[发明专利]基于标志物颜色及轮廓检测的无人机自动寻的着陆方法

说明书

本发明公开了一种基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，以机载摄像机实时采集到的视频图像为对象，自动地较准确地检测目标在图像中的位置，进而计算出目标在图像中的坐标以及无人机和目标的相对距离。该方法以标志物图形的颜色特征和形状轮廓的形态特征作为判断依据，可以实时地对标志物图形进行检测，进而实时计算标志物的坐标，检测结果准确率高，对无人机自动寻地着陆具有重要的应用价值。

技术领域

本发明涉及一种基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，属于数字图像处理和无人机技术交叉的领域。

背景技术

近年来，小型无人机和微型无人机的发展驱动了一些领域新的研究，例如电子、机械、航空、自动控制等。在搜索、营救、国土安全、实时森林防火、敏感地区的监控等方面，无人机具有巨大的潜力。

国内外无人机制造商生产的无人机在载荷、适用范围、任务执行能力以及命令、控制和数据获取能力都千差万别，商用和民用仍然处于初期阶段。

无人机执行任务的过程中，着陆阶段是最容易出故障的阶段，实现无人机自动着降是提高无人机自主控制能力的重要环节。传统无人机由操作员通过无人机的机载摄像头由下行链路传回的视频图像控制，操纵无人机从一个坐标飞行到另一个坐标，这要求操作员熟悉无人机的飞行特性，以及当前位置和目标位置等详细信息。传统无人机在操作时所能依靠的自动系统非常有限，大部分工作还需要人工完成。因此，无人机自动导航和着陆方面是迫切需要提升的短板。

随着光学摄像技术、图像处理技术的发展，机器视觉导航技术已经成为无人机自主导航技术的重点。基于视觉的导航着陆系统只需要一个摄像头和一个机载图像处理单元，利用摄像头传回的实时视频图像来计算目标位置，辅助机载的导航控制系统控制无人机完成自主着陆。基于图像特征匹配实现目标的检测和跟随主要利用的图像特征有：

1)角点特征。2012年刘洪琼等在《计算机技术与自动化》发表论文“的角点跟踪算法”对视频稳定系统的角点跟踪算法的分析，针对图像旋转与局部物体运动情况，采取圆投影向量相关系数法对基于角点跟踪的运动估计算法进行改进，结合局部运动邻域相关算法剔除运动物体，并采用菱形快速搜索算法提高角点配准速度。

2)尺度不变特征(sift)。2015年Wensley,J.H.在Proceedings of the IEEE发表论文“An Efficient SIFT-Based Mode-Seeking Algorithm for Sub-PixelRegistration of Remotely Sensed Images”对尺度不变换特征转换特征匹配在遥感图像的多模匹配中遇到的问题提出了解决方案。指出在模式识别中每一个sift特征都和一个尺度、方向和位置相关，以此来排除无关的匹配点提高匹配的准确度。

3)加速鲁棒特性(surf)。2006Herbert Bay于2006年在ECCV大会上第一次在提出了这一旋转和尺度不变检测方法和描述子方法，surf使用海森矩阵的行列式值作特征点侦测并用积分图加速运算，检测速度比sift提高了数倍。

4)图像的颜色特征。图像的颜色特征描述的是图像的全局特征，其对图像的局部大小、方向、形状等变化不敏感，不能很好地得到图像的局部特征。

角点特征检测速度快，但受到图像噪声、光照等的影响，它的健壮性不是很好。Sift和Surf计算复杂，难以达到实时的要求，并且当视频中不存在目标图像时也能检测到特征点。

发明内容