基于机器视觉的无人机着降定位技术研究

发布时间：2017-04-01 18:15

  本文关键词：基于机器视觉的无人机着降定位技术研究，由笔耕文化传播整理发布。

【摘要】：本文以兵器工业集团某所十五国防预研科技项目为背景,详细研究了利用数字图像处理技术和机器视觉技术实现无人机着降过程中的定位测量,并在此基础上提出了一套完整的基于机器视觉的无人机着降定位方案。 本文的方案采用DGPS引导无人机归航,把无人机引导到着降区特征图案上空附近,启动机器视觉助降系统对无人机进行实时精确定位,并把无人机的位置信息传递到飞行控制系统,由飞行控制系统控制无人机降落。本文重点对机器视觉助降系统的实时图像预处理、图像特征点提取、无人机定位算法进行了研究。根据对无人机着降中的实时性和精确性的不同要求设计了两种着降区特征图案,并根据特征图案的特点采用了不同的图像处理算法。文中提出的线性定位算法能够测量无人机的六个空间自由度(即无人机在着降区坐标系中的x、y、z坐标,偏航角φ、俯仰角Κ、倾斜角ω),在此基础上本文创新性地采用了非线性优化算法对线性解进行优化得到更加精确的非线性优化解。 最后,用两个着降区特征图案进行了计算机半实物仿真实验。实验结果表明该方案能够较好地满足无人机着降定位过程中对实时性、精确性、稳定性的要求。对实验数据分析结果表明特征图案A精度较好,特征图案B实时性较好,证明特征点的增加,提高了系统精确度,但降低了实时性。在利用具有24个特征点的特征图案A时,无人机的距离均方误差小于1.5cm,偏航角均方误差小于2.5度,实时性达到了3帧/秒;采用6个特征点的特征图案B时,无人机的距离均方误差小于3.5cm,偏航角均方误差小于3.5度,实时性达到了5帧/秒。 本文为无人机安全着降提供了一种低成本,简单实用的实现方案。该方案精度较高,实时性较好。为研制实际的助降系统提供了理论基础和解决方案,对无人机和图像导航定位技术的发展具有参考价值。
【关键词】：无人机(UAV)着降 图像预处理 轮廓跟踪 特征点提取 摄影测量 非线性优化算法
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：V249.12
【目录】：

• 摘要4-5
• ABSTRACT5-6
• 目录6-9
• 第一章 引论9-17
• 1．1 问题的提出10-12
• 1．2 国内外相关研究工作12-15
• 1．3 本文研究工作15-17
• 第二章 系统总体方案17-27
• 2．1 飞行导航方式选择17-20
• 2．1．1 雷达导航17-19
• 2．1．2 遥测设备导航19
• 2．1．3 GPS导航19-20
• 2．2 DGPS原理简介20-22
• 2．3 系统总体结构22
• 2．4 机器视觉导航系统硬件组成22-23
• 2．5 机器视觉导航软件算法23-24
• 2．6 着降区特征图案的设计24-26
• 2．7 小结26-27
• 第三章 实时图像采集与预处理27-47
• 3．1 图像采集27-30
• 3．1．1 图像采集的基本原理27-28
• 3．1．2 图像采集卡28
• 3．1．3 图像采集卡开发28-30
• 3．2 图像预处理30-46
• 3．2．1 图像灰度化处理30-33
• 3．2．2 图像几何校正33-36
• 3．2．3 图像滤波算法36-42
• 3．2．4 图像分割及二值化42-46
• 3．3 小结46-47
• 第四章 图像特征提取及粗识别47-71
• 4．1 边缘检测47-52
• 4．1．1 边缘的分类47-48
• 4．1．2 常用的边缘检测算法48-52
• 4．2 轮廓跟踪52-56
• 4．2．1 轮廓的链码表示53-55
• 4．2．2 轮廓的斜率表示55
• 4．2．3 轮廓跟踪算法55-56
• 4．2．4 二值图像轮廓提取56
• 4．3 特征点提取56-60
• 4．3．1 角点提取的SUSAN算法56-59
• 4．3．2 形心提取法59-60
• 4．3．3 灰度重心提取法60
• 4．4 本文改进的特征点提取算法60-66
• 4．4．1 轮廓跟踪61-62
• 4．4．2 多直线段分裂与合并62-65
• 4．4．3 角点提取65
• 4．4．4 角点排序65-66
• 4．5 图像匹配66-70
• 4．5．1 图像匹配的定义66-67
• 4．5．2 图像匹配的数学描述67-69
• 4．5．3 匹配相似度69-70
• 4．6 小结70-71
• 第五章 无人机位姿参数摄影测量算法71-94
• 5．1 摄影测量概述及原理71-76
• 5．1．1 摄影成像模型72-73
• 5．1．2 常用坐标系及其关系73-76
• 5．2 机器视觉系统的摄像机标定76-87
• 5．2．1 摄像机标定模型76-78
• 5．2．2 常用的摄像机系统标定法78-87
• 5．3 无人机定位的线性算法87-91
• 5．4 无人机定位的非线性优化算法91-93
• 5．5 小结93-94
• 第六章 计算机半实物仿真实验及分析94-115
• 6．1 实验原理图94
• 6．2 实验系统的硬件组成94-97
• 6．3 实验系统的软件设计97-99
• 6．4 实验步骤99-100
• 6．5 实验数据及误差分析100-114
• 6．5．1 实验A数据及误差分析101-107
• 6．5．2 实验B数据及误差分析107-112
• 6．5．3 实验A和实验B对比分析112-114
• 6．6 小结114-115
• 第七章 结束语115-117
• 7．1 本文创新点115
• 7．2 进一步研究的问题115-117
• 致谢117-118
• 参考文献118-121
• 附录121-142
• 个人简历142

【引证文献】

中国期刊全文数据库 前3条

1 马松辉;吴成富;商重阳;;Simulink环境下的图像导引仿真技术研究[J];弹箭与制导学报;2011年02期

2 周光;罗元;张毅;杨瑞敏;;基于维纳滤波的自适应二值化技术的研究[J];微计算机信息;2008年21期

3 唐大全;毕波;王旭尚;李飞;沈宁;;自主着陆/着舰技术综述[J];中国惯性技术学报;2010年05期

中国硕士学位论文全文数据库 前1条

1 王瑶;TXX无人机的自动跟踪算法研究[D];西安工业大学;2012年

  本文关键词：基于机器视觉的无人机着降定位技术研究，，由笔耕文化传播整理发布。

本文编号：281077