec_pixel之间的像素差errpixel=(errx erry 1),并用这个像素差计算位姿数据准确度参数Rateacc=errpixel/ThPIXmax,其中ThPIXmax为所允许的最大像素差阈值,此阈值的设置可以根据相机的最大分辨率和飞机实际飞行情况调整,如ThPIXmax=10,Rateacc取值范围(0~1.0)。
在一个具体实施例中,步骤S2.4中,编码标识的图像的灰度直方图分布及图像畸变情况用于衡量编码标识图像质量;设定时间内编码标识位置变化量是否超过设定阈值作为时间序列上编码标识的变化情况的度量。
降落标识装置上编码标识图像质量可通过两种图像评估方法进行加权计算得来,一种是通过对标识图像灰度化后构建灰度直方图,对直方图的分布进行评估得来。例如,计算像素灰度平均值Bav以及统计灰度直方图中“小于255*a%灰度的像素数目占比A”和“大于255*b%灰度的像素数目占比B”(a<b),进行图像亮度评估计算,得出标识图像亮度参数G。例如:A>30%、B<20%且Bav<100,则认为图像过暗;A<30%、B>20%且Bav>150,则认为图像过亮;A<30%、B<20%且Bav∈(100,150),则认为图像亮度合适。过亮或者过暗图像亮度参数G都会较小,只有A、B和Bav在合适区间内G的值才会接近于1,G取值0到1.0。
另一种是标识图像畸变情况评估。提前测量降落标识装置上各编码标识的实际长宽比例Ran,计算识别到的编码标识目标的长宽比例ran。备注:如果使用其他图像可以使用相同的方法,如圆形合作标识可以通过圆心到圆弧的最长轴和最短轴比例关系计算Ran和ran。
计算降落标识装置上编码标识的图像畸变值En:
En=1-|ran-Ran|/Ran
标识图像的畸变越严重则En越小;
降落标识装置图像质量参数Qn=α*Gn+β*En。其中权重因数α和β根据实际情况进行调整。
记录一段时间T内每个编码标识计算出的相对位置数据[Tx1~N Ty1~N Tz1~N]n其中n是编码标识编号,1~N为T时间序列内的各个数据编号。
实时判断新计算降落标识装置中心与相机中心的相对位置数据Tx0、Ty0、Tz0与前一次计算的Tx1、Ty1、Tz1的差值eTx0、eTy0、eTz0是否都小于阈值参数Tthx、Tthy、Tthz。
如果是,则认为计算的Tx0、Ty0、Tz0数据没有出现较大跳变,并且将此数据更新到时间序列[Tx1~N Ty1~N Tz1~N]n中,判定编码标识定位的跳变情况的度量参数J=1。
如果否,判定新计算的Tx0、Ty0、Tz0数据异常,数据不可用,也就是定位数据置信度值为0,并且此异常值不保存到时间序列[Tx0~N Ty0~N Tz0~N]中,,判定编码标识定位的跳变情况的度量参数J=0。下次新计算的定位数据Tx0、Ty0、Tz0与Tx1、Ty1、Tz1的判断阈值变为eTx0*2、eTy0*2、eTz0*2,如果再次判定数据跳变异常则按照判断次数增大阈值eTx0*m、eTy0*m、eTz0*m,其中m为判断次数。
现有无人机降落技术采用卫星和惯性导航数据组合定位的方式,提前预设无人机降落点的经纬度,无人机降落过程中控制无人机的经纬位置接近降落点的经纬位置。本实施例采用视觉定位和惯性导航数据融合定位的方式,采用卡尔曼滤波算法将视觉定位数据与惯性导航数据进行融合。
无人机当前经纬度与降落点经纬度做差,可以计算出无人机与降落点的相对位置[dtx dty dtz]。由于卫星定位干扰或者卫星信号遮挡等原因,造成这个相对位置存在偏差。视觉相对定位数据与惯性导航数据融合定位的方式可以较好的弥补这个不足。
通过前述参数可以计算出视觉相对定位置信度参数:
W=(a*Qn+b*Rateacc)*J
其中的权重参数a和b可以根据实际情况进行调整,如a=0.5,b=0.5;Qn为降落标识装置图像质量参数;Rateacc为位姿数据准确度参数;J为编码标识定位的跳变情况的度量参数。
本发明视觉相对定位和惯性导航数据融合定位的创新点是使用了置信度参数W,用于调节视觉引导降落定位数据结果中视觉相对定位数据和惯性导航定位数据的权重。
视觉引导降落定位数据:
Pxyz=W*[Tx Ty Tz]+(1-W)*[INPx INPy INPz]。
其中,[VLx VLy VLz]为视觉相对定位;[INPx INPy INPz]为惯性导航定位数据。通过视觉相对定位数据和惯性导航定位数据加权计算的方式可以提高定位数据的准确性和设备工作的稳定性。
在大地坐标系下,降落标识装置相对于无人机的位置数据:Pexyz=C3*3*Pxyz+P_instxyz。其中C3*3为无人机机体坐标系到大地坐标系的旋转矩阵,P_instxyz为相机镜头相对于无人机中心的安装误差。降落标识装置相对于无人机的大地坐标系下位置Pexyz为视觉定位设备最终发送给飞控计算机的无人机的引导降落飞行数据。
本发明工作原理如下:
并行处理线程实现对单个编码标识图像信息的处理,包括:计算标识的像素坐标,计算编码标识在相机坐标系下的位置坐标和相机相对降落标识装置的俯仰、滚转和航向角度,并完成对位置和姿态数据的准确度检查,并根据编码标识的图像质量、位姿数据的准确度以及时间序列上编码标识的变化情况计算视觉定位数据的置信度值,并将置信度值和经过校准的编码标识位置坐标、姿态角度等信息打包整合。把各线程输出的定位和姿态信息加权融合置信度参数,计算降落标识装置的位置姿态数据。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,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精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于合作目标的无人机精准引导降落方法,其特征在于,所述方法包括:
S1、无人机降落场地设置降落标识装置,降落标识装置上设置有多层嵌套的编码标识,每层编码标识均具有相同的正方向,具有统一的直角坐标系统和坐标原点;
S2、无人机从高空抵近无人机降落场地的过程中,首先对最外层的编码标识进行识别和定位,并对无人机相对于降落标识装置的位置姿态进行解算,无人机按照识别解算得到的位置姿态数据引导降落飞行;在降落过程中,无人机依次对较内层的编码标识进行识别和定位,并重新对无人机相对于降落标识装置的位置姿态进行解算,引导无人机更精确的降落到降落标识装置上;
在编码标识定位和无人机位置姿态解算过程中,对无人机的位置姿态数据进行置信度检验,并根据置信度检验后的位置姿态数据引导无人机降落。
2.如权利要求1所述的基于合作目标的无人机精准引导降落方法,其特征在于,步骤S1中,所述编码标识采用三层到五层嵌套标识,每层编码标识采用四个相同尺寸的编码标识图像作为视觉引导定位的图形数据;最外层标识图像尺寸实现无人机高度在30米以上拍摄时清晰成像,图像畸变程度在设定阈值内;最内层编码标识图像尺寸实现无人机高度在0.5米以内相机具有同样的成像效果。
3.如权利要求1所述的基于合作目标的无人机精准引导降落方法,其特征在于,步骤S2中,对同时识别出的同一层的编码标识,采用并行处理线程实现对单个编码标识图像信息处理,具体包括:
S2.1从相机拍摄的编码标识图像中识别出编码标识,并得到编码标识的识别像素坐标;
S2.2根据降落标识装置上已知的相对于降落标识装置中心的编码标识角点坐标值,计算降落标识装置中心相对于相机中心的旋转矩阵和平移矩阵;
S2.3根据步骤S2.2得到的所述旋转矩阵和平移矩阵以及降落标识装置中心坐标系下编码标识中心的坐标值,得到编码标识在图像中的计算像素坐标;将所述计算像素坐标与步骤S2.1得到的所述识别像素坐标作差,得到像素差;所述像素差超出设定阈值时舍弃相应无人机位置姿态数据,并完成无人机位置姿态数据的准确度检查;
S2.4根据编码标识的图像质量、位置姿态数据的准确度及时间序列上编码标识的变化情况计算出无人机位置姿态数据的置信度值;
S2.5将各线程输出的无人机位置姿态数据加权融合置信度参数,计算出精确的无人机位置姿态数据。
4.如权利要求3所述的基于合作目标的无人机精准引导降落方法,其特征在于,步骤S2.3中,在位置姿态数据准确度检查中,对计算得到的编码标识在相机坐标系下的位置和相机姿态角度、相机校准参数、及降落标识装置坐标系下编码标识的位置三类数据进行融合处理,计算出降落标识装置上编码标识在相机图像中的计算像素坐标。
5.如权利要求3所述的基于合作目标的无人机精准引导降落方法,其特征在于,步骤S2.4中,编码标识的图像的灰度直方图分布及图像畸变情况用于衡量编码标识图像质量;设定时间内编码标识位置变化量是否超过设定阈值作为时间序列上编码标识的变化情况的度量。
6.如权利要求3所述的基于合作目标的无人机精准引导降落方法,其特征在于,步骤S2.4中,所述置信度值的计算方法为:
W=(a*Qn+b*Rateacc)*J;
其中:W为置信度值;Qn为图像质量参数;Rateacc为位姿数据准确度参数;J为编码标识定位的跳变情况的度量参数;a和b为权重参数。
7.一种基于合作目标的无人机精准引导降落系统,用于实现如权利要求1-6任一项所述的方法,其特征在于,所述系统包括设置有多层嵌套编码标识的降落标识装置、视觉采集模块、视觉处理模块及飞控计算机;
所述多层嵌套编码标识,每层编码标识采用四个相同尺寸的编码标识图像作为视觉引导定位的图形数据;最外层标识图像尺寸实现无人机在30米以上成像清晰,图像畸变在设定阈值内;最内层编码标识图像尺寸实现无人机在0.5米以内相机同样的成像效果;
所述视觉采集模块,设置于无人机上,用于采集所述多层嵌套编码标识中每层编码标识的图像数据,并将图像数据传输给所述视觉处理模块;
所述视觉处理模块,用于接收所述视觉采集模块所采集的编码标识的图像数据,实时解算无人机与标识图像之间的相对位姿信息,并对相对位姿信息进行准确度检查和置信度计算,并将准确度检查和置信度计算后的结果反馈给所述飞控计算机;
所述飞控计算机,与所述视觉处理模块进行信息交互,根据所述视觉处理模块所提供的信息引导无人机精确降落。
8.如权利要求7所述的基于合作目标的无人机精准引导降落系统,其特征在于,所述视觉采集模块为定焦可见光相机。
9.如权利要求7所述的基于合作目标的无人机精准引导降落系统,其特征在于,所述视觉采集模块采集设定帧率和设定分辨率的RGB图像数据,通过图像传输线缆将输出传输到视觉处理模块上,视觉处理模块负责对图像数据滤波,灰度转换,边缘检测,聚类处理、二维码解码以及位移矩阵的回调检测,并将解算的相对定位数据与惯导进行融合处理,将融合后的定位数据和置信度值通过输出传输线缆发送到飞控计算机。
10.如权利要求8所述的基于合作目标的无人机精准引导降落系统,其特征在于,所述视觉采集模块采集图像的帧率为1~60fps。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310381548.4A CN116430879A (zh) | 2023-04-11 | 2023-04-11 | 基于合作目标的无人机精准引导降落方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310381548.4A CN116430879A (zh) | 2023-04-11 | 2023-04-11 | 基于合作目标的无人机精准引导降落方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116430879A true CN116430879A (zh) | 2023-07-14 |
Family
ID=87080967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310381548.4A Pending CN116430879A (zh) | 2023-04-11 | 2023-04-11 | 基于合作目标的无人机精准引导降落方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116430879A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116700354A (zh) * | 2023-08-01 | 2023-09-05 | 众芯汉创(江苏)科技有限公司 | 一种基于可见光数据的空间位置校核判定方法 |
-
2023
- 2023-04-11 CN CN202310381548.4A patent/CN116430879A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116700354A (zh) * | 2023-08-01 | 2023-09-05 | 众芯汉创(江苏)科技有限公司 | 一种基于可见光数据的空间位置校核判定方法 |
CN116700354B (zh) * | 2023-08-01 | 2023-10-17 | 众芯汉创(江苏)科技有限公司 | 一种基于可见光数据的空间位置校核判定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110926474B (zh) | 卫星/视觉/激光组合的城市峡谷环境uav定位导航方法 | |
CN111326023B (zh) | 一种无人机航线预警方法、装置、设备及存储介质 | |
CN109167956B (zh) | 全桥面移动荷载空间分布监测系统 | |
CN105335733B (zh) | 一种无人机自主着陆视觉定位方法及系统 | |
CN104215239B (zh) | 基于视觉的无人机自主着陆导引装置实现的导引方法 | |
CN104197928B (zh) | 多摄像机协同的无人机检测、定位及跟踪方法 | |
CN107121125B (zh) | 一种通讯基站天线位姿自动检测装置与方法 | |
CN109931939A (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
CN106019264A (zh) | 一种基于双目视觉的无人机危险车距识别系统及方法 | |
US20220327737A1 (en) | Determining position using computer vision, lidar, and trilateration | |
CN110470226A (zh) | 一种基于无人机系统的桥梁结构位移测量方法 | |
CN113627473A (zh) | 基于多模态传感器的水面无人艇环境信息融合感知方法 | |
CN116430879A (zh) | 基于合作目标的无人机精准引导降落方法及系统 | |
CN114413958A (zh) | 无人物流车的单目视觉测距测速方法 | |
CN114820793A (zh) | 基于无人机的目标检测及目标点定位方法及系统 | |
CN108416091A (zh) | 一种简易的相机地面分辨率与无人机飞行高度关系的测量方法 | |
CN116447979A (zh) | 一种基于无人机的双目视觉边坡位移监测方法及装置 | |
CN110989645B (zh) | 一种基于复眼成像原理的目标空间姿态处理方法 | |
CN112525161A (zh) | 一种旋转轴标定方法 | |
CN116343534A (zh) | 一种飞机泊位引导系统和方法 | |
CN113436276B (zh) | 基于视觉相对定位的多无人机编队方法 | |
CN114049580A (zh) | 一种机坪航空器定位系统 | |
CN114910085A (zh) | 一种基于路政设施识别的车辆融合定位方法及装置 | |
CN112598749A (zh) | 大场景非共同视野多相机标定方法 | |
CN117409340B (zh) | 无人机集群多视角融合航拍港口监控方法、系统、介质 |
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 |