一种基于视觉定位降落末端的无人机降落方法技术

本发明专利技术公开了一种基于视觉定位降落末端的无人机降落方法，该方法中用到的无人机机场是由多个停机位Marker组成，无人机通过视觉模块获取视觉范围中的Marker并校验在视觉范围内的每个Marker的ID，从而估计自身位置精确着落。本发明专利技术提供的无人机机场可为多个不同的无人机提供降落服务，也可在车顶、阳台灯各类小型平台提供单机停靠平台，统一的框架可低成本地实现在整个无人机调度中全自主飞行降落，具有很好的推广前景。

【技术实现步骤摘要】

本专利技术涉及无人机控制
，具体涉及一种基于视觉定位降落末端的无人机降落方法。
技术介绍
近几年，微型无人机由于其体积小、重量轻、隐蔽性好等特点被广泛应用于摄像、监控、侦查、追踪、测绘等各个领域，并开启了无人机技术爆炸的时代。而动态追踪拍摄时微小平台(如汽车顶)回收拍摄装备、快递行业定点投送物品等民用无人机使用的新需求，都对微型无人机的自动降落技术提出了新挑战。2016年国际消费类电子产品展览会(International Consumer Electronics Show，简称CES)上，大疆、零度、亿航等知名无人机公司展出的新型无人机都将无人机自动降落作为必备技能，其中Parrot公司推出的新型无人机Disco提出“一键回家”的超简化无人机自动降落操作更是吸睛无数。由于GPS的精度等级仍无法满足无人机高精度降落的要求，通过设计具有标志性特征的降落场地来达到精确降落的潮流越来越明显。开源飞控PixHawk展示了一种基于红外降落标志物，无人机可通过搭载相应的红外摄像降落模块引导自身进行厘米级别的精确降落。亚马逊也展示了其利用标志性降落板给用户无人机送货上门的方案。但以上降落场地往往只为一架飞机设计，无法同时降落多架飞机，而且无人机只有到达降落场地上方很小的范围内时才能对自身进行相对定位。
技术实现思路
针对上述现有技术中存在的问题，本专利技术的目的在于，提供一种基于视觉定位降落末端的无人机降落方法，利用无人机上的机载相机对拍摄到的机场图像进行处理，拟采用多个、多层次带有ID标识的识别物，建立了一个可容纳成百上千无人机降落需求的大型无人机机场，同时本方法成本极低，适用于单个、多个无人机降落使用。为了实现上述任务，本专利技术采用以下技术方案：一种基于视觉定位降落末端的无人机降落方法，包括以下步骤：步骤一，建立无人机机场步骤S10，设置停机位Marker，停机位Marker的设计规则是：停机位Marker均是由N*N个方格区域构成的正方形结构；在每一个停机位Marker中，最外圈的方格区域内至少2/3填充为黑色，其余的方格区域为黑色或白色；步骤S11，在停机位Marker内设置嵌套Marker，嵌套Marker与停机位Marker的设计规则相同，不同的是嵌套Marker的规格较Marker小，并且嵌套Marker有多种规格，分布在停机位Marker的内部；步骤S12，建立无人机机场，机场是由N*N个方格区域构成的正方形结构，机场的最外圈方格区域均为黑色，而其余区域均为白色；在机场的白色区域内有序或无序地分布有多个所述的停机位Marker，停机位Marker之间不重叠；步骤二，无人机的降落过程步骤S20，无人机接收到降落指令，降落指令包含所有无人机机场的GPS位置信息、每个无人机机场内停机位Marker的位置信息、无人机所需要降落的无人机机场ID、无人机所需要降落的停机位Marker的ID；步骤S21，利用无人机机场的GPS位置信息将无人机引导至机场上方，待无人机到达机场上方后，以固定的速率边下降边采集机场的图像，并对采集到的每一帧图像进行步骤S210至S213的处理：步骤S210，边缘检测和轮廓提取将采集的图像转化为灰度图，利用Canny算子得到二值化的边缘分布图，利用腐蚀、膨胀算法进行噪点滤除，然后提取图像的轮廓信息，轮廓信息包含机场内所有停机位Marker以及机场的轮廓；步骤S211，筛选无人机机场在轮廓信息中滤除以下两类轮廓：第一类：面积小于2/3无人机机场面积的轮廓；第二类：内部无子轮廓的轮廓；滤除以上两类轮廓后，选取外部为凸四边形的无人机机场作为候选机场；步骤S212，将候选机场映射到方形区域中，利用k-means算法将候选机场的像素分为黑白两类，从而得到候选机场的二值化图像；利用二值化图像进行编码，得到一个N*N的二值矩阵，对于二值矩阵，首先判断二值矩阵的最外圈是否为全零，如果非全零则丢弃；然后将二值矩阵除了最外圈的二进制编码转换为无符号整型；步骤S213，根据每一个候选机场的无符号整型进行码值计算，得到每一个候选机场的ID，将候选机场的ID与无人机接收到的降落指令中需要降落的无人机机场ID进行匹配，选择ID匹配成功的候选机场作为待降落机场；步骤S22，待降落机场找到后，停止对无人机采集到的图像进行步骤S210至S213的处理，此时无人机飞行至待降落机场的上方；步骤S23，无人机到达待降落机场上方后，以固定的速率边下降边采集待降落机场的图像，并对采集到的每一帧图像进行以下处理：步骤S230，将采集的图像转化为灰度图，利用Canny算子得到二值化的边缘分布图，利用腐蚀、膨胀算法进行噪点滤除，然后提取图像的轮廓信息；步骤S231，筛选停机位Marker在轮廓信息中滤除以下两类轮廓：第一类：面积小于2/3停机位Marker的轮廓；第二类：内部无子轮廓的轮廓；滤除以上两类轮廓后，选取外部为凸四边形的停机位Marker作为候选停机位Marker；步骤S232，将候选停机位Marker映射到方形区域中，利用k-means算法将候选停机位Marker的像素分为黑白两类，从而得到候选停机位Marker的二值化图像；利用二值化图像进行编码，得到一个N*N的二值矩阵，对于二值矩阵，首先判断二值矩阵的最外圈是否为全零，如果非全零则丢弃；然后将二值矩阵除了最外圈的二进制编码转换为无符号整型；步骤S233，根据每一个候选停机位Marker的无符号整型进行码值计算，得到每一个候选停机位Marker的ID，将候选停机位Marker的ID与无人机接收到的降落指令中需要降落的候选停机位Marker的ID进行匹配，选择ID匹配成功的候选停机位Marker待降落停机位Marker；步骤S24，无人机根据待降落停机位Marker的位置信息飞行至待降落停机位Marker上方位置后进行降落。进一步地，所述的停机位Marker内还设置有卫星Marker，卫星Marker与停机位Marker的设计规则相同，不同的是卫星Marker的面积小于构成嵌套Marker的方格区域面积的1/3。本专利技术与现有技术相比具有以下技术特点：1.本专利技术提供的降落方法，无人机在降落过程中根据ID值确定停机方位，且保持不变，不受外界因素的影响。2.本专利技术提供的无人机机场，由于每个无人机都能够利用整个机场提供的所有标识信息给自身定位，因此在数米甚至数百米的距离上就能给自身定位，同时小尺度的Marker可为无人机降落末端提供毫米级的定位精度。依靠整个过程的精确定位信息，无人机可高效、安全、高精度地降落到目标停机位；3.本专利技术提供的无人机机场可为多个不同的无人机提供降落服务，统一的框架可低成本地实现在整个无人机调度中全自主飞行降落，具有很好的推广前景。附图说明图1为停机位Marker的结构示意图；图2为无人机降落过程的流程图；图3为一个无人机机场的结构示意图；具体实施方式遵从上述技术方案，如附图所示，本专利技术提供一种基于视觉定位降落末端的无人机降落方法，包括以下步骤：步骤一：建立无人机机场本专利技术的无人机机场是由多个Marker(也可采用其他具有标志性的地标)组成，每个停机位Marker都具有有鲜明的特征，并可通过明暗条纹进行二进制编码，通过解读编码可以获取其ID本文档来自技高网...

【技术保护点】
一种基于视觉定位降落末端的无人机降落方法，其特征在于，包括以下步骤：步骤一，建立无人机机场步骤S10，设置停机位Marker，停机位Marker的设计规则是：停机位Marker均是由N*N个方格区域构成的正方形结构；在每一个停机位Marker中，最外圈的方格区域内至少2/3填充为黑色，其余的方格区域为黑色或白色；步骤S11，在停机位Marker内设置嵌套Marker，嵌套Marker与停机位Marker的设计规则相同，不同的是嵌套Marker的规格较Marker小，并且嵌套Marker有多种规格，分布在停机位Marker的内部；步骤S12，建立无人机机场，机场是由N*N个方格区域构成的正方形结构，机场的最外圈方格区域均为黑色，而其余区域均为白色；在机场的白色区域内有序或无序地分布有多个所述的停机位Marker，停机位Marker之间不重叠；步骤二，无人机的降落过程步骤S20，无人机接收到降落指令，降落指令包含所有无人机机场的GPS位置信息、每个无人机机场内停机位Marker的位置信息、无人机所需要降落的无人机机场ID、无人机所需要降落的停机位Marker的ID；步骤S21，利用无人机机场的GPS位置信息将无人机引导至机场上方，待无人机到达机场上方后，以固定的速率边下降边采集机场的图像，并对采集到的每一帧图像进行步骤S210至S213的处理：步骤S210，边缘检测和轮廓提取将采集的图像转化为灰度图，利用Canny算子得到二值化的边缘分布图，利用腐蚀、膨胀算法进行噪点滤除，然后提取图像的轮廓信息，轮廓信息包含机场内所有停机位Marker以及机场的轮廓；步骤S211，筛选无人机机场在轮廓信息中滤除以下两类轮廓：第一类：面积小于2/3无人机机场面积的轮廓；第二类：内部无子轮廓的轮廓；滤除以上两类轮廓后，选取外部为凸四边形的无人机机场作为候选机场；步骤S212，将候选机场映射到方形区域中，利用k‑means算法将候选机场的像素分为黑白两类，从而得到候选机场的二值化图像；利用二值化图像进行编码，得到一个N*N的二值矩阵，对于二值矩阵，首先判断二值矩阵的最外圈是否为全零，如果非全零则丢弃；然后将二值矩阵除了最外圈的二进制编码转换为无符号整型；步骤S213，根据每一个候选机场的无符号整型进行码值计算，得到每一个候选机场的ID，将候选机场的ID与无人机接收到的降落指令中需要降落的无人机机场ID进行匹配，选择ID匹配成功的候选机场作为待降落机场；步骤S22，待降落机场找到后，停止对无人机采集到的图像进行步骤S210至S213的处理，此时无人机飞行至待降落机场的上方；步骤S23，无人机到达待降落机场上方后，以固定的速率边下降边采集待降落机场的图像，并对采集到的每一帧图像进行以下处理：步骤S230，将采集的图像转化为灰度图，利用Canny算子得到二值化的边缘分布图，利用腐蚀、膨胀算法进行噪点滤除，然后提取图像的轮廓信息；步骤S231，筛选停机位Marker在轮廓信息中滤除以下两类轮廓：第一类：面积小于2/3停机位Marker的轮廓；第二类：内部无子轮廓的轮廓；滤除以上两类轮廓后，选取外部为凸四边形的停机位Marker作为候选停机位Marker；步骤S232，将候选停机位Marker映射到方形区域中，利用k‑means算法将候选停机位Marker的像素分为黑白两类，从而得到候选停机位Marker的二值化图像；利用二值化图像进行编码，得到一个N*N的二值矩阵，对于二值矩阵，首先判断二值矩阵的最外圈是否为全零，如果非全零则丢弃；然后将二值矩阵除了最外圈的二进制编码转换为无符号整型；步骤S233，根据每一个候选停机位Marker的无符号整型进行码值计算，得到每一个候选停机位Marker的ID，将候选停机位Marker的ID与无人机接收到的降落指令中需要降落的候选停机位Marker的ID进行匹配，选择ID匹配成功的候选停机位Marker为待降落停机位Marker；步骤S24，无人机根据待降落停机位Marker的位置信息飞行至待降落停机位Marker上方位置后进行降落。...

【技术特征摘要】
1.一种基于视觉定位降落末端的无人机降落方法，其特征在于，包括以下步骤：步骤一，建立无人机机场步骤S10，设置停机位Marker，停机位Marker的设计规则是：停机位Marker均是由N*N个方格区域构成的正方形结构；在每一个停机位Marker中，最外圈的方格区域内至少2/3填充为黑色，其余的方格区域为黑色或白色；步骤S11，在停机位Marker内设置嵌套Marker，嵌套Marker与停机位Marker的设计规则相同，不同的是嵌套Marker的规格较Marker小，并且嵌套Marker有多种规格，分布在停机位Marker的内部；步骤S12，建立无人机机场，机场是由N*N个方格区域构成的正方形结构，机场的最外圈方格区域均为黑色，而其余区域均为白色；在机场的白色区域内有序或无序地分布有多个所述的停机位Marker，停机位Marker之间不重叠；步骤二，无人机的降落过程步骤S20，无人机接收到降落指令，降落指令包含所有无人机机场的GPS位置信息、每个无人机机场内停机位Marker的位置信息、无人机所需要降落的无人机机场ID、无人机所需要降落的停机位Marker的ID；步骤S21，利用无人机机场的GPS位置信息将无人机引导至机场上方，待无人机到达机场上方后，以固定的速率边下降边采集机场的图像，并对采集到的每一帧图像进行步骤S210至S213的处理：步骤S210，边缘检测和轮廓提取将采集的图像转化为灰度图，利用Canny算子得到二值化的边缘分布图，利用腐蚀、膨胀算法进行噪点滤除，然后提取图像的轮廓信息，轮廓信息包含机场内所有停机位Marker以及机场的轮廓；步骤S211，筛选无人机机场在轮廓信息中滤除以下两类轮廓：第一类：面积小于2/3无人机机场面积的轮廓；第二类：内部无子轮廓的轮廓；滤除以上两类轮廓后，选取外部为凸四边形的无人机机场作为候选机场；步骤S212，将候选机场映射到方形区域中，利用k-means算法将候选机场的像素分为黑白两类，从而得到候选机场的二值化图像；利用二值化图像进行编码，得到一个N*N的二值矩阵，对于二值矩阵，首先判断二值矩阵的最外圈是否为全零，如果非全零则丢弃；然后将二值矩阵除了最...

【专利技术属性】
技术研发人员：布树辉，杨君，赵勇，张臻炜，
申请(专利权)人：西安因诺航空科技有限公司，
类型：发明
国别省市：陕西;61