基于机器视觉的无人机着降定位技术研究

朱莉凯　沈宝国　杨文杰

摘要：在本次研究中，我们阐述了数字图像处理和机器视觉技术在无人机着降中的定位测量，并且提出了基于机器视觉无人机着降定位的有效方案，利用DGPS进行无人机引导，将其引导至着降区上空，启动着降系统之后，能够对无人机进行精准定位，将其位置信息传递给控制系统，助降控制系统完成无人机降落。在本次研究中，我们针对助降系统的图像预处理，特征点提取，定位算法进行了探究，采用非线性优化算法，能够对线性解进行优化，获得更为准确的解。

关键词：机器视觉;无人机;着降;定位技术

中图分类号：V475.1 文献标识码：A 文章编号：1007-9416（2019）02-0053-02

1 系统总体方案

由于无人机在着降过程中所面临的环境因素比较复杂，而且影响其误差的因素角度，为能够提高着降系统的实时性和准确度，需要达到无人机进场要求，使导航系统具备较高精度，能够确保无人机安全实现着降，并在此基础上利用视觉系统帮助无人机实现精准定位着降。首先在选择飞机导航方式上，需要满足可靠性，实时性，准确性，抗干扰性，先进性等原则。DGPS原理。GPS是为满足军事高精度导航和定位来建立的，由美国国防部控制为确保导航信息的安全性，防止高技术战争中对方利用GPS制造武器给国家带来威胁，美国制定了相应的控制性政策，未经允许的用户利用C/A码定位将其精度将会由30米降至100米，可以利用差分GPS方法消除所带来的误差，提高定位精度。从系统的总体结构来看，采用的是GPS/INS与视觉组合导航的方案，能够利用姿态角测量精度高，视觉距离测量精度高，GPS速度的特点，弥补GPS信息测量过程中精度较低，姿态角测量精度差的问题，能够实现无人机自动回收导航。具体来看，无人机自动着降系统包括机载和地面设备这两个部分，地面主要有测控终端，着降区域，控制系统。机载设备有自动导航系统，视觉系统，无线电接收机构成。在机器视觉系统中能够完成摄影着降区特征图像预处理，信息提取和识别，能够将这些特征点计算其着将所需的参数，指导系统可根据这些参数进而控制无人机着降到应有的区域中。在无人机着降回收时，该信息是由视觉系统来确定的，GPS/INS组合导航系统可以确定无人机的速度和姿态信息，机器视觉获得的数据和GPS接收到的数据，能够获得无人机的着降导航信息，自动驾驶仪器可以获取导航信号，并能够控制舵机和发动机引导无人机降落。

2 图像实时采集以及预处理

在进行图像特征提取前，我们需要对能够看到的连续图像将其用于计算机处理的图像，根据实际情况对该图像完成预处理，对系统所摄图像进行质量和容量调整，能够确保图像后续工作顺利完成，这一过程为图像的预处理过程。在本次研究中，图像预处理是当无人机返航可以通过GPS定位到相应的着降区域上空后，能够对视觉系统所收集的新图像，并进行灰度化处理，滤波，自适应阈值设定等一系列的处理方法，实际上是对图像进行操作前加工，能够对质量降低的图像进行有效的改善，进而提高图像在视觉和系统处理的质量，能够更好地为下一步工作做好准备。

3 图像特征提取以及图像识别

为能够精确进行无人机定位，首先需要获取无人机着降区的特点，图像特征点的具体位置，这些特征点为图案交点或是图案中心点，直线交点，提取特征点的方法比较多，比如可以利用边缘检测，提取边缘获取交点，也可以利用轮廓跟踪获取交点。此外，还可以通过模板来获取交点，重新提取等方法完成特征提取后，可根据特征点编号给相应的图像特征点进行排序，进而可以确定其空间中的位置，最后可以利用特征点的几何关系，识别出无人机相应的着降区域，并观察无人机是否已经安全到达着降区，如果也到达着降区，需要进行无人机位置计算，以控制无人机的着降。

4 无人机位置参数测量

获得摄像机所采集的特征点坐标之后，由于无人机中安放了摄像机，因此我们可以将坐标原点定位无人机本身。同时，将世界坐标系原点选择在特征图案中，坐标系中的x、y轴会与着降区平面发生重合，此时我们所测出的参数实际是无人机对于着降区的位置参数信息，可以根据摄影测量理论，利用图像中的特征坐标和着降区坐标之间的空间几何位置，获得无人机对着降区的位置参数，主要包括XYZ轴坐标值，仰俯角，倾斜角，偏航角以及无人机之间的距离这几个重要参数。

具体来看，在摄影测量上我们通过摄影获得的图像对其重要的参数完成测量工作，也属于摄影测量的范围，是光学处理中最常用的方法，从一定程度上来看，摄影测量者利用不同的照相机拍摄光图像完成测量。近年来，随着科学技术的发展，尤其是摄像成像，红外成像等多种技术的发展，也使得摄影测量范围逐渐扩大，传统摄影图像主要记录多种感光胶片，包括静态和动态的胶片。近年来，数字视频技术能够取代传统的胶片图像，利用数字摄像机进行运动位置等测量是当前图像测量的发展趋势，因此也出现了摄影测量学这一学科。此外，从无人机定位线性算法上来看，在获取标定的特征点之后，我们可以选取无人机作为坐标原点，估算无人机位置参数，实际上也是世界中估算摄像机的位置参数。针对这一问题，我们可以利用线性和非线性的方法来进行优化，其中线性优化具有良好的鲁棒性，然而对噪声比较敏感，非线性算法有良好的初始状态值，可以对噪声进行有效的处理，我们要估算镜头位置参数。首先需要进行线性优化问题的解决，利用线性算法能够为非线性算法初始值完成非线性的求解，由于非线性算法只能够优化无人机评议运动中的六个参数，而线性优化算法需要进行九个参数的优化处理，相对来看，非线性比线性优化更好，然而非線性特点存在最小值，因此该算法对于初始化具有一定的敏感度，而且只能够从线性算法中获取最合适的初始值，此时获得的结果才是正确的。

为了能够对选取不同着降区图案进行分析，我们做了实验比较，该实验主要对无人机着降定位算法进行验证，检验该算法的实时性，准确性等指标，并通过所获得数据，找出影响该系统实时性，准确性的原因。该实验的原理如下：我们利用模拟无人机归航道着降上空，无人机腹部之下的随地图像传感器能够对着降区特征图案进行摄影，并将该图像信号利用无线发射机发射后，在远端由接收机将信号接收并传输给图像采集。再利用计算机对这些数字图像序列进行特征点提取，算出无人机的位置参数，将当前参数显示在屏幕上，当其达到预定着将条件时，会发出提示音，提示其着降。

完成軟硬件工作准备后，我们分别对特征图案进行半实物仿真，具体包括放置着降区特征图案，连接无线接收机到相应的图像采集卡中，插入电源，将CCD图像传感器安装在无人机腹部位置，使镜头光轴垂直于肌肤平面，将无人机挂在吊车吊钩，开启主机之后，启动无人机着降程序，调节无线接收机的频率接收发出信号，使画面清晰显示，利用吊车控制面板来使吊车移动，上升下降，模拟无人机归航的动作，在实施着降时，可以利用多种测量工具，测量无人机的实际位置参数，利用软件获取相应的参数信息，便于后期进行误差分析。小结

我们通过对实验数据进行分析时，进一步说明了基于机器视觉的无人机着降定位技术的实时性和精确性，够得出非线性算法比线性算法精度好，能够利用实验对不同着降区特征图案获得的数据进行分析，说明在实际使用时需要根据具体的场合特点来选择合理的算法。

参考文献

[1] 郑惠平，张志林，陈杰.基于机器视觉的电力无人机清障技术研究[J].四川水泥，2017（1）：128.

[2] 何嘉林，李奔.基于机器视觉的无人机自主着陆系统研究[J].科学技术创新， 2018（11）：23-24.

[3] 王亚威，朱文博.复杂环境下的四旋翼无人机定位技术综述[J].四川水泥， 2017（12）：183.

Research on UAV Landing Positioning Technology Based on Machine Vision

ZHU Li-kai，SHEN Bao-guo，YANG Wen-jie

（Zhenjiang Key Laboratory of UAV Application Technology， Jiangsu Aviation Technical College， Zhenjiang Jiangsu  212134）

Abstract：In this study， we expounded the positioning measurement of digital image processing and machine vision technology in the landing of drones， and proposed an effective scheme based on the landing position of machine vision drones， using DGPS for unmanned The machine guides and guides it to the sky above the landing zone. After starting the landing system， it can accurately position the drone， transmit its position information to the control system， and assist the control system to complete the drone landing. In this study， we explored the image preprocessing， feature point extraction， and localization algorithms for the assisted-down system. Using the nonlinear optimization algorithm， we can optimize the linear solution and obtain a more accurate solution.

Key words：machine vision; drone; landing; positioning technology