一种基于视觉的无人机自主着陆引导方法技术

本发明专利技术公开了一种基于视觉的无人机自主着陆引导方法，先获取无人机前置摄像机采集的视频图像，进行跑道区域检测，在检测到跑道区域后，对跑道区域进行跑道线分割，获取跑道线特征数据；然后在跑道线特征数据为全特征数据时，采用全特征位姿估计算法，对无人机进行相对于跑道的位姿估计，在跑道线特征数据为退化特征数据时，采用退化特征位姿估计算法，对无人机进行相对于跑道的位姿估计；最后将无人机的位姿估计数据上传至无人机飞控系统，引导无人机着陆。本发明专利技术在GPS拒止区域或惯导系统受到干扰后，提供了一种可靠的着陆方法。提供了一种可靠的着陆方法。提供了一种可靠的着陆方法。

【技术实现步骤摘要】
一种基于视觉的无人机自主着陆引导方法


[0001]本申请属于无人机控制
，特别涉及一种基于视觉的无人机自主着陆引导方法。

技术介绍

[0002]无人机在自主着陆或回收过程中易发生安全事故，常规的无人机辅助导航系统包括全球卫星定位系统(GPS)和惯性导航系统(INS)，而GPS作为一种信号接收系统，易受到外界环境干扰；INS系统则具有较为明显的累积误差，这两者结合使用适合于长距离、低精度的飞行导航场景。然而当无人机处在GPS拒止区域或惯导系统受到干扰后定位精度低甚至无法定位的情况下，无人机无法进行安全且准确地着陆。

技术实现思路

[0003]本申请的目的是提供一种基于视觉的无人机自主着陆引导方法，用于当无人机处在GPS拒止区域或惯导系统受到干扰后定位精度低甚至无法定位的情况下，行安全且准确地着陆。
[0004]为了实现上述目的，本申请技术方案如下：
[0005]一种基于视觉的无人机自主着陆引导方法，包括：
[0006]获取无人机前置摄像机采集的视频图像，进行跑道区域检测，在检测到跑道区域后，对跑道区域进行跑道线分割，获取跑道线特征数据；
[0007]在跑道线特征数据为全特征数据时，采用全特征位姿估计算法，对无人机进行相对于跑道的位姿估计，在跑道线特征数据为退化特征数据时，采用退化特征位姿估计算法，对无人机进行相对于跑道的位姿估计；
[0008]将无人机的位姿估计数据上传至无人机飞控系统，引导无人机着陆。
[0009]进一步的，所述全特征数据包含左右和起始跑道线特征，所述退化特征数据只包含左右跑道线特征。
[0010]进一步的，所述采用全特征位姿估计算法，对无人机进行相对于跑道的位姿估计，包括：
[0011]获取无人机前置摄像机内参矩阵，计算消影点，根据消影点与旋转矩阵的正交性，得到旋转矩阵以及位姿角；
[0012]通过旋转矩阵确定平移向量，然后求解得到无人机三维位置。
[0013]进一步的，所述基于视觉的无人机自主着陆引导方法，在采用全特征位姿估计算法，对无人机进行相对于跑道的位姿估计之后，还包括：
[0014]基于线特征的共面误差建立线特征迭代目标函数；
[0015]通过李代数推导线特征迭代目标函数的雅可比矩阵；
[0016]基于点特征的重投影误差建立点特征迭代目标函数；
[0017]通过李代数推导点特征迭代目标函数的雅可比矩阵；
[0018]将两个函数合并作为基于点线混合特征的最小二乘高精度位姿快速估计算法的目标函数；
[0019]通过上述得到的雅可比矩阵为优化过程提供的梯度方向，使目标函数逐渐收敛，得到优化的无人机位姿。
[0020]进一步的，所述采用退化特征位姿估计算法，对无人机进行相对于跑道的位姿估计，包括：
[0021]获取无人机前置摄像机内参矩阵，计算消影点，根据设定的横滚角对消影点的坐标进行修正，得到修正后的消影点，并根据修正后消影点的坐标计算调整俯仰角和偏航角；
[0022]通过已知的左右跑道线的斜率和设定的横滚角，计算纠正横滚角后的左右跑道线斜率，再解算出横向距离和高度。
[0023]本申请提出的一种基于视觉的无人机自主着陆引导方法，通过机身前方的摄像头对跑道拍摄的单帧图像实现无人机
‑
跑道相对位姿估计。首先利用目标检测算法对单帧图像中的跑道区域进行检测，再利用图像分割算法分割出跑道区域中的跑道线并将跑道线拟合为直线，然后基于点线混合特征的最小二乘高精度位姿快速估计算法实现无人机相对于着陆跑道的实时相对位姿估计，最后将视觉定位的结果传至飞控计算机就达到了引导无人机着陆的目的。本申请技术方案在GPS拒止区域或惯导系统受到干扰后，提供了一种可靠的着陆方法。
附图说明
[0024]图1为本申请基于视觉的无人机自主着陆引导方法流程图；
[0025]图2为本申请实施例无人机着陆示意图。
具体实施方式
[0026]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0027]本申请的总体思路是通过无人机机身前方的摄像头对跑道拍摄的单帧图像实现无人机
‑
跑道相对位姿估计。该方法首先利用目标检测算法对单帧图像中的跑道区域进行检测，再利用图像分割算法分割出跑道区域中的跑道线并将跑道线拟合为直线，然后基于跑道线信息利用位姿估计算法实现无人机相对于着陆跑道的实时相对位姿估计，最后将视觉定位的结果传至飞控计算机就达到了引导无人机着陆的目的。将视觉引入无人机导航系统，可很好地解决当GPS或惯导系统无法定位时无人机无法进行安全且准确地着陆的问题。
[0028]本申请根据无人机着陆流程，提出了三阶段的无人机自主着陆引导方法，并且提出了不同的位姿估计算法，除了能够解算出无人机相对于跑道的高度、横向距离、横滚角、俯仰角及偏航角外还能够解算出纵向距离，并且整体具有高鲁棒和高精度的特点。通过对无人机的着陆过程进行分析，可将无人机的着陆过程分解为三个阶段，即远距离阶段(2km
‑
5km)、中近距离阶段(100m
‑
2km)和着陆末阶段(0
‑
100m)。其中在远距离阶段，摄像机捕捉到的画面中跑道区域所占像素尺寸较小，直线特征不明显，无法对跑道线进行分割，该情况为着陆准备阶段，只对跑道区域进行检测识别；在中近距离阶段，摄像机能清晰的捕捉到跑道
平面内的三条直线特征(左右跑道线和跑道区域底部边界线)，该过程先对跑道区域进行检测识别，然后基于检测的跑道区域进行跑道线分割，再利用全特征位姿估计解算飞参(偏航角、俯仰角、横滚角、横向偏移、纵向偏移、相对高程)；在着陆末阶段，由于无人机飞过跑道区域底部边界线后，摄像机只能捕捉到跑道平面内的左右跑道线，该过程先对跑道区域进行检测，然后基于检测的区域分割出左右跑道线，再利用退化特征位姿估计解算部分飞参(偏航角、俯仰角、横向偏移、相对高程)，虽然在着陆末阶段只能估计出无人机的部分位姿量，但对无人机助降仍有重要意义。
[0029]在一个实施例中，如图1所示，提供了一种基于视觉的无人机自主着陆引导方法，包括：
[0030]步骤S1、获取无人机前置摄像机采集的视频图像，进行跑道区域检测，在检测到跑道区域后，对跑道区域进行跑道线分割，获取跑道线特征数据。
[0031]本申请采取基于单目摄像机的单帧图像进行视觉定位，即基于单帧图像的无人机位姿估计。基于单帧图像的位姿估计在摄像机内参数已知的情况下，根据已知的空间特征和在图像上相应的投影特征求解摄像机的位置和姿态信息，再根据已知的摄像机和无人机的位置关系即可得到无人机的位置和姿态信息。
[0032]无人机在降落过程中，其前置摄像机所采集的图像由远及近，特征线由全到缺。当离跑道距离较远时，可观测到跑道平面内所有的特征线，选择两本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉的无人机自主着陆引导方法，其特征在于，所述基于视觉的无人机自主着陆引导方法，包括：获取无人机前置摄像机采集的视频图像，进行跑道区域检测，在检测到跑道区域后，对跑道区域进行跑道线分割，获取跑道线特征数据；在跑道线特征数据为全特征数据时，采用全特征位姿估计算法，对无人机进行相对于跑道的位姿估计，在跑道线特征数据为退化特征数据时，采用退化特征位姿估计算法，对无人机进行相对于跑道的位姿估计；将无人机的位姿估计数据上传至无人机飞控系统，引导无人机着陆。2.根据权利要求1所述的基于视觉的无人机自主着陆引导方法，其特征在于，所述全特征数据包含左右和起始跑道线特征，所述退化特征数据只包含左右跑道线特征。3.根据权利要求1所述的基于视觉的无人机自主着陆引导方法，其特征在于，所述采用全特征位姿估计算法，对无人机进行相对于跑道的位姿估计，包括：获取无人机前置摄像机内参矩阵，计算消影点，根据消影点与旋转矩阵的正交性，得到旋转矩阵以及位姿角；通过旋转矩阵确定平移向量，然后求解得到无人机三维位置。4.根据权利要求1...

【专利技术属性】
技术研发人员：张建楠，马波，祝中科，陶呈纲，倪静，陈初杰，李彤，
申请(专利权)人：中国电子科技集团公司第五十二研究所，
类型：发明
国别省市：