[发明专利]针对小型无人机自主降落的视觉分级地标定位识别方法

说明书

技术领域

本发明属于空中机器人与计算机视觉的交叉领域，涉及无人机自主降落时的分级地标设计与定位识别问题，尤其涉及一种针对小型无人机自主降落的视觉分级地标定位识别方法。

背景技术

当今，小型无人直升机的研究与应用越来越普遍，被广泛地用于监视、侦查、预警、电子对抗、通信中继等军用场合与环境监测、航测航拍、气象预测、地震火灾等灾害搜救、输电线路与铁路线路的巡视等民用场合。由于无人机在设计时无需考虑人的生理和心理承受极限，因此可以具有更高的机动性和灵活性。

然而，小型无人直升机复杂环境下的自主回收降落既是技术难点，也是我们越来越关注的焦点。目前GPS/INS组合导航系统在小型无人直升机大部分的自主飞行任务中均能起到很好的作用，但是由于在自主降落过程中，GPS被遮挡或者中断，导航精度不足，则会导致自主降落失误，因而GPS/INS并不能确保小型无人机完成自主降落的任务。同时，复杂的降落环境，以及机体位姿在降落过程中改变，也会影响导航信息的准确性。小型无人直升机存在静不稳定性，其水平方向的位移会使降落地标逃出视野，而其垂直方向的变化，则使得机载摄像头的可视范围发生变化。

针对以上面对的问题，在小型无人机自主降落的过程中，合理设计人工降落地标，以及利用机载摄像头获取图像，并设计算法提取降落地标特征信息，辅助小型无人机自主降落，显得尤为重要。

发明内容

本发明的目的在于针对现有使用GPS/INS组合导航系统的不足，小型无人机自主降落时环境的复杂，以及自主降落时视觉系统所面临的问题，提出一种针对小型无人机自主降落的视觉分级地标定位识别方法，辅助小型无人机进行精准自主降落。

本发明解决其技术问题是通过以下技术方案来实现的：一种针对小型无人机自主降落的视觉分级地标定位方法，包括视觉分级降落地标设计与视觉分级地标定位识别两步骤，具体如下：

(1)视觉分级地标设计，该步骤包括以下子步骤：

(1.1)确定视觉分级地标形状：视觉分级地标由同心正方形组成；同心正方形的边长由内至外呈等差数列依次递增；设视觉分级地标最内部正方形的边长为L₁，公差为d，则第n个正方形的边长为L_n＝L₁+(n-1)d；其中L₁与d由小型无人机停置在地面时机载摄像头可看到的矩形地面视野面积S确定，满足(L₁+d)²≤S与L₁≤d；

(1.2)确定视觉分级地标颜色：视觉分级地标包含黑白两种颜色，其中视觉分级地标最内部正方形填充为黑色，第2m-1至第2m个正方形之间的部分填充白色，第2m至第2m+1个正方形之间的部分填充黑色，其中m为大于0的整数；

(1.3)确定视觉分级地标级数：将视觉分级地标中由内至外的第2m-1至第2m个正方形之间的白色框，称为第m级地标；设视觉分级地标中正方形的总数为N，则分级的总级数为M满足：2M+1＝N；设外内轮廓面积比为Q_m＝(L_2m/L_2m-1)²；

(1.4)确定视觉分级地标尺寸：视觉分级地标的尺寸就是最外部正方形的边长L_N，L_N的大小介于起落架尺寸与翼展尺寸之间；确定正方形的总数N与地标总级数M，然后调整L₁与d的值，即可计算出所需降落地标的尺寸L_N和各级地标的外内轮廓面积比Q_m；

(2)视觉分级地标定位识别，该步骤包括以下子步骤：

(2.1)在线图像自适应阈值分割二值化：通过小型无人机机载摄像头获取RGB格式的视觉分级地标图像，将获取的图像转化为灰度图像，然后使用最大类间方差法进行自适应阈值分割，转化为二值化图像；

(2.2)基于图像形态学的分级降落地标粗定位：对步骤2.1得到的二值化图像进行形态学闭运算，去除噪点，得到连通域轮廓图像，连通各分级地标，确定地标在图像中的区域位置；

(2.3)基于树形轮廓和直线特征的分级降落地标细定位：以树形结构的链码表示步骤2.2得到的连通域轮廓图像；在根节点轮廓中以渐进式概率Hough变换算法检测分级降落地标的直线特征，然后细定位降落地标所在连通域的精细位置；