基于视觉引导的无人直升机自主着舰方法技术

本发明专利技术公开了一种基于视觉引导的无人直升机自主着舰方法，无人直升机采用差分GPS引导模式飞向舰船，当无人直升机进入舰船预设距离，切换为基于视觉引导的着舰模式；开启视觉摄像机搜索着陆目标标识，获取着陆目标标识的图像序列；提取着陆目标标识的特征图案，获得特征点和特征向量；与库中目标图像的特征点进行匹配，识别着陆目标后切换至目标识别跟踪模式；在目标识别跟踪模式下，无人直升机持续获取飞行稳定参数，实现着舰。本发明专利技术解决了现有技术控制方法设计飞行控制律周期长、工作量大且控制精度不高等问题，基于SURF与FLANN方法融合的特征点和特征向量的提取识别匹配技术，实现无人机视觉导航自主着舰。实现无人机视觉导航自主着舰。实现无人机视觉导航自主着舰。

【技术实现步骤摘要】
基于视觉引导的无人直升机自主着舰方法


[0001]本专利技术涉及无人机导航、图像识别领域，尤其涉及一种基于视觉引导的无人直升机自主着舰方法。

技术介绍

[0002]无人直升机自主着舰的过程是一个极其重要且极易出现安全事故的阶段，着舰引导技术是影响无人直升机自主着舰发展的关键技术之一。近年来，国内外学者研究了分米波仪表着陆引导技术、差分GPS引导技术、计算机视觉引导技术和精密进场雷达引导这四种着舰技术。基于视觉着舰技术具有精度高、安全可靠性好且成本低廉，因此，基于视觉引导无人直升机视觉着舰控制技术的研究具有极高的价值和广阔的军事应用前景。
[0003]现有的无人机视觉导航技术包括视觉图像预处理，目标提取、目标跟踪、数据融合等过程。图像的预处理，它包括图像的去噪、灰度化、二值化等；目标提取可采用特征角点提取、边提取、不变矩、Hough变换、贪婪算法等，目标跟踪可以分析特征进行状态估计，并与其他传感器融合，用到的方法有卡尔曼滤波、粒子滤波器和人工神经网络等。
[0004]导航过程中图像特征提取与识别是该技术的核心，传统的特征角点提取方法包括Harris，SUSAN和phase congruence三种角点检测算法。Harris算法准确度仅次于phase congruence，但实时性占优；phase congruence算法可检测多目标，准确度最高，但它需要对噪声进行估计，计算量大，实时性差；SUSAN算法能够保证实时性要求，但是准确度差，此三种算法大都适用于类似地面作业的设备中，例如扫地机器人。
[0005]实际应用中，由于无人机的动力、载重、装配空间等物理条件的限制以及飞行速度更快，使得算法处理需要更少的延时。而且，无人机稀疏的室外飞行环境使得适用于地面机器人的算法不适用于无人机。

技术实现思路

[0006]专利技术目的：针对以上问题，本专利技术提出一种基于视觉引导的无人直升机自主着舰方法，基于SURF与FLANN方法融合的特征点和特征向量的提取识别匹配技术，实现无人机视觉导航自主着舰。
[0007]技术方案：为实现本专利技术的目的，本专利技术所采用的技术方案是：一种基于视觉引导的无人直升机自主着舰方法，包括步骤：
[0008](1)无人直升机采用差分GPS引导模式飞向舰船，当无人直升机进入舰船预设距离，切换为基于视觉引导的着舰模式；
[0009](2)开启视觉摄像机搜索着陆目标标识，获取着陆目标标识的图像序列；
[0010](3)机载视觉控制器对获取的着陆目标标识的图像序列进行处理，提取着陆目标标识的特征图案，获得特征点和特征向量；与库中目标图像的特征点进行匹配，识别着陆目标后切换至目标识别跟踪模式；
[0011](4)在目标识别跟踪模式下，无人直升机持续获取飞行稳定参数，飞行稳定参数包
括海况、船体实时运动参数、位姿参数；根据位姿参数保持相对于舰船悬停；
[0012](5)根据船体实时运动参数，判断舰船是否处于息静期，当舰船在某一时刻运动处于息静期时，实现着舰。
[0013]进一步地，所述步骤3具体包括：
[0014](3.1)对获取着陆目标标识的图像序列，采用中值滤波法消除图像噪声；
[0015](3.2)采用二值阈值化分割技术进行预处理，分割出待处理的目标图像区域；
[0016](3.3)对待处理的目标图像区域，采用SURF法分别提取着陆目标和场景的特征点，生成特征向量；
[0017](3.4)与库中目标图像的特征点进行匹配，基于FLANN法匹配两幅图像中的特征点，计算匹配特征点对的匹配距离；
[0018](3.5)根据阈值剔除匹配距离过大的匹配特征点，得到最优特征点，完成着陆目标识别。
[0019]进一步地，所述步骤3.3中，具体步骤：目标图像含有四个与背景灰度差异显著的特征点(A,B,C,D)，利用矩形区域的积分图像公式计算：
[0020][0021]S＝I
∑
(A)
‑
I
∑
(B)
‑
I
∑
(D)+I
∑
(C)
[0022]式中，I
Σ
(X)表示X点像素及目标图像包含X点在内的矩形区域所有像素点之和；I(i,j)表示目标图像(i,j)点的灰度值；S表示矩形区域灰度值；I
Σ
(A)，I
Σ
(B)，I
Σ
(C)，I
Σ
（D)分别为四个特征点的积分图像值；
[0023]带入下式构建Hessian矩阵，获得包含四个特征点ABCD区域内的矩形区域新的特征向量f(i,j)：
[0024][0025][0026]其中，H为任一像素点(x,y)的Hessian矩阵，det(H)为对应Hessian矩阵的特征值；f(x,y)为目标图像针对X,Y坐标函数。
[0027]进一步地，所述步骤3.4中，具体步骤：
[0028]计算上一步骤获得的特征向量f(i,j)与库中目标图像h(i,j)的匹配距离C(u,v)：
[0029][0030][0031][0032]其中，式(8)用于边界图像点的匹配，式(9)用于一般图像点的匹配，式(10)用于模糊区域图像点的匹配。
[0033]进一步地，所述步骤4中，无人机分阶段下降高度，每个阶段下降至一定高度后，悬停并更新飞行稳定参数。
[0034]进一步地，所述步骤4中，位姿参数为无人直升机相对于船体的位姿参数，获得无人直升机的位姿参数后，调整无人直升机当前位置保持相对于船体悬停。
[0035]有益效果：本专利技术针对现有技术控制方法设计的飞行控制律周期长、工作量大且控制精度不高等缺点，提出基于SURF与FLANN方法融合的特征点识别匹配技术，提高了识别效率又满足实际应用精度，完全满足无人机视觉导航自主着舰的应用场景。仿真验证结果表明：该识别技术针对各种场景下的着陆目标都能较好地识别到完整目标，提高了识别效率又满足实际应用精度，完全满足无人机视觉导航自主着舰的应用场景。
附图说明
[0036]图1是本专利技术实施例的流程图；
[0037]图2是实施例中S400的子流程图；
[0038]图3是无人直升机相对位姿信息估计示意图；
[0039]图4是利用视觉引导的自主着舰方法着舰方位角仿真结果；
[0040]图5是利用视觉引导的自主着舰方法着舰速度和角速度仿真结果；
[0041]图6是3D仿真实验的下滑轨迹图。
具体实施方式
[0042]下面结合附图和实施例对本专利技术的技术方案作进一步的说明。
[0043]如图1所示，本专利技术所述的基于视觉引导的无人直升机自主着舰方法，包括步骤：
[0044]S100：无人直升机返航采用差分GPS引导其飞向舰船；
[0045]S200：无人直升机进入舰船预设距离，切换为基于图像算法引导的视觉着舰模式；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉引导的无人直升机自主着舰方法，其特征在于，包括以下步骤：(1)无人直升机采用差分GPS引导模式飞向舰船，当无人直升机进入舰船预设距离，切换为基于视觉引导的着舰模式；(2)开启视觉摄像机搜索着陆目标标识，获取着陆目标标识的图像序列；(3)机载视觉控制器对获取的着陆目标标识的图像序列进行处理，提取着陆目标标识的特征图案，获得特征点和特征向量；与库中目标图像的特征点进行匹配，识别着陆目标后切换至目标识别跟踪模式；(4)在目标识别跟踪模式下，无人直升机持续获取飞行稳定参数，飞行稳定参数包括海况、船体实时运动参数、位姿参数；根据位姿参数保持相对于舰船悬停；(5)根据船体实时运动参数，判断舰船是否处于息静期，当舰船在某一时刻运动处于息静期时，实现着舰。2.根据权利要求1所述的基于视觉引导的无人直升机自主着舰方法，其特征在于，所述步骤3具体包括：(3.1)对获取着陆目标标识的图像序列，采用中值滤波法消除图像噪声；(3.2)采用二值阈值化分割技术进行预处理，分割出待处理的目标图像区域；(3.3)对待处理的目标图像区域，采用SURF法分别提取着陆目标和场景的特征点，生成特征向量；(3.4)与库中目标图像的特征点进行匹配，基于FLANN法匹配两幅图像中的特征点，计算匹配特征点对的匹配距离；(3.5)根据阈值剔除匹配距离过大的匹配特征点，得到最优特征点，完成着陆目标识别。3.根据权利要求3所述的基于视觉引导的无人直升机自主着舰方法，其特征在于，所述步骤3.3中，具体步骤：目标图像含有四个与背景灰度差异显著的特征点(A,B,C,D)，利用矩形区域的积分图像公式计算：S＝I
∑
(A)
‑
I
∑
(B)
‑
I
...

【专利技术属性】
技术研发人员：周福亮，杨维顺，汤为伟，马浩，杨飞，潘道亿，
申请(专利权)人：南京航天国器智能装备有限公司，
类型：发明
国别省市：