基于机器视觉的无人机着陆技术ppt课件

1、“基于气囊和图像识别的小型 无人飞行器自动着陆系统纲要l摘要l圆拱形气囊l自动着陆系统构成l实验结果l总结和展望1.摘要l统计显示，在一切的无人飞行器事故缘由分析中，着陆部分的操控不当占据着最大的比重。lWhy？l 无人机的地面领航员对运转环境认知的有限性l 无人机在着陆前低速运转时其机动性的限制l提出了一种基于机器视觉识别圆拱形气囊、运用于小型UAV的自动着陆系统，为了改善在光线变化的环境中的鲁棒性，提出了一种基于颜色和外形的视觉检测算法，并经过了一系列实验的验证l由于低本钱的导航传感器精度缺乏，在锁定目的后运用直接反响视觉伺服控制l关键词: 无人机； 自动着陆； 直接视觉伺服；图像矩； 地

2、理位置2.圆拱形气囊l各向同性的外形特征l对比网络辅助的着陆方式只能从一个方向着陆，可以从任何方向着陆以防止侧向风的干扰迎风l采用与外界环境颜色具有剧烈对比的气囊可改善图像识别l起着无人机回收吸震和视觉标志的双重作用3.自动着陆系统构成3.1 软件算法3.1.1 基于颜色的气囊检测3.1.2 基于图像矩的气囊检测3.1.3 地理位置算法3.1.4 直接视觉伺服3.2 实验平台组成3.1 软件算法符号阐明3.1.1 基于颜色的气囊检测(a,b,c)=(1.5,1.5,20) filtering rule： 3.1.2 基于图像矩的气囊检测l图像处置流程：l原始图像 二值化 侵蚀和扩张 处置图像l

3、由于：气囊投影为半圆到正圆，Hu矩变化很小l所以： Hu矩可作为目的气囊的一个不变描画l思索前四阶的Hu矩曾经足够lHU矩适用于高速率检测where are the ith and jth ordernormalized moments with regard to horizontal axis and vertical axis,respectively3.1.3 地理位置算法lOnce the image coordinates of the dome is found by the detection algorithms introduced above, its location

4、in a local Cartesian frame can be computed by Eq. (2.3).Fig shows a geolocation result obtained from a test flight Obviously from this result, the geolocation alone will not be sufficient for precision guidance to the dome. The relatively large error of the geolocation result is mainly attributed to

5、 the errors in the attitude and pose of the vehicle and the camera. 3.1.4 直接反响视觉伺服即使可实现：定位圆拱形气囊的准确坐标飞行器控制系统可优秀地追踪给定参考轨迹但是：导航误差依然比气囊的尺寸更大，使之不能够恒定地从一个小目的点着陆因此：提出一个图像直接反响伺服系统，图像处置结果直接反响到飞行控制器 3.2 实验平台组成实验平台参数硬件架构无线收发系统4、实验结果l圆拱形气囊的地面坐标由差分式GPS获得l实验流程：l初始化INS 用发射器发射无人机 发出着陆命令 寻觅气囊 l 运用视觉系统定位气囊坐标 运用视觉算法锁定目的l下降到一定高度转换为直接视觉伺服 坚持平安速度着陆l l 实验结果1实验结果24次实验的飞行轨迹It is caused by the inherent weak coupling between the horizontal and vertical dynamics of a fixed-wing airplane.机载摄像头与地面摄像头拍摄对比阶段1阶段2阶段3阶段4ResultlIn all cases, the vision system was able to successfully recognize the dome an