CN109460046A - 一种无人机自然地标识别与自主着陆方法 - Google Patents
一种无人机自然地标识别与自主着陆方法 Download PDFInfo
- Publication number
- CN109460046A CN109460046A CN201811213147.3A CN201811213147A CN109460046A CN 109460046 A CN109460046 A CN 109460046A CN 201811213147 A CN201811213147 A CN 201811213147A CN 109460046 A CN109460046 A CN 109460046A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- point
- coordinate
- image
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000013316 zoning Methods 0.000 claims abstract description 4
- 230000009187 flying Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims 1
- 230000007812 deficiency Effects 0.000 abstract description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 108091092878 Microsatellite Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
- G05D1/0653—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing
- G05D1/0676—Rate of change of altitude or depth specially adapted for aircraft during a phase of take-off or landing specially adapted for landing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Astronomy & Astrophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种无人机自然地标识别与自主着陆方法属机器视觉导航技术领域,本发明根据给定的预着陆坐标在卫星数字地图上确定着陆区域,利用无人机在预着陆坐标拍摄航拍图像,将卫星数字地图与航拍图像进行滤波、灰度化、二值化处理、边缘特征提取和Hough变换,提取连续几何曲线,并采用加权Hausdorff距离匹配算法将二者进行匹配,根据格林定理计算无人机航拍图像中区域的形心相对于无人机的坐标,根据投影关系计算区域形心的空间坐标,并引导无人机在区域形心的空间坐标自主着陆。本发明能保证无人机在指定范围内自主识别最佳着陆点,并精准着陆,可弥补GPS导航下自主着陆误差大的不足,且自主着陆的安全性和可靠性得到提高。
Description
技术领域
本发明属机器视觉导航技术领域,具体涉及一种无人机自然地标识别与自主着陆方法。
背景技术
近年来,随着微惯导***、飞控***、微机电***和新型材料的发展,微型无人机的研究取得了极大的进展。其中旋翼式微小型无人机具有灵活性好、结构紧凑、成本低、获取数据快速等特点,应用范围也覆盖了众多领域,包括但不限于农药喷洒、地质勘测、搜寻和救援、货物运输和地图绘制等。由于人获取信息的反应速度与工作效率的局限性,这些任务尽可能的由无人机自主完成,通过既定程序或者无人机的自主规划实现自主起降、路径规划、避障和仿地飞行等动作,并保证作业过程的准确性和可靠性。
在无人机自主着陆方面,目前使用较多的为基于GPS导航的自主着陆方式,即由无人机自带的GPS传感器记录起飞时机体所处的地理坐标,或由人为指定某个地理坐标,在无人机着陆时,由GPS定位***引导无人机在所记录的地理坐标上空悬停并下降着陆。而GPS导航存在着受非空气介质干扰大,定位精度低等缺点,导致无人机在地处偏僻或遮挡物多的地区自主着陆误差大,无法精确的完成着陆任务。
基于机器视觉的无人机自主着陆方法是解决GPS***定位不准确的途径之一,目前在旋翼无人机上应用较多的为基于人工地标的自主着陆方法。而随着无人机在各个领域的应用越来越广泛,对无人机的环境适应能力要求也越来越高。一些特定的任务要求无人机在不宜放置人工地标的地点着陆,甚至要求无人机在特定的区域内自主寻找合适的着陆地点,这就要求无人机拥有识别自然地标的能力。因此,为了向无人机提供精准的导航信息,完成特定的自主着陆任务,亟需一种无人机的自然地标识别与自主着陆方法。
发明内容
本发明的目的在于针对上述已有技术存在的问题,提出一种基于机器视觉与卫星数字地图的无人机自然地标识别与自主着陆方法,利用卫星数字地图,在给定的预着陆坐标附近寻找合适的着陆区域,使无人机单目视觉***的航拍图像与卫星数字地图进行图像匹配,以消除GPS导航的误差,通过对无人机航拍图像的处理,在着陆区域内计算出最佳着陆点坐标,进行精准着陆。
本发明的无人机自然地标识别与自主着陆方法包括下列步骤:
1.1根据给定的预着陆坐标(X0,Y0,Z0),在卫星数字地图上确定一块轮廓是凸多边形的着陆区域P,先对区域P的图像进行滤波、灰度化和二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线,得到卫星数字地图上区域P的轮廓曲线Ⅰ和参考图像A,其中,二值化处理采用最大类间方差法;
1.2无人机飞行至给定的预着陆坐标上空,将航拍图像进行滤波、灰度化和二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线,得到卫星数字地图上区域P的轮廓曲线Ⅱ和实测图像B,其中,二值化处理同样采用最大类间方差法;
1.3将步骤1.1得到的参考图像A与步骤1.2得到的实测图像B进行匹配,在无人机航拍图像中确认着陆区域P;图像匹配采用加权Hausdorff距离匹配算法,包括下列步骤:
1.3.1在参考图像A与实测图像B中,采用3-4DT算法进行特征点集在二维空间中的距离转换,得到图像距离转换矩阵JA和JB;
1.3.2提取参考图像A和实测图像B中的分支点,并分别存储到矩阵A和B中;
1.3.3根据JA、JB、A和B计算加权Hausdorff距离:
H(A,B)=max(hWHD(A,B),hWHD(B,A))
其中:A、B是两个点集;Na是点集A中特征点的总数;a是属于A的一个特征点;d(a,B)是点集A上特征点a到点集B的距离;hWHD(A,B)代表从点集A到点集B的有向距离;hWHD(B,A)代表从点集B到点集A的有向距离;
具有最小Hausdorff距离的点就是最终匹配点,由此获取初步的定位信息;
1.3.4利用最小二乘算法对所有的匹配点对进行一一对应,来获取更为精确的位置信息;
1.4以无人机摄像头为坐标原点建立二维平面直角坐标系,根据格林定理计算无人机航拍图像中区域P的形心相对于无人机的坐标(xc,yc);
1.5根据投影关系计算区域P形心的坐标(Xc,Yc,Zc),具体包括:
1.5.1计算地面分辨率GSD:
其中:GSD表示地面分辨率(m);f为镜头焦距(mm);P为成像传感器的像元尺寸(mm);H为无人机对应的航高(m);
1.5.2计算影像对角线实际地面距离,根据影像的宽度w和高度h,得到图像对角线线之间的地面距离L:
其中:GSD表示地面分辨率(m);w为影像宽度;h为影像高度;
1.5.3根据影像中心点经纬度及区域P形心相对中心点的距离及方向角,求得区域P形心的地理坐标:
其中:θ0∈(0,2π);Lona为影像中心点的经度;Lata为影像中心点的纬度;Ri为赤道半径,取6378137m;Rj为极半径,取6356725m;
1.5.4进行地理坐标到空间坐标的转换,得到区域P形心的空间坐标(Xc,Yc,Zc):
其中:N为曲率半径;Lon为经度;Lat为纬度;H为高程;
1.6无人机飞行至空间坐标(Xc,Yc,Zc)上空,进行垂直方向着陆。
本发明能保证无人机在指定范围内自主识别最佳着陆点,并精准着陆,可弥补GPS导航下自主着陆误差大的不足,且自主着陆的安全性和可靠性得到提高。
附图说明
图1为无人机自然地标识别与自主着陆方法的流程图
具体实施方式
为使本发明中的目的、技术方案和优点更加清楚明白,以下本发明进一步详细说明。
步骤一,根据给定的预着陆坐标(X0,Y0,Z0),在卫星数字地图上确定一块合适的着陆区域P(要求该区域轮廓是凸多边形),先对区域P的图像进行滤波处理,灰度化处理,二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线得到卫星数字地图上区域P的轮廓曲线,得到参考图像A,其中,二值化处理选择最大类间方差法,假设T为选取的全局阈值,将图像所有像素点的像素按照T为分界线分为前景和背景,ω1和ω2分别表示属于背景和属于前景像素占整幅图像的比例,则:
其中:p(i)表示像素值为i的像素在图像中出现的概率。
μ0和μ1分别表示背景和前景像素点像素的平均值,μ为所有像素点的平均像素值,则:
该阈值对应的类间方差σ2(T)定义为:
σ2(T)=ω0(T)[μ0(T)-μ(T)]2+ω1(T)[μ1(T)-μ(T)]2=ω0(T)ω1(T)[μ0(T)-μ1(T)]2
遍历各个灰度值,找到类间方差最大对应的阈值T,即为所求阈值。
步骤二,无人机飞行至给定的预着陆坐标上空附近,将航拍图像进行滤波处理,灰度化处理,二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线得到卫星数字地图上区域P的轮廓曲线,得到实测图像B。其中,二值化处理同样选择最大类间方差法。
步骤三,将参考图像A与实测图像B进行匹配,在无人机航拍图像中确认着陆区域P。图像匹配采用加权Hausdorff距离匹配算法,具体步骤如下:
(1)在参考图像A与实测图像B中,采用3-4DT算法进行特征点集在二维空间中的距离转换,得到图像距离转换矩阵JA和JB;
(2)提取参考图像A和实测图像B中的分支点,并分别存储到矩阵A和B中;
(3)根据JA、JB、A和B计算加权Hausdorff距离:
H(A,B)=max(hWHD(A,B),hWHD(B,A))
其中:A、B是两个点集,Na是点集A中特征点的总数,a是属于A的一个特征点,d(a,B)是点集A上特征点a到点集B的距离,hWHD(A,B)、hWHD(B,A)分别代表了从点集A到点集B和从点集B到点集A的有向距离。
具有最小Hausdorff距离的点就是最终匹配点由此获取初步的定位信息。
(4)利用最小二乘算法对所有的匹配点对进行一一对应,来获取更为精确的位置信息。
步骤四,以无人机摄像头为坐标原点建立二维平面直角坐标系,计算无人机航拍图像中区域P的形心相对于无人机的坐标(xc,yc)。
根据格林定理,沿区域P的闭合轮廓积分:
离散化后,上式转化为:
步骤五,根据投影关系计算区域P形心的坐标(Xc,Yc,Zc):
(1)计算地面分辨率:
其中:GSD表示地面分辨率(m),f为镜头焦距(mm),P为成像传感器的像元尺寸(mm),H为无人机对应的航高(m)。
(2)计算影像对角线实际地面距离,根据影像的宽度w和高度h得到图像对角线线之间的地面距离:
(3)根据影像中心点经纬度及区域P形心相对中心点的距离及方向角,求得区域P形心的地理坐标:
其中:θ0∈(0,2π),Lona、Lata为影像中心点的经纬度,Ri为赤道半径取6378137m,Rj为极半径取6356725m。
(4)进行地理坐标转换到空间之间坐标系之间的转换
其中:N为曲率半径,Lon、Lat、H分别为经度、纬度和高程,得到区域P形心的空间坐标(Xc,Yc,Zc)。
步骤六,无人机飞行至空间坐标(Xc,Yc,Zc)上空,进行垂直方向着陆。
Claims (1)
1.一种无人机自然地标识别与自主着陆方法,其特征在于包括下列步骤:
1.1根据给定的预着陆X0,Y0,Z0坐标,在卫星数字地图上确定一块轮廓是凸多边形的着陆区域P,先对区域P的图像进行滤波、灰度化和二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线,得到卫星数字地图上区域P的轮廓曲线Ⅰ和参考图像A,其中,二值化处理采用最大类间方差法;
1.2无人机飞行至给定的预着陆坐标上空,将航拍图像进行滤波、灰度化和二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线,得到卫星数字地图上区域P的轮廓曲线Ⅱ和实测图像B,其中,二值化处理同样采用最大类间方差法;
1.3将步骤1.1得到的参考图像A与步骤1.2得到的实测图像B进行匹配,在无人机航拍图像中确认着陆区域P;图像匹配采用加权Hausdorff距离匹配算法,包括下列步骤:
1.3.1在参考图像A与实测图像B中,采用3-4DT算法进行特征点集在二维空间中的距离转换,得到图像距离转换矩阵JA和JB;
1.3.2提取参考图像A和实测图像B中的分支点,并分别存储到矩阵A和B中;
1.3.3根据JA、JB、A和B计算加权Hausdorff距离:
H(A,B)=max(hWHD(A,B),hWHD(B,A))
其中:A、B为两个点集;Na为点集A中特征点的总数;a是属于A的一个特征点;d(a,B)是点集A上特征点a到点集B的距离;hWHD(A,B)代表从点集A到点集B的有向距离;hWHD(B,A)代表从点集B到点集A的有向距离;
具有最小Hausdorff距离的点就是最终匹配点,由此获取初步的定位信息;
1.3.4利用最小二乘算法对所有的匹配点对进行一一对应,来获取更为精确的位置信息;
1.4以无人机摄像头为坐标原点建立二维平面直角坐标系,根据格林定理计算无人机航拍图像中区域P的形心相对于无人机的xc,yc坐标;
1.5根据投影关系计算区域P形心的Xc,Yc,Zc坐标,具体包括:
1.5.1计算地面分辨率GSD:
其中:GSD表示地面分辨率(m);f为镜头焦距(mm);P为成像传感器的像元尺寸(mm);H为无人机对应的航高(m);
1.5.2计算影像对角线实际地面距离,根据影像的宽度w和高度h,得到图像对角线线之间的地面距离L:
其中:GSD表示地面分辨率(m);w为影像宽度;h为影像高度;
1.5.3根据影像中心点经纬度及区域P形心相对中心点的距离及方向角,求得区域P形心的地理坐标:
其中:θ0∈(0,2π);Lona为影像中心点的经度;Lata为影像中心点的纬度;Ri为赤道半径,取6378137m;Rj为极半径,取6356725m;
1.5.4进行地理坐标到空间坐标的转换,得到区域P形心的空间坐标Xc,Yc,Zc:
其中:N为曲率半径;Lon为经度;Lat为纬度;H为高程;
1.6无人机飞行至空间坐标Xc,Yc,Zc上空,进行垂直方向着陆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811213147.3A CN109460046B (zh) | 2018-10-17 | 2018-10-17 | 一种无人机自然地标识别与自主着陆方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811213147.3A CN109460046B (zh) | 2018-10-17 | 2018-10-17 | 一种无人机自然地标识别与自主着陆方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109460046A true CN109460046A (zh) | 2019-03-12 |
CN109460046B CN109460046B (zh) | 2021-08-06 |
Family
ID=65607782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811213147.3A Active CN109460046B (zh) | 2018-10-17 | 2018-10-17 | 一种无人机自然地标识别与自主着陆方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109460046B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968112A (zh) * | 2019-12-12 | 2020-04-07 | 哈尔滨工程大学 | 一种基于单目视觉的无人机自主降落***及方法 |
CN111324145A (zh) * | 2020-02-28 | 2020-06-23 | 厦门理工学院 | 一种无人机自主着陆方法、装置、设备及存储介质 |
CN111626260A (zh) * | 2020-06-05 | 2020-09-04 | 贵州省草业研究所 | 一种基于无人机遥感技术的航拍相片地物特征点提取方法 |
CN112419374A (zh) * | 2020-11-11 | 2021-02-26 | 北京航空航天大学 | 一种基于图像配准的无人机定位方法 |
CN114998773A (zh) * | 2022-08-08 | 2022-09-02 | 四川腾盾科技有限公司 | 适用于无人机***航拍图像的特征误匹配剔除方法及*** |
CN115526896A (zh) * | 2021-07-19 | 2022-12-27 | 中核利华消防工程有限公司 | 一种火灾防控的方法、装置、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100095665A (ko) * | 2009-02-12 | 2010-09-01 | 한양대학교 산학협력단 | 탐침 표면 검사기의 자동 어프로치 방법, 탐침 표면 검사기의 자동 어프로치 장치 및 이를 구비하는 탐침 현미경 |
CN103424126A (zh) * | 2013-08-12 | 2013-12-04 | 西安电子科技大学 | 一种无人机视觉自主着陆仿真验证***及方法 |
CN105000194A (zh) * | 2015-08-13 | 2015-10-28 | 史彩成 | 基于地面合作标志的无人机助降视觉引导方法及机载*** |
CN105550994A (zh) * | 2016-01-26 | 2016-05-04 | 河海大学 | 一种基于卫星影像的无人机影像快速概略拼接方法 |
CN107063261A (zh) * | 2017-03-29 | 2017-08-18 | 东北大学 | 用于无人机精准着陆的多特征信息地标检测方法 |
-
2018
- 2018-10-17 CN CN201811213147.3A patent/CN109460046B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100095665A (ko) * | 2009-02-12 | 2010-09-01 | 한양대학교 산학협력단 | 탐침 표면 검사기의 자동 어프로치 방법, 탐침 표면 검사기의 자동 어프로치 장치 및 이를 구비하는 탐침 현미경 |
CN103424126A (zh) * | 2013-08-12 | 2013-12-04 | 西安电子科技大学 | 一种无人机视觉自主着陆仿真验证***及方法 |
CN105000194A (zh) * | 2015-08-13 | 2015-10-28 | 史彩成 | 基于地面合作标志的无人机助降视觉引导方法及机载*** |
CN105550994A (zh) * | 2016-01-26 | 2016-05-04 | 河海大学 | 一种基于卫星影像的无人机影像快速概略拼接方法 |
CN107063261A (zh) * | 2017-03-29 | 2017-08-18 | 东北大学 | 用于无人机精准着陆的多特征信息地标检测方法 |
Non-Patent Citations (2)
Title |
---|
李宇 等: "基于视觉的无人机自主着陆地标识别方法", 《计算机应用研究》 * |
陈勇 等: "新型的无人机自主着陆地标设计与研究", 《电子科技大学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110968112A (zh) * | 2019-12-12 | 2020-04-07 | 哈尔滨工程大学 | 一种基于单目视觉的无人机自主降落***及方法 |
CN111324145A (zh) * | 2020-02-28 | 2020-06-23 | 厦门理工学院 | 一种无人机自主着陆方法、装置、设备及存储介质 |
CN111324145B (zh) * | 2020-02-28 | 2022-08-16 | 厦门理工学院 | 一种无人机自主着陆方法、装置、设备及存储介质 |
CN111626260A (zh) * | 2020-06-05 | 2020-09-04 | 贵州省草业研究所 | 一种基于无人机遥感技术的航拍相片地物特征点提取方法 |
CN112419374A (zh) * | 2020-11-11 | 2021-02-26 | 北京航空航天大学 | 一种基于图像配准的无人机定位方法 |
CN112419374B (zh) * | 2020-11-11 | 2022-12-27 | 北京航空航天大学 | 一种基于图像配准的无人机定位方法 |
CN115526896A (zh) * | 2021-07-19 | 2022-12-27 | 中核利华消防工程有限公司 | 一种火灾防控的方法、装置、电子设备及可读存储介质 |
CN114998773A (zh) * | 2022-08-08 | 2022-09-02 | 四川腾盾科技有限公司 | 适用于无人机***航拍图像的特征误匹配剔除方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109460046B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460046A (zh) | 一种无人机自然地标识别与自主着陆方法 | |
CN109992006B (zh) | 一种电力巡检无人机的精准回收方法和*** | |
CN106054929B (zh) | 一种基于光流的无人机自动降落引导方法 | |
CN104049641B (zh) | 一种自动降落方法、装置及飞行器 | |
Gui et al. | Airborne vision-based navigation method for UAV accuracy landing using infrared lamps | |
Martínez et al. | On-board and ground visual pose estimation techniques for UAV control | |
CN103822635B (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
CN103411609B (zh) | 一种基于在线构图的飞行器返航路线规划方法 | |
CN105644785B (zh) | 一种基于光流法和地平线检测的无人机着陆方法 | |
WO2018035835A1 (en) | Methods and system for autonomous landing | |
CN110569838A (zh) | 一种基于视觉定位的四旋翼无人机自主降落方法 | |
CN108426576B (zh) | 基于标识点视觉导航与sins的飞行器路径规划方法及*** | |
CN111024072B (zh) | 一种基于深度学习的卫星地图辅助导航定位方法 | |
Choi et al. | BRM localization: UAV localization in GNSS-denied environments based on matching of numerical map and UAV images | |
CN110221625A (zh) | 无人机精确位置的自主降落导引方法 | |
CN110058604A (zh) | 一种基于计算机视觉的无人机精准降落*** | |
CN109341686B (zh) | 一种基于视觉-惯性紧耦合的飞行器着陆位姿估计方法 | |
KR102289752B1 (ko) | Gps 음영 지역에서 경로 비행을 수행하는 드론 및 그 방법 | |
CN107063261A (zh) | 用于无人机精准着陆的多特征信息地标检测方法 | |
CN110083177A (zh) | 一种基于视觉着陆的四旋翼飞行器及控制方法 | |
CN114815871A (zh) | 一种基于视觉的垂直起降无人机动平台自主降落方法 | |
CN109857128A (zh) | 无人机视觉定点降落方法、***、设备及存储介质 | |
CN116578035A (zh) | 基于数字孪生技术的旋翼无人机自主降落控制*** | |
CN114689030A (zh) | 一种基于机载视觉的无人机辅助定位方法及*** | |
CN109764864B (zh) | 一种基于颜色识别的室内无人机位姿获取方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |