CN109613926A - 多旋翼无人机自动降落高精度自动识别降落区域的方法 - Google Patents
多旋翼无人机自动降落高精度自动识别降落区域的方法 Download PDFInfo
- Publication number
- CN109613926A CN109613926A CN201811575599.6A CN201811575599A CN109613926A CN 109613926 A CN109613926 A CN 109613926A CN 201811575599 A CN201811575599 A CN 201811575599A CN 109613926 A CN109613926 A CN 109613926A
- Authority
- CN
- China
- Prior art keywords
- region
- unmanned aerial
- aerial vehicle
- high precision
- image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000003287 optical effect Effects 0.000 claims description 6
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification 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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种多旋翼无人机自动降落高精度自动识别降落区域的方法,通过机载摄像头对地面图像进行拍照,然后确定图像中是否有降落目标,完成对目标区域进行初步识别之后,再将目标图像分割出来,然后通过坐标转换,进行无人机位姿估计。该多旋翼无人机自动降落高精度自动识别降落区域的方法,实现了无人机飞行高度在50cm‑180cm,水平距离在30cm‑240cm范围,横滚角≤20°、偏航角≤50°、俯仰角≤80°时,误差不超过5cm的高精度自动降落。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种多旋翼无人机自动降落高精度自动识别降落区域的方法。
背景技术
多旋翼无人机,是一种具有三个及以上旋翼轴的特殊的无人驾驶旋翼飞行器。其可以由一个有飞行技能的人来操控或根据预先设置的飞行程序来飞行。目前使用的无人机通常有自动驾驶及导航***,可保持飞行姿态、飞行高度及机型地面跟踪。如果要完成对目标区域的高精度自动降落,完成对目标区域的高精度自动识别为首要条件。
因此,本发明提供一种多旋翼多旋翼无人机自动降落高精度自动识别降落区域的方法,通过对目标区域的高精度自动识别,实现了无人机飞行高度在50cm-180cm,水平距离在30cm-240cm范围,横滚角≤20°、偏航角≤50°、俯仰角≤80°时,误差不超过5cm的高精度自动降落。
发明内容
有鉴于此,本发明提出了一种多旋翼无人机自动降落高精度自动识别降落区域的方法,解决了多旋翼无人机在远程自动降落时依靠GPS等无法做到精确定位的问题。
本发明的技术方案是这样实现的:本发明提供了一种多旋翼无人机自动降落高精度自动识别降落区域的方法,包括以下步骤,
S1,通过无人机机载摄像头对地面图像进行拍摄;
S2,确定图像中是否有降落目标;
S3,当检测到图像中存在降落目标后,对目标图像区域进行初步识别;
S4,将目标图像分割出来;
S5,通过坐标转换,进行无人机位姿估计。
在以上技术方案的基础上,优选的,所述步骤S2中的降落目标包括一正六边形、一等边三角形和两同心圆,其中,两同心圆依次同轴嵌套在正六边形内,等边三角形同轴嵌套在半径较小的同心圆内,等边三角形三条边分别与正六边形三条边平行,假设等边三角形内的区域为区域A,等边三角形和较小的同心圆之间的区域为区域B,两同心圆之间的区域为区域C,半径较大的同心圆和正六边形之间的区域为区域D,所述区域A、B、C和D的填充颜色各不相同。
进一步优选的,所述区域A填充黄色,区域B填充红色,区域C填充绿色,区域D填充蓝色。
再进一步优选的,所述步骤S2中,将机载摄像头拍摄的地面图像转化为HSI模式后,依据RGB像素比例确定图像中是否有降落目标。
更进一步优选的,确定图像中是否有降落目标的公式如下,
其中,H、Y、G分别是红色像素、黄色像素和绿色像素的个数,N为总像素个数,φ为图像所有像素点的集合,xi为图像像素点,T1为红色像素的阈值,T2为黄色像素的阈值,T3为绿色像素的阈值。
进一步优选的,所述步骤S3中,目标图像区域的初步识别方法为利用Ratio边缘检测算法进行检测,同时采用直方图均衡化对图像进行修正。
进一步优选的,所述步骤S4中,采用最小二乘法进行降落目标边缘的椭圆拟合,包括以下过程,令椭圆位置参数a=[auu,avv,auv,au,av,a0],w=[u,v],则椭圆表达式为:F(a,w)=auuu2+avvv2+auvuv+auu+avv+a0=0,其中,a代表误差求和的最小值,auu、aw、au、av和a0代表椭圆的位置参数,w代表u和v区间内的任意点,u和v代表坐标位置,
其中,Ω代表椭圆坐标,原点和长短半轴的计算公式,ui代表u方向的坐标值,u0代表u方向的起始坐标值,vi代表v方向的坐标值,v0代表v方向的起始坐标值,m和n分别表示椭圆的长短半轴,i和j分别表示代表Ω和C集合中的一个子元素;
同时满足上式的点即为需要检测出的六边形的边缘。
再进一步优选的,所述步骤S4中,当降落目标边缘的六边形确定后,根据同心圆半径与六边形的关系,确定降落目标中心三角形的范围,通过判定顶点坐标是否全部在目标区域内确定降落目标中心三角形的边缘。
更进一步优选的,确定降落目标中心三角形的边缘公示如下,
(ui-u0)2+(vi-vo)2≤Tv3×L2,Tv3=1.5
其中,mi和mj分别代表半径较大的圆和半径较小的圆对应的椭圆长半轴的比值,k表示失效参数,L2代表六边形顶点到中心点的距离。
在以上技术方案的基础上,优选的,所述步骤S5中,以V=[xd,yd,zd],表示空间的六个自由度,其中V是无人机空间位置坐标,R是角度坐标,αd,γd,分别是俯仰角、偏航角、横滚角,对机载设备拍摄影像进行坐标转换,设光心与地面交点为原点O,在水平面投影为X轴,Y轴在水平面内并与X轴垂直,Z轴与水平面垂直,此即为初始坐标系OXYZ;以Y轴为旋转轴,将OXYZ旋转α角度,使Z′轴与光轴重合,得到O′X′Y′Z′坐标系,其投影坐标系为O′cU′V′,旋转α角度的坐标系为OcUV,
椭圆的一般方程表达式为:
auuu2+avvv2+auvuv+auu+avv+a0=0
在坐标系O′cU′V′中的表达式为:
au′uu′2+av′vv′2+au′vu′v′+au′u′+av′v′+a0′=0
可得椭圆方程的参数为:
在坐标系O′cU′V′中的椭圆方程的参数为:
角度值可从无人机飞控***获取,令求出a′uu,a′vv,a′uv,a′u,a′v,a′0,xo,yo,h,则无人机位姿估计的六个自由度为:
本发明的多旋翼无人机自动降落高精度自动识别降落区域的方法相对于现有技术具有以下有益效果:
(1)本发明的方法无须GPS等位置信号,在无人机机载摄像头拍摄到降落目标时即可实现高精度自动识别;
(2)实现了无人机飞行高度在50cm-180cm,水平距离在30cm-240cm范围,横滚角≤20°、偏航角≤50°、俯仰角≤80°时,误差不超过5cm的高精度自动降落。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的方法的降落目标图形;
图2为本发明的方法的坐标转换的示意图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
本发明的多旋翼无人机自动降落高精度自动识别降落区域的方法,包括以下步骤:
S1,通过无人机机载摄像头对地面图像进行拍摄。
S2,确定图像中是否有降落目标。具体的,如图1所示,所述降落目标包括一正六边形、一等边三角形和两同心圆,其中,两同心圆依次同轴嵌套在正六边形内,等边三角形同轴嵌套在半径较小的同心圆内,等边三角形三条边分别与正六边形三条边平行,假设等边三角形内的区域为区域A,等边三角形和较小的同心圆之间的区域为区域B,两同心圆之间的区域为区域C,半径较大的同心圆和正六边形之间的区域为区域D,所述区域A、B、C和D的填充颜色各不相同。相邻图像颜色对比明显,易于识别着陆区域和边界,具体的,所述区域A填充黄色,区域B填充红色,区域C填充绿色,区域D填充蓝色。
具体的,将机载摄像头拍摄的地面图像转化为HSI模式后,依据RGB像素比例确定图像中是否有降落目标。确定图像中是否有降落目标的公式如下,
其中,H、Y、G分别是红色像素、黄色像素和绿色像素的个数,N为总像素个数,φ为图像所有像素点的集合,xi为图像像素点,T1为红色像素的阈值,T2为黄色像素的阈值,T3为绿色像素的阈值。当RGB像素比例满足一定阈值,判定图像中存在着陆点,否则判定不存在着陆点。本实施例将T1、T2、T3的阈值分别设定为0.03、0.05和0.02。
S3,当检测到图像中存在降落目标后,对目标图像区域进行初步识别。具体的,目标图像区域的初步识别方法为利用Ratio边缘检测算法进行检测;为避免边缘漏检,同时采用直方图均衡化对图像进行修正。采用直方图均衡化对一些灰度集中分布在狭窄区间、缺乏细节信息的图像进行修正,使图像的灰度间距拉开,或灰度分布更为均匀,从而使图像的对比度提高,达到准确识别着陆区域边缘的目的。
S4,将目标图像分割出来。具体的,六边形代表降落目标边缘,采用最小二乘法进行降落目标边缘的椭圆拟合,包括以下过程,令椭圆位置参数a=[auu,avv,auv,au,av,a0],w=[u,v],则椭圆表达式为:F(a,w)=auuu2+avvv2+auvuv+auu+avv+a0=0,其中,a代表误差求和的最小值,auu、aw、au、av和a0代表椭圆的位置参数,w代表u和v区间内的任意点,u和v代表坐标位置,
其中,Ω代表椭圆坐标,原点和长短半轴的计算公式,ui代表u方向的坐标值,u0代表u方向的起始坐标值,vi代表v方向的坐标值,v0代表v方向的起始坐标值,m和n分别表示椭圆的长短半轴,i和j分别表示代表Ω和C集合中的一个子元素;
同时满足上式的点即为需要检测出的六边形的边缘。
当降落目标边缘的六边形确定后,根据同心圆半径与六边形的关系,确定降落目标中心三角形的范围,通过判定顶点坐标是否全部在目标区域内确定降落目标中心三角形的边缘,提高降落精度。
确定降落目标中心三角形的边缘公示如下,
(ui-u0)2+(vi-vo)2≤Tv3×L2,Tv3=1.5
其中,mi和mj分别代表半径较大的圆和半径较小的圆对应的椭圆长半轴的比值,k表示失效参数,L2代表六边形顶点到中心点的距离。
通过以上公式,可以提取六边形和中心三角形,并剔除背景干扰。
S5,通过坐标转换,进行无人机位姿估计。具体的,通过坐标转换,将位置估计转化为一个一元十二次方程的求解问题,如图2所示,以V=[xd,yd,zd],表示空间的六个自由度,其中V是无人机空间位置坐标,R是角度坐标,αd,γd,分别是俯仰角、偏航角、横滚角,对机载设备拍摄影像进行坐标转换,设光心与地面交点为原点O,在水平面投影为X轴,Y轴在水平面内并与X轴垂直,Z轴与水平面垂直,此即为初始坐标系OXYZ;以Y轴为旋转轴,将OXYZ旋转α角度,使Z′轴与光轴重合,得到O′X′Y′Z′坐标系,其投影坐标系为O′cU′V′,旋转α角度的坐标系为OcUV,
地面坐标系中,圆的方程为:
坐标系OXYZ与坐标系O′X′Y′Z′的转换关系为:
坐标系O′cU′V′与OcUV的转换关系为:
从坐标系O′X′Y′Z′到坐标系O′cU′V′的映射关系为:
椭圆的一般方程表达式为:
auuu2+avvv2+auvuv+auu+avv+a0=0
在坐标系O′cU′V′中的表达式为:
a′uuu′2+a′vvv′2+a′uvu′v′+a′uu′+a′vv′+a′0=0
可得椭圆方程的参数为:
在坐标系O′cU′V′中的椭圆方程的参数为:
角度值可从无人机飞控***获取,令求出a′uu,a′vv,a′uv,a′u,a′v,a′0,xo,yo,h,则无人机位姿估计的六个自由度为:
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:包括以下步骤,
S1,通过无人机机载摄像头对地面图像进行拍摄;
S2,确定图像中是否有降落目标;
S3,当检测到图像中存在降落目标后,对目标图像区域进行初步识别;
S4,将目标图像分割出来;
S5,通过坐标转换,进行无人机位姿估计。
2.如权利要求1所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:所述步骤S2中的降落目标包括一正六边形、一等边三角形和两同心圆,其中,两同心圆依次同轴嵌套在正六边形内,等边三角形同轴嵌套在半径较小的同心圆内,等边三角形三条边分别与正六边形三条边平行,假设等边三角形内的区域为区域A,等边三角形和较小的同心圆之间的区域为区域B,两同心圆之间的区域为区域C,半径较大的同心圆和正六边形之间的区域为区域D,所述区域A、B、C和D的填充颜色各不相同。
3.如权利要求2所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:所述区域A填充黄色,区域B填充红色,区域C填充绿色,区域D填充蓝色。
4.如权利要求3所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:所述步骤S2中,将机载摄像头拍摄的地面图像转化为HSI模式后,依据RGB像素比例确定图像中是否有降落目标。
5.如权利要求4所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:确定图像中是否有降落目标的公式如下,
其中,H、Y、G分别是红色像素、黄色像素和绿色像素的个数,N为总像素个数,φ为图像所有像素点的集合,xi为图像像素点,T1为红色像素的阈值,T2为黄色像素的阈值,T3为绿色像素的阈值。
6.如权利要求2所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:所述步骤S3中,目标图像区域的初步识别方法为利用Ratio边缘检测算法进行检测,同时采用直方图均衡化对图像进行修正。
7.如权利要求2所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:所述步骤S4中,采用最小二乘法进行降落目标边缘的椭圆拟合,包括以下过程,令椭圆位置参数a=[auu,avv,auv,au,av,a0],w=[u,v],则椭圆表达式为:F(a,w)=auuu2+avvv2+auvuv+auu+avv+a0=0,其中,a代表误差求和的最小值,auu、aw、au、av和a0代表椭圆的位置参数,w代表u和v区间内的任意点,u和v代表坐标位置,
m′2=m2×Tv1,n′2=n2×Tv1,Tv1=1.12
Tv2=0.98
其中,Ω代表椭圆坐标,原点和长短半轴的计算公式,ui代表u方向的坐标值,u0代表u方向的起始坐标值,vi代表v方向的坐标值,v0代表v方向的起始坐标值,m和n分别表示椭圆的长短半轴,i和j分别表示代表Ω和C集合中的一个子元素;
同时满足上式的点即为需要检测出的六边形的边缘。
8.如权利要求7所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:所述步骤S4中,当降落目标边缘的六边形确定后,根据同心圆半径与六边形的关系,确定降落目标中心三角形的范围,通过判定顶点坐标是否全部在目标区域内确定降落目标中心三角形的边缘。
9.如权利要求8所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:确定降落目标中心三角形的边缘公示如下,
(ui-u0)2+(vi-vo)2≤Tv3×L2,Tv3=1.5
其中,mi和mj分别代表半径较大的圆和半径较小的圆对应的椭圆长半轴的比值,k表示失效参数,L2代表六边形顶点到中心点的距离。
10.如权利要求1所述的多旋翼无人机自动降落高精度自动识别降落区域的方法,其特征在于:所述步骤S5中,以V=[xd,yd,zd],表示空间的六个自由度,其中V是无人机空间位置坐标,R是角度坐标,αd,γd,分别是俯仰角、偏航角、横滚角,对机载设备拍摄影像进行坐标转换,设光心与地面交点为原点O,在水平面投影为X轴,Y轴在水平面内并与X轴垂直,Z轴与水平面垂直,此即为初始坐标系OXYZ;以Y轴为旋转轴,将OXYZ旋转α角度,使Z′轴与光轴重合,得到O′X′Y′Z′坐标系,其投影坐标系为O′cU′V′,旋转α角度的坐标系为OcUV,
椭圆的一般方程表达式为:
auuu2+avvv2+auvuv+auu+avv+a0=0
在坐标系O′cU′V′中的表达式为:
a′uuu′2+a′vvv′2+a′uvu′v′+a′uu′+a′vv′+a′0=0
可得椭圆方程的参数为:
在坐标系O′cU′V′中的椭圆方程的参数为:
角度值可从无人机飞控***获取,令求出a′uu,a′vv,a′uv,a′u,a′v,a′0,xo,yo,h,则无人机位姿估计的六个自由度为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811575599.6A CN109613926A (zh) | 2018-12-22 | 2018-12-22 | 多旋翼无人机自动降落高精度自动识别降落区域的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811575599.6A CN109613926A (zh) | 2018-12-22 | 2018-12-22 | 多旋翼无人机自动降落高精度自动识别降落区域的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109613926A true CN109613926A (zh) | 2019-04-12 |
Family
ID=66010501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811575599.6A Pending CN109613926A (zh) | 2018-12-22 | 2018-12-22 | 多旋翼无人机自动降落高精度自动识别降落区域的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109613926A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244758A (zh) * | 2019-06-04 | 2019-09-17 | 广州优飞信息科技有限公司 | 一种无人机精准降落控制方法及*** |
CN110569838A (zh) * | 2019-04-25 | 2019-12-13 | 内蒙古工业大学 | 一种基于视觉定位的四旋翼无人机自主降落方法 |
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 |
CN112215860A (zh) * | 2020-09-23 | 2021-01-12 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的无人机定位方法 |
CN112785646A (zh) * | 2021-01-26 | 2021-05-11 | 联想(北京)有限公司 | 一种降落位姿确定方法及电子设备 |
CN114384925A (zh) * | 2022-01-12 | 2022-04-22 | 上海赫千电子科技有限公司 | 一种车载无人机升降方法及配对方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100092079A1 (en) * | 2008-10-14 | 2010-04-15 | Joshua Victor Aller | Target and method of detecting, identifying, and determining 3-d pose of the target |
CN103226356A (zh) * | 2013-02-27 | 2013-07-31 | 广东工业大学 | 基于图像处理的无人机精确位置降落方法 |
CN104049641A (zh) * | 2014-05-29 | 2014-09-17 | 深圳市大疆创新科技有限公司 | 一种自动降落方法、装置及飞行器 |
CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
CN106253139A (zh) * | 2016-09-05 | 2016-12-21 | 北京国网富达科技发展有限责任公司 | 一种清除输电线路飘挂物的设备以及*** |
CN107194399A (zh) * | 2017-07-14 | 2017-09-22 | 广东工业大学 | 一种视觉定标的方法、***及无人机 |
CN107244423A (zh) * | 2017-06-27 | 2017-10-13 | 歌尔科技有限公司 | 一种起降平台及其识别方法 |
CN108873943A (zh) * | 2018-07-20 | 2018-11-23 | 南京奇蛙智能科技有限公司 | 一种无人机厘米级精准降落的图像处理方法 |
CN208172155U (zh) * | 2018-03-28 | 2018-11-30 | 国网山西省电力公司晋中供电公司 | 一种通用型gis设备检视装置 |
CN108919830A (zh) * | 2018-07-20 | 2018-11-30 | 南京奇蛙智能科技有限公司 | 一种无人机精准降落的飞行控制方法 |
-
2018
- 2018-12-22 CN CN201811575599.6A patent/CN109613926A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100092079A1 (en) * | 2008-10-14 | 2010-04-15 | Joshua Victor Aller | Target and method of detecting, identifying, and determining 3-d pose of the target |
CN103226356A (zh) * | 2013-02-27 | 2013-07-31 | 广东工业大学 | 基于图像处理的无人机精确位置降落方法 |
CN104049641A (zh) * | 2014-05-29 | 2014-09-17 | 深圳市大疆创新科技有限公司 | 一种自动降落方法、装置及飞行器 |
CN105867397A (zh) * | 2016-04-13 | 2016-08-17 | 中国计量学院 | 一种基于图像处理和模糊控制的无人机精确位置降落方法 |
CN106253139A (zh) * | 2016-09-05 | 2016-12-21 | 北京国网富达科技发展有限责任公司 | 一种清除输电线路飘挂物的设备以及*** |
CN107244423A (zh) * | 2017-06-27 | 2017-10-13 | 歌尔科技有限公司 | 一种起降平台及其识别方法 |
CN107194399A (zh) * | 2017-07-14 | 2017-09-22 | 广东工业大学 | 一种视觉定标的方法、***及无人机 |
CN208172155U (zh) * | 2018-03-28 | 2018-11-30 | 国网山西省电力公司晋中供电公司 | 一种通用型gis设备检视装置 |
CN108873943A (zh) * | 2018-07-20 | 2018-11-23 | 南京奇蛙智能科技有限公司 | 一种无人机厘米级精准降落的图像处理方法 |
CN108919830A (zh) * | 2018-07-20 | 2018-11-30 | 南京奇蛙智能科技有限公司 | 一种无人机精准降落的飞行控制方法 |
Non-Patent Citations (4)
Title |
---|
刘全波: "基于视觉的无人机自动着陆定位算法", 《ELECTRONIC ENGINEERING & PRODUCT WORLD》 * |
刘全波: "基于视觉的无人机自动着陆定位算法", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
吴娱: "《数字图像处理》", 31 October 2017, 北京邮电大学出版社 * |
焦李成 等: "《自然计算、机器学习与图像理解前沿》", 31 August 2008, 西安电子科技大学出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110569838A (zh) * | 2019-04-25 | 2019-12-13 | 内蒙古工业大学 | 一种基于视觉定位的四旋翼无人机自主降落方法 |
CN110569838B (zh) * | 2019-04-25 | 2022-05-24 | 内蒙古工业大学 | 一种基于视觉定位的四旋翼无人机自主降落方法 |
CN110244758A (zh) * | 2019-06-04 | 2019-09-17 | 广州优飞信息科技有限公司 | 一种无人机精准降落控制方法及*** |
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 |
CN112215860A (zh) * | 2020-09-23 | 2021-01-12 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的无人机定位方法 |
CN112215860B (zh) * | 2020-09-23 | 2024-05-10 | 国网福建省电力有限公司漳州供电公司 | 一种基于图像处理的无人机定位方法 |
CN112785646A (zh) * | 2021-01-26 | 2021-05-11 | 联想(北京)有限公司 | 一种降落位姿确定方法及电子设备 |
CN114384925A (zh) * | 2022-01-12 | 2022-04-22 | 上海赫千电子科技有限公司 | 一种车载无人机升降方法及配对方法 |
CN114384925B (zh) * | 2022-01-12 | 2024-04-12 | 上海赫千电子科技有限公司 | 一种车载无人机升降方法及配对方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109613926A (zh) | 多旋翼无人机自动降落高精度自动识别降落区域的方法 | |
CN107202982B (zh) | 一种基于无人机位姿计算的信标布置及图像处理方法 | |
CN107194399B (zh) | 一种视觉定标的方法、***及无人机 | |
CN110991207B (zh) | 综合H图案识别和AprilTag二维码识别的无人机精准降落方法 | |
CN106326892B (zh) | 一种旋翼式无人机的视觉着陆位姿估计方法 | |
CN105644785B (zh) | 一种基于光流法和地平线检测的无人机着陆方法 | |
CN106774386B (zh) | 基于多尺度标识物的无人机视觉导航降落*** | |
CN109885086A (zh) | 一种基于复合多边形标志引导的无人机垂直降落方法 | |
CN110221625B (zh) | 无人机精确位置的自主降落导引方法 | |
CN107063261B (zh) | 用于无人机精准着陆的多特征信息地标检测方法 | |
Sanchez-Lopez et al. | Toward visual autonomous ship board landing of a VTOL UAV | |
CN110222612A (zh) | 用于无人机自主降落的动态标靶识别与跟踪方法 | |
CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
CN108426576A (zh) | 基于标识点视觉导航与sins的飞行器路径规划方法及*** | |
CN112947526B (zh) | 一种无人机自主降落方法和*** | |
CN110083177A (zh) | 一种基于视觉着陆的四旋翼飞行器及控制方法 | |
Yu et al. | Multi-resolution visual fiducial and assistant navigation system for unmanned aerial vehicle landing | |
CN109857128A (zh) | 无人机视觉定点降落方法、***、设备及存储介质 | |
Chiu et al. | Vision-only automatic flight control for small UAVs | |
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 | |
CN115272458A (zh) | 用于固定翼无人机着陆阶段的视觉定位方法 | |
CN109764864B (zh) | 一种基于颜色识别的室内无人机位姿获取方法及*** | |
CN114689030A (zh) | 一种基于机载视觉的无人机辅助定位方法及*** | |
Dergachov et al. | The Algorithm of UAV Automatic Landing System Using Computer Vision | |
CN109215074B (zh) | 基于分层码标的无人机降落方法、装置、设备以及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190412 |
|
RJ01 | Rejection of invention patent application after publication |