【技术实现步骤摘要】
用于无人机自主降落的动态标靶识别与跟踪方法
本专利技术涉及无人机控制
，尤其涉及一种用于无人机自主降落的动态标靶识别与跟踪方法。
技术介绍
旋翼无人机具有使用便利、机动灵活、运营成本低、飞行精度高等优点，在实际应用中存在大量的需求，被广泛应用于侦察、救援、测绘、植保等各个领域。无人机的自主起飞、降落等技术多年来一直是无人机领域的研究热点。目前无人机的自主降落多采用GNSS(GlobalNavigationSatelliteSystem，全球导航卫星系统)导航定位配合高度数据进行定点降落。高度数据通常由GNSS、气压计、超声波或对地雷达测得。但GNSS信号易受建筑物遮挡和天气条件影响，数据漂移严重，且高度方向的精度非常有限；基于超声波、微波、激光等的测距传感器难以区分降落平台与地面，无法直接用于无人机在移动平台上降落。目前，针对移动的降落平台，现有技术中的无人机的自主降落通常采用人工引导控制，对GNSS精度和操作人员的熟练度都有较高的要求，无法做到自主降落。在一些复杂条件下，例如海面移动平台、颠簸移动的地面平台上起飞降落，对该类无人机的飞行控制系统和控制人员仍...
【技术保护点】
1.一种用于无人机自主降落的动态标靶识别与跟踪方法，其特征在于，包括：通过卫星导航系统引导无人机飞行到地面上的降落平台的设定距离范围内；通过机载相机获取地面的视频图像，利用轮廓检测和形状匹配的方法识别出所述视频图像中的降落标靶，计算出所述降落标靶的中心位置信息；根据所述降落标靶的中心位置信息通过机载相机与无人机的姿态和相对位置关系，计算大地坐标系下所述降落标靶的位置和动态特性，根据所述降落标靶的位置和动态特性通过PID控制算法控制无人机动态识别与跟踪所述降落标靶。
【技术特征摘要】
1.一种用于无人机自主降落的动态标靶识别与跟踪方法，其特征在于，包括：通过卫星导航系统引导无人机飞行到地面上的降落平台的设定距离范围内；通过机载相机获取地面的视频图像，利用轮廓检测和形状匹配的方法识别出所述视频图像中的降落标靶，计算出所述降落标靶的中心位置信息；根据所述降落标靶的中心位置信息通过机载相机与无人机的姿态和相对位置关系，计算大地坐标系下所述降落标靶的位置和动态特性，根据所述降落标靶的位置和动态特性通过PID控制算法控制无人机动态识别与跟踪所述降落标靶。2.根据权利要求1所述的方法，其特征在于，所述降落标靶设置在降落平台上，所述降落标靶的图形包括背景、主体图形和其他细节图标，其中，背景为白色填充，涂满降落平台的上表面；主体图形为由大圆环内包含T形组成的图形，用黑色填充；细节图标不能与主体图形相重叠。3.根据权利要求2所述的方法，其特征在于，所述通过机载相机获取地面的视频图像，利用轮廓检测和形状匹配的方法识别出所述视频图像中的降落标靶，包括：通过机载相机拍摄地面的视频，从地面的视频中截取BGR彩色图像，对BGR彩色图像进行预处理，将预处理后的图像转换为灰度图像，通过自适应阈值将灰度图像转换为二值图像，提取二值图像中的边缘轮廓，对所述边缘轮廓通过最小二乘法进行椭圆拟合，即对于目标的椭圆表达式ax2+bxy+cy2+dx+ey+f＝0，求解以下最优化方程：其中，A＝(a,b,c,d,e,f)T为所求参数，X＝(x2,xy,y2,x,y,1)T为边缘轮廓点的坐标形成的向量，T表示矩阵或向量的转置：为椭圆曲线的约束矩阵；最终求得的拟合椭圆的参数为对应的最小误差为计算出最小误差与边缘轮廓周长的比值，当该比值小于设定的第一阈值时，则认为该边缘轮廓为候选椭圆区域；截取候选椭圆区域的图像，将图像缩放为特定大小后，提取图像中的黑色连通域，计算黑色连通域的凸包面积SC，计算出凸包面积SC与黑色连通域的外围圆环面积的比值，当该比值小于设定的第二阈值时，则认为该黑色连通域为候选连通域；对于候选连通域，均匀抽取候选连通域中的特征点，进行二自由度的混合线性模型拟合，得到两个线段方程ab,cd以及对应的四个端点a,b,c,d，判断两条线段是否成为T型，并解算该T形图形的朝向角度θ；将原本的T形模板图像旋转角度θ，将旋转后的T形模板与候选椭圆区域图像进行匹配验证，当旋转后的T形模板与候选椭圆区域图像之间的相似度超过第三阈值时，则判断该候选区域为降落标靶图形。4.根据权利要求3所述的方法，其特征在于，所述的通过自适应阈值将灰度图像转换为二值图像，包括：根据所述灰度图像中每个像素点的邻域计算出每个像素点对应的自适应阈值，将每个像素点的灰度值与对应的自适应阈值进行比较，当某个像素点的灰度值大于自适应阈值时，则将所述某个像素点设为白色，...
【专利技术属性】
技术研发人员：李晓峰，杨晗，管岭，贾利民，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。