无人机视觉辅助着舰导航

发布时间：2017-09-07 11:04

  本文关键词：无人机视觉辅助着舰导航

  更多相关文章： 无人机 视觉辅助导航 自主着舰 位姿解算 坐标转换

【摘要】：随着科技的发展,无人机在军用和民用等方面发挥着越来越不可替代的作用。在军事方面发挥的作用主要是侦察、作战以及收集信息;在民用方面的应用主要是完成涉及危险环境的搜查和救援工作。无人机安全着陆是完成无人机飞行任务的关键,运用计算机视觉技术的导航方法是目前最先进的导航方法之一。相比于先前的导航方式,基于视觉的导航方式不仅可以节省大量的人力物力,还拥有成本低、精度高、高度抗干扰等长处;已是很多学者和机构研讨的热点。本文研究的无人机视觉辅助导航着舰技术,为了提高位姿解算的精度,提出了数据融合算法,并通过仿真实验对算法进行了实验验证。首先,对无人机在着舰过程中基于计算机视觉技术位姿估计算法的步骤进行了介绍。首先离线标定机载摄像机,获得摄像的内参矩阵,为精确进行无人机位姿数据的解算做准备;之后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响,精心设计了“T”型着陆地标形状和尺寸参数,将地标轮廓提取和角点检测算法相结合,得到几何分布好、数量适中的8个角点用于位姿解算,保证了算法的精度;最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。其次,考虑到位姿计算实时性和准确性,把上述算法做了优化。无人机着陆过程中的位姿估计算法包括图像预处理、目标跟踪以及位姿解算三个部分,为了保证算法的实时性,对Lucas-Kanade(LK)光流法稳定跟踪地标的处理过程做了重要改进,直接将提取的这8个角点作为LK光流法检测和跟踪的输入,避免常规LK光流算法对整幅图像进行角点遍历检测,大大减小了一般LK光流法角点检测、匹配与角点跟踪的数量,大大改善了算法实时性。并且加入了卡尔曼滤波算法,改善了位姿估计的精度。最后,设计了飞行视景仿真实验,并详细介绍了实验的设计过程、实验框架、程序的流程以及仿真实验的飞行画面;并给出了仿真实验的结果;最后分析了算法的实时性。仿真实验中将视觉导航算法和视景仿真实验融为一体,形象直观的展示了无人机着陆过程中的估计位姿参数和实际位姿参数,多角度、多通道的再现了着陆全过程,并验证了算法的真实性、准确性和可行性。实验结果表明,算法具有较高估计精度,算法平均周期为55.5191ms(约18.0帧/秒),在无人机速度较低的着舰过程中基本满足实时性要求。
【关键词】：无人机 视觉辅助导航 自主着舰 位姿解算 坐标转换
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V279
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 符号对照表11-12
• 缩略语对照表12-15
• 第一章 绪论15-25
• 1.1 课题的研究背景和意义15-17
• 1.2 国内外研究现状17-23
• 1.2.1 国外研究现状17-20
• 1.2.2 国内研究现状20-23
• 1.3 论文组织结构23-25
• 第二章 视觉导航中的图像处理技术25-41
• 2.1 图像预处理25-31
• 2.1.1 图像去噪25-29
• 2.1.2 图像灰度化29
• 2.1.3 图像二值化29-30
• 2.1.4 形态学运算30-31
• 2.2 角点检测31-33
• 2.3 Lucas Kanade光流法跟踪角点33-36
• 2.3.1 光流法33-34
• 2.3.2 角点跟踪34-36
• 2.4 地标设计与检测36-40
• 2.4.1 地标设计36-37
• 2.4.2 地标检测37-40
• 2.5 本章小结40-41
• 第三章 摄像机标定41-47
• 3.1 摄像机模型41
• 3.2 标定原理41-44
• 3.3 标定结果44-45
• 3.4 本章小结45-47
• 第四章 视觉导航位姿估计研究47-61
• 4.1 无人机位姿估计原理47-54
• 4.1.1 视觉导航常用坐标系47-49
• 4.1.2 坐标系之间的转换关系49-52
• 4.1.3 位姿参数定义52-53
• 4.1.4 姿态角计算53-54
• 4.2 基于投影矩阵计算位姿数据54-56
• 4.3 数据融合56-59
• 4.3.1 卡尔曼滤波算法原理简介57-58
• 4.3.2 算法方程介绍58-59
• 4.4 本章小结59-61
• 第五章 飞行视景仿真实验61-75
• 5.1 视景仿真软件的介绍61-62
• 5.2 仿真实验设计62-64
• 5.2.1 窗口与通道的设置62-63
• 5.2.2 观察点的设置63-64
• 5.3 仿真实验64-69
• 5.3.1 实验框架设计65-66
• 5.3.2 程序流程设计66-67
• 5.3.3 位姿估计部分算法设计67-69
• 5.4 仿真实验结果69-73
• 5.4.1 运行画面69-71
• 5.4.2 实验结果71-73
• 5.5 算法实时性分析73-74
• 5.6 本章总结74-75
• 第六章 结论和展望75-77
• 6.1 研究结论75
• 6.2 研究展望75-77
• 参考文献77-81
• 致谢81-83
• 作者简介83-84

【参考文献】

中国期刊全文数据库 前9条

1 周建民;康永;刘蔚;;无人机导航技术应用与发展趋势[J];中国电子科学研究院学报;2015年03期

2 Chao-Lei Wang;Tian-Miao Wang;Jian-Hong Liang;Yi-Cheng Zhang;Yi Zhou;;Bearing-only Visual SLAM for Small Unmanned Aerial Vehicles in GPS-denied Environments[J];International Journal of Automation and Computing;2013年05期

3 王冬;夏乙;殷木一;陈玉林;郑程;刘海林;;基于OpenCV的摄像机标定方法实现[J];现代电子技术;2013年08期

4 李磊;熊涛;胡湘阳;熊俊;;浅论无人机应用领域及前景[J];地理空间信息;2010年05期

5 袁铭;苏显渝;刘晓青;;影响摄像机标定精度的因素分析[J];光学与光电技术;2010年04期

6 潘顺良;王晓剑;沈为群;宋子善;;视觉导引的无人直升机自主着舰系统仿真[J];航天控制;2008年02期

7 尹文生;罗瑜林;李世其;;基于OpenCV的摄像机标定[J];计算机工程与设计;2007年01期

8 王魏,李平,韩波;空中机器人视觉系统设计与实现[J];机电工程;2005年06期

9 刘士清,胡春华,朱纪洪;一种基于灭影线的无人直升机位姿估计方法[J];计算机工程与应用;2004年09期

，

本文编号：809152