无人机着陆位姿参数视觉估计研究

论文摘要

本文的研究内容源于一项机载视觉辅助着陆系统项目。根据项目需求，本文对固定翼无人机进场着陆过程中，利用机载视觉系统实现无人机位置和姿态参数的估计进行了研究。首先，本文研究了从着陆图像中快速提取特征直线的方法。根据天空和地面区域在蓝色分量上的差异，利用Otsu分类和RANSAC直线估计，实现了天地分割和地平线粗提取。通过抽样金字塔处理，在保证边缘直线提取精度的情况下，降低了灰度图像处理的计算量；通过对基于相位编组的Hough变换直线提取算法进行改进，不仅扩展了该算法的适用范围，还提高了算法的实时性与精确性。其次，研究了机载位姿参数视觉估计系统的硬件及软件构成。根据位姿参数视觉估计系统的主要功能，组建了系统的硬件平台；并对系统的软件进行了开发，包括软件的任务规划、线程的设计，应用程序总体实现流程，图像处理和位姿参数估计算法函数模块等。然后，为了验证位姿参数视觉估计系统的性能，搭建了一套以DM642开发板为核心的半物理仿真验证系统，用于在实验室环境下，模拟无人机由远及近的着陆过程，从而对位姿参数视觉估计系统在动态过程中的性能进行实验验证。最后，进行了半物理仿真实验，实验结果表明，本文所研究的位姿参数视觉估计系统能准确提取出所需的特征直线，估计出精度较高的无人机位姿参数，且具有较好的实时性。

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 国内外研究现状及分析
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文研究特点及目标
• 1.3.1 固定翼无人机视觉着陆过程的定义
• 1.3.2 机场环境描述
• 1.3.3 课题研究目标
• 1.4 本文内容安排
• 第二章 位姿参数视觉估计算法研究
• 2.1 引言
• 2.2 基于蓝色分量的地平线粗提取
• 2.2.1 图像蓝色分量分析
• 2.2.2 最大类间方差法
• 2.2.3 RANSAC 直线估计
• 2.2.4 地平线粗提取
• 2.2.5 实验结果与分析
• 2.3 机场灰度图像预处理
• 2.3.1 图像多分辨率处理
• 2.3.2 图像滤波
• 2.3.3 图像边缘检测
• 2.4 机场图像特征直线提取
• 2.4.1 相位编组与 Hough 变换
• 2.4.2 最小二乘法直线拟合
• 2.4.3 基于相位编组的 Hough 变换直线提取方法
• 2.4.4 直线提取算法改进
• 2.4.5 实验结果与分析
• 2.5 图像处理算法实时性分析
• 2.6 位姿参数估计方法
• 2.6.1 机器视觉算法基础
• 2.6.2 姿态角估计
• 2.6.3 位置估计
• 2.7 本章小结
• 第三章 位姿参数视觉估计系统开发
• 3.1 引言
• 3.2 位姿参数视觉估计系统方案设计
• 3.2.1 位姿参数视觉估计系统设计要求
• 3.2.2 系统总体结构
• 3.3 位姿参数视觉估计系统硬件平台
• 3.3.1 图像处理模块
• 3.3.2 图像采集模块
• 3.3.3 外扩存储器模块
• 3.3.4 串口通信模块
• 3.4 位姿参数视觉估计系统软件设计
• 3.4.1 软件任务规划与线程设计
• 3.4.2 位姿参数视觉估计系统软件实现流程
• 3.4.3 图像处理及参数估计算法软件设计与实现
• 3.5 本章小结
• 第四章 仿真验证系统设计及实验
• 4.1 引言
• 4.2 仿真验证系统设计
• 4.2.1 需求分析
• 4.2.2 硬件方案设计
• 4.2.3 无人机运动的模拟
• 4.3 半物理仿真实验
• 4.3.1 实验用模拟场景搭建
• 4.3.2 相机内参数的标定
• 4.3.3 半物理仿真实验与结果分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 本文的主要工作
• 5.2 相关研究工作的展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文