无人机视觉着陆中的模糊图像恢复和位姿估计技术研究

论文摘要

为了实现无人机自主精确着陆,本课题组提出了基于合作目标和计算机视觉的无人机自主着陆导引技术。由于机载视觉系统处于一个运动平台上,会使拍摄的图像存在运动模糊,因而需要进行图像模糊恢复和无人机位姿估计技术研究。首先,采用基于方向微分的加权平均法鉴别运动模糊方向。但是研究中发现运动模糊方向鉴别受图像中目标形状的影响,本文基于目标不可能同时出现在图像四角的考虑,提出了鉴别图像四角替代整幅图像的思想,完善了现有的基于方向微分的加权平均法,扩大了其应用范围。为进一步减少计算量,采用先粗后精的运动模糊方向搜索策略。实验结果表明,改进后的基于方向微分的加权平均法耗时仅为现有方法的29.27%,鉴别结果的均方误差为现有方法的65.98%。其次,本文根据鉴别的运动模糊方向将模糊图像旋转到水平轴,利用模糊图像的模糊度内的像素点之间的相关性估计模糊尺度。最后,利用估计出来的点扩散函数对模糊图像进行维纳滤波,得到了恢复效果较好的图像。在基于合作目标和计算机视觉的无人机自主着陆导引中,利用sobel算子检测合作目标的边缘特征,然后利用链码进行轮廓跟踪。选取链码上的一点为起始点,顺时针计算链码上各点与T型头部直线的距离,根据距离的阈值将链码上的点分割几段,然后去掉部分点再分别拟合成直线,求直线交点得到合作目标的十个特征点。再设定与无人机着陆相关的坐标系及其之间的转换关系,利用提取出的特征点,采用Tsai算法求解出无人机相对于跑道坐标系的位置和姿态角参数,实验表明本方法能够提取得到无人机自主着陆导引参数。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 论文安排
• 1.4 创新点
• 第二章 合作目标的运动模糊判定与恢复
• 2.1 运动模糊恢复现状
• 2.2 模糊图像的退化模型
• 2.3 鉴别合作目标运动模糊方向
• 2.3.1 基于方向微分的运动模糊方向鉴别
• 2.3.2 基于方向微分和加权平均的运动模糊方向鉴别
• 2.3.3 基于方向微分的加权平均法的算法改进及实现
• 2.3.4 运动模糊方向鉴别结果对比
• 2.4 合作目标运动模糊尺度鉴别
• 2.4.1 运动模糊尺度鉴别原理
• 2.4.2 运动模糊尺度鉴别算法流程
• 2.4.3 运动模糊尺度鉴别结果
• 2.5 维纳滤波法恢复运动模糊
• 2.5.1 维纳滤波原理
• 2.5.2 维纳滤波实验结果
• 2.6 本章小结
• 第三章 合作目标的特征点的提取
• 3.1 边缘检测
• 3.2 轮廓跟踪
• 3.2.1 链码表
• 3.2.2 轮廓跟踪
• 3.3 合作目标特征点的提取
• 3.3.1 合作目标的质心主轴
• 3.3.2 特征点的提取
• 3.3.3 实验结果
• 3.4 本章小结
• 第四章 无人机的位姿估计
• 4.1 常用坐标系
• 4.1.1 图像坐标系
• 4.1.2 摄像机坐标系与世界坐标系
• 4.1.3 机体坐标系与姿态角
• 4.2 基于TSAI 算法的无人机位姿估计
• 4.2.1 径向排列约束（RAC）
• 4.2.2 RAC 两步法标定过程
• 4.3 无人机的姿态角估计
• 4.4 无人机位姿估计的实验结果
• 4.5 本章小结
• 第五章 总结及展望
• 5.1 本文的主要工作
• 5.2 研究展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文