一種無人機著陸視覺導航合作目標魯棒檢測方法

2023-05-29 12:53:41

專利名稱：一種無人機著陸視覺導航合作目標魯棒檢測方法
技術領域：
本發明是一種面向工程應用的視覺導航技術，歸屬於導航技術領域，具體涉及一種無人機著陸視覺導航合作目標魯棒檢測方法。
背景技術：
計算機視覺技術由於其無源、自主以及信息量大等優點，在許多領域都有廣泛的應用。利用視覺傳感器與其它傳感器相結合的機載自主著陸導航方式成為近年來的研究熱點。國內外很多研究機構都對此項工作展開了研究，如國外的加州的伯克利分校、南加州大學、佛羅裡達大學等，國內的西工大、北航、南航以及清華大學等。對於合作目標的檢測是整個視覺導航著陸方法中最為關鍵的部分，它的檢測精度和速度直接影響著導航參數的解算性能。目前，國內外的研究機構通過自己設計的特徵圖案可以完成合作目標的檢測，通常適用於背景較單純，合作目標拍攝理想的情況下。由於機載攝像機受到飛機姿態的影響很可能使拍攝到的合作目標出現大尺度畸變，而且所拍攝到的背景會有很多非合作目標，以及其他幹擾因素，對此，在目前的研究成果尚未發現合適的檢測方法。

發明內容
要解決的技術問題為了避免現有技術的不足之處，本發明提出一種無人機著陸視覺導航合作目標魯棒檢測方法，技術方案一種無人機著陸視覺導航合作目標魯棒檢測方法，其特徵在於步驟如下步驟I合作目標的設計採用紅色方形作為大背板，用螢光綠色的H和小正三角形作為合作目標，並將小正三角形放置於H形斜下方45度方向；步驟2圖像預處理採用自適應閾值分割對圖像進行閾值分割，R(i，j) >90&&R(i, j) ~2>2*(G(i，j) ~2+B(i, j) ~2);然後進行中值濾波，腐蝕以及膨脹預處理，分離出目標和背景；其中，R(i，j)、G(i，j)和B(i，j)分別為圖像的紅色、綠色以及藍色分量；步驟3合作目標提取對圖像進行邊緣提取，在提取的邊緣中選取封閉輪廓並按輪廓周長從大到小排序，其中最長的為紅色背板輪廓，次長的為H形輪廓，另一個為正三角形輪廓； 步驟4對H形輪廓進行MPP角點檢測利用MPP法對H形輪廓提取角點，得到具有順時針方向的角點；步驟5H形輪廓上MPP角點初始位置的確定將正三角形輪廓上每個點的橫、縱坐標分別求和，然後除以輪廓上的點數得到小三角形上的重心；在H形輪廓上的MPP點找出距離該重心最近的MPP點，以該點作為起點,將H形上的MPP點按順時針重新排序；步驟6 以斜率和距離雙重約束剔除MPP角點中的偽角點，得到所需數目的MPP角佔.
^ \\\ 斜率約束設X(i-l)、X(i)、X(i+l)分別為前一角點、當前角點以及下一角點的橫坐標，y (i-1)、y (i)、y (i+1)為對應點的縱坐標，kl、k2分別為當前角點和前一角點連線的向量，下一角點和當前角點連線的向量，k為kl與k2的夾角餘弦值，夾角取值範圍為O到180度,表達式如下kl = (x (i-1) -χ (i), y (i~l) ~y (i))k2 = (x (i) -x (i+1), y (i) -y (i+1)) r- R1 & 麵給定斜率值記為Thresh，當滿足k > Thresh時，將當前角點記為待剔除角點；距離約束將待剔除的角點與前一角點求距離，如果他們之間的距離小於所設定的距離閾值則將該待剔除的角點剔除，否則保留該角點；距離約束的條件表達式如下(χ⑴-χ(i_l))2+ (y ⑴-y (i_l))2 < Dis其中Dis為設定的距離閾值；步驟7 :對H形輪廓進行Harris角點提取；步驟8 :將Harris提取的角點和經過約束後的MPP角點進行匹配，其匹配原則是將MPP法的每一個角點找到與它對應距離最小的Harris角點，按順時針排列Harris角點，最終得到精度高並具有方向性的H形角點。所述Thresh 選為 O. 9。所述Dis選取為10。有益效果本發明提出的一種無人機著陸視覺導航合作目標魯棒檢測方法，在複雜背景下以及合作目標發生大尺度畸變時，對合作目標精確檢測的方法。本發明以無人機自主安全著陸為研究背景，為解決機載攝像機拍攝的合作目標畸變大以及圖像中含有很多非合作目標的問題，設計了一種Harris法結合MPP法的角點檢測算法,該方法有效的結合了 Harris角點檢測精度高以及MPP法角點具有方向性的優點，使得本發明可以在複雜背景下以及合作目標出現大尺度畸變時都可以完成合作目標魯棒檢測，實現旋翼無人機安全、自主著陸。該方法檢測精度高、抗幹擾能力強、實時性好以及工程上易於實現，對基於視覺導航的無人機著陸方法具有重要的指導意義。本發明方案與傳統無人機視覺導航著陸合作目標檢測系統相比具有以下優勢I、可以解決複雜背景下，拍攝的合作目標出現大尺度畸變條件下，合作目標精確檢測問題。2、本方案所提供的測試方法，可以為真實飛機著陸提供地面數據的前期驗證以及前期數據優化與性能改進工作。3、本方案的實施，解決了飛機著陸精度差、需要昂貴的輔助設備引導問題。4、本方案實施方便、靈活，具有發展前景以及工程應用價值。


圖I :無人機著陸視覺導航合作目標魯棒檢測方法原理圖
具體實施例方式現結合實施例、附圖對本發明作進一步描述以下對本發明方法作進一步具體的描述，各部分具體實施步驟細節如下I.合作目標的設計採用紅色方形作為大背板，用螢光綠色的H和小正三角形作為合作目標，並將小正三角形放置於H形斜下方45度方向。
2.圖像預處理對圖像進行閾值分割，中值濾波，腐蝕以及膨脹等預處理，以分離出目標和背景。閾值分割方法採用自適應閾值分割，公式如下所示R(i, j) > 90&&R(i, j) ~2>2*(G(i, j) ~2+B(i, j) ~2) (I)其中，R(i，j)、G(i，j)和B(i，j)分別為圖像的紅色、綠色以及藍色分量。3.合作目標的提取在圖像預處理完後，對圖像進行邊緣提取，在提取的邊緣中選取封閉輪廓並按輪廓周長從大到小排序，其中最長的為紅色背板輪廓，次長的為H形輪廓，另一個為正三角形輪廓。4.利用MPP法檢測合作目標角點在得到H形和小三角形輪廓後，利用MPP法檢測H形輪廓角點。MPP法的原理在岡薩雷斯出版的《數字圖像處理》一書中有詳細的理論介紹，MPP法的主要思想是是首先對合作目標圖像進行輪廓跟蹤，本發明採用的是Freeman跟蹤法，其中採用的是8-方向鏈碼，然後利用最小多邊形周長原理，提取合作目標輪廓上檢測出來的角點。該方法可以保證提取的角點在合作目標上而且具有方向性，受噪聲影響小，有很強的魯棒性，但是其主要缺點是會檢測出合作目標邊緣上的一些偽角點，而且檢測出的角點可能存在一些偏差。5.將MPP法檢測到角點進行排序由於MPP法檢測出的角點順序是隨機排列的，當合作目標發生尺度畸變後，其角點的順序難以確定。本發明利用小三角形信息來對MPP法提取的角點排序。即將正三角形輪廓上每個點的橫、縱坐標分別求和然後除以輪廓上的點數，就可得到小三角形上的重心。在H形輪廓上的MPP點找出距離該重心最近的MPP點，以該點作為起點，將H形上的MPP點按順時針重新排序，即可得到所需的順序。6.剔除MPP法檢測出的偽角點由於在圖像預處理階段進行了濾波、邊緣提取、以及為了防止邊緣斷裂而進行的邊緣聯通，使得MPP提取的角點中有很多偽角點，因此提出斜率約束和距離約束這雙重約束剔除偽角點。6. I斜率約束設x(i-l)、x(i)、x(i+l)分別為前一角點、當前角點以及下一角點的橫坐標，y (i-1)、y (i)、y (i+1)為對應點的縱坐標，kl、k2分別為當前角點和前一角點連線的向量，下一角點和當前角點連線的向量，k為kl與k2的夾角餘弦值，夾角取值範圍為O到180度。表達式如式(2)、(3)和(4)所示。kl = (χ (i_l)-χ (i)，y (i_l)-y (i)) (2)
k2 = (x(i)-x(i+l), y (i)-y (i+1)) (3)
_ k=m；\ ⑷給定斜率值記為Thresh，當滿足(5)式時，把當前角點記為待剔除角點，本發明Thresh 選取為 O. 9。k > Thresh (5)6. 2距離約束將待剔除的角點與前一角點求距離，如果他們之間的距離小於所設定的距離閾值則將該待剔除的角點剔除，否則保留該角點。距離約束的條件表達式如式(6)所示，其中Dis為設定的距離閾值，本發明Dis選取為10。
(x(i)-X(i-1))2+(y (i)-y (i-Ι))2 < Dis (6)經過斜率約束和距離約束後，得到所需的MPP角點。5.對H形輪廓進行Harris角點提取對H形輪廓進行Harris角點提取，其中Harris的主要原理是取以目標像素點為中心的一個小窗口，計算窗口沿任何方向移動後的灰度變化，並用解析形式表達。設以像素點(x，y)為中心的小窗口在X方向上移動U，y方向上移動V，Harris給出了灰度變化度量的解析表達式Exty ==Σ ,("備+I，備+ ^2+ν2))2(7)其中，Ex，y為窗口內的灰度變化度量;wx，y為窗口函數,一般定義為=eu+j2)<T;I為圖像灰度函數，略去無窮小項有Ex y =Σ wx；y[u2 (Ix) 2+v2 (Iy) 2+2uvIxIy] = Au2+2Cuv+Bv2 (8)將Ex，y化為二次型有
u.E =[u v]M(9)
^VM為實對稱矩陣M=jyx'v χ Ιχ :y(10)
^ y y _通過對角化處理得到Exy = R °λ/ (H)其中，R為旋轉因子，對角化處理後並不改變以U，V為坐標參數的空間曲面的形狀，其特徵值反應了兩個主軸方向的圖像表面曲率。當兩個特徵值均較小時，表明目標點附近區域為「平坦區域」;特徵值一大一小時，表明特徵點位於「邊緣」上；只有當兩個特徵值均比較大時，沿任何方向的移動均將導致灰度的劇烈變化。Harris的角點響應函數(CRF)表達式由此而得到CRF (x, y) = det (M) -k (trace (M))2 (12)其中det(M)表示矩陣M的行列式，trace (M)表示矩陣的跡。當目標像素點的CRF值大於給定的閾值時，該像素點即為角點。Ij^PIy分別為X方向和y方向的梯度；《為卷積；Det為矩陣的行列式；Tr為矩陣的跡；k為經驗值，本發明取為O. 06。該方法檢測 精度高，但是容易受到噪聲幹擾，而且當合作目標出現大尺度畸變時難以確定角點的順序。6. MPP角點與Harris角點的匹配。在經過上述步驟後，將Harris提取的角點和經過約束後的MPP角點進行匹配，其匹配原則主要是將MPP法的每一個角點找到與它對應距離最小的Harris角點，從而可以得到按順時針排序的Harris角點，最終就可以得到精度高並具有方向性的H形角點。經過上述步驟，最終可以完成合作目標角點的精確、快速檢測，實現整個旋翼無人機視覺導航自主著陸合作目標魯棒檢測。
權利要求
1.一種無人機著陸視覺導航合作目標魯棒檢測方法，其特徵在於步驟如下 步驟I合作目標的設計採用紅色方形作為大背板，用螢光綠色的H和小正三角形作為合作目標，並將小正三角形放置於H形斜下方45度方向； 步驟2圖像預處理採用自適應閾值分割對圖像進行閾值分割，R(i，j) > 90&&R(i,j)~2>2*(G(i，j)~2+B(i，j)~2);然後進行中值濾波，腐蝕以及膨脹預處理，分離出目標和背景；其中，R(i，j)、G(i，j)和B(i，j)分別為圖像的紅色、綠色以及藍色分量； 步驟3合作目標提取對圖像進行邊緣提取，在提取的邊緣中選取封閉輪廓並按輪廓周長從大到小排序，其中最長的為紅色背板輪廓，次長的為H形輪廓，另一個為正三角形輪廓； 步驟4對H形輪廓進行MPP角點檢測利用MPP法對H形輪廓提取角點，得到具有順時針方向的角點； 步驟5H形輪廓上MPP角點初始位置的確定將正三角形輪廓上每個點的橫、縱坐標分別求和，然後除以輪廓上的點數得到小三角形上的重心；在11形輪廓上的MPP點找出距離該重心最近的MPP點，以該點作為起點,將H形上的MPP點按順時針重新排序；步驟6 :以斜率和距離雙重約束剔除MPP角點中的偽角點，得到所需數目的MPP角點；斜率約束設x(i-l)、x(i)、x(i+l)分別為前一角點、當前角點以及下一角點的橫坐標，y (i-1)、y (i)、y (i+1)為對應點的縱坐標，kl、k2分別為當前角點和前一角點連線的向量，下一角點和當前角點連線的向量，k為kl與k2的夾角餘弦值，夾角取值範圍為O到180度，表達式如下 給定斜率值記為Thresh，當滿足k > Thresh時，將當前角點記為待剔除角點； 距離約束將待剔除的角點與前一角點求距離，如果他們之間的距離小於所設定的距離閾值則將該待剔除的角點剔除，否則保留該角點；距離約束的條件表達式如下(x(i)-x(i-l))2+(y(i)-y(i-1))2 < Dis其中Dis為設定的距離閾值； 步驟7 :對H形輪廓進行Harris角點提取； 步驟8 :將Harr i s提取的角點和經過約束後的MPP角點進行匹配，其匹配原則是將MPP法的每一個角點找到與它對應距離最小的Harris角點,按順時針排列Harris角點,最終得到精度高並具有方向性的H形角點。
2.根據權利要求I所述無人機著陸視覺導航合作目標魯棒檢測方法，其特徵在於 所述Thresh選為O. 9。
3.根據權利要求I所述無人機著陸視覺導航合作目標魯棒檢測方法，其特徵在於 所述Dis選取為10。
全文摘要
本發明涉及一種無人機著陸視覺導航合作目標魯棒檢測方法，解決了機載攝像機拍攝的合作目標畸變大以及圖像中含有很多非合作目標，而造成合作目標難以準確檢測的問題。設計了以紅色方形作為大背板，用螢光綠色的H和小正三角形作為合作目標，提出MPP法和Harris法相結合的角點檢測算法來實現合作目標在複雜環境以及大尺度畸變時角點的精確檢測，該方法有效的結合了Harris角點檢測精度高以及MPP法角點具有方向性的優點。與傳統的無人機視覺導航著陸合作目標檢測方案相比，本發明不僅易於實現，而且可以有效地解決複雜背景大尺度畸變情況下的合作目標檢測問題。不僅提高了檢測的準確性，而且便於工程實現，對無人機自主安全著陸具有重要的意義。
文檔編號G01C21/00GK102914302SQ20121033668
公開日2013年2月6日 申請日期2012年9月12日 優先權日2012年9月12日
發明者馬旭, 程詠梅, 郝帥, 趙建濤, 王濤, 睢志佳, 孔若男, 宋林, 劉楠, 杜立一, 阮小明 申請人:西北工業大學