基于视觉的机场跑道识别与飞行参数估计

论文摘要

计算机视觉具有经济、无源、信息丰富等特点,是无人机自主着陆中的重要信息源,对基于视觉的无人机自主着陆相关技术进行研究具有重要意义。本文以“973-无人作战飞机系统”项目为背景,以某型无人机试飞过程中拍摄的着陆场景图像为研究对象,对机场跑道识别和飞行参数估计方法进行了研究。首先,本文研究了着陆场景图像中的跑道识别算法。针对着陆场附近跑道图像较模糊的特点,研究了一种基于Census变换、主分量分析及支持向量机的跑道区域检测算法,并进行了实验验证。实验结果表明该方法对于着陆场附近的跑道图像具有较好的检测效果。其次,改进了着陆场地平线和跑道边缘线的检测算法,有效地去除非跑道边缘线的像素点,提高了检测的准确率。为了直观地演示整个着陆过程中的边缘检测效果,在VC++环境下开发了边缘检测算法演示平台。最后,研究了着陆过程中飞行参数的获取方法。本文利用最小二乘法获取地平线和跑道边缘线方程,结合光学测量技术得到飞行参数。并进行了物理模拟实验研究,证明了该方法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 无人机着陆导引技术
• 1.1.1 无人机着陆导引系统种类
• 1.1.2 无人机着陆导引系统的技术要求
• 1.2 基于视觉的无人机自主着陆
• 1.2.1 基于视觉的无人机自主着陆简介
• 1.2.2 国内外研究现状
• 1.3 本文研究内容
• 第二章 机场跑道识别
• 2.1 引言
• 2.2 算法原理
• 2.2.1 Census 变换及其直方图
• 2.2.2 基于PCA 的跑道区域初选
• 2.2.3 支持向量机方法
• 2.3 实验结果与分析
• 2.4 本章小结
• 第三章 进场着陆段的图像预处理
• 3.1 引言
• 3.2 边缘检测
• 3.2.1 边缘检测方法
• 3.2.2 边缘检测结果
• 3.3 获取地平线
• 3.4 获取跑道左边缘线
• 3.5 获取跑道右边缘线
• 3.6 边缘检测演示平台
• 3.6.1 视频控制
• 3.6.2 图像获取
• 3.7 实验结果分析
• 3.8 本章小结
• 第四章 飞行参数估计
• 4.1 获取地平线和跑道边缘线方程
• 4.2 获取飞行参数
• 4.2.1 坐标系设定
• 4.2.2 视觉成像系统线性模型
• 4.2.3 无人机姿态角的测定
• 4.2.4 获取无人机距离跑道距离
• 4.3 解算飞行参数
• 4.4 实验研究
• 4.4.1 实验方案
• 4.4.2 试验装置
• 4.4.3 实验过程
• 4.4.4 实验结果及实验分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 全文总结
• 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
• 附录