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

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

多旋翼无人机自动降落高精度自动识别降落区域的方法

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，x_i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＝[a_uu,a_vv,a_uv,a_u,a_v,a₀],w＝[u,v]，则椭圆表达式为：F(a,w)＝a_uuu²+a_vvv²+a_uvuv+a_uu+a_vv+a₀＝0，其中，a代表误差求和的最小值，a_uu、a_w、a_u、a_v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，u_i代表u方向的坐标值，u₀代表u方向的起始坐标值，v_i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，

(u_i-u₀)²+(v_i-v_o)²≤Tv3×L2,Tv3＝1.5

其中，m_i和m_j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＝[x_d,y_d,z_d],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，α_d,γ_d,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：

a_uuu²+a_vvv²+a_uvuv+a_uu+a_vv+a₀＝0

在坐标系O′cU′V′中的表达式为：

a_u′_uu′²+a_v′_vv′²+a_u′_vu′v′+a_u′u′+a_v′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,x_o,y_o,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，x_i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＝[a_uu,a_vv,a_uv,a_u,a_v,a₀],w＝[u,v]，则椭圆表达式为：F(a,w)＝a_uuu²+a_vvv²+a_uvuv+a_uu+a_vv+a₀＝0，其中，a代表误差求和的最小值，a_uu、a_w、a_u、a_v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，u_i代表u方向的坐标值，u₀代表u方向的起始坐标值，v_i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，

(u_i-u₀)²+(v_i-v_o)²≤Tv3×L2,Tv3＝1.5

其中，m_i和m_j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＝[x_d,y_d,z_d],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，α_d,γ_d,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：

a_uuu²+a_vvv²+a_uvuv+a_uu+a_vv+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,x_o,y_o,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，x_i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＝[a_uu,a_vv,a_uv,a_u,a_v,a₀],w＝[u,v]，则椭圆表达式为：F(a,w)＝a_uuu²+a_vvv²+a_uvuv+a_uu+a_vv+a₀＝0，其中，a代表误差求和的最小值，a_uu、a_w、a_u、a_v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，u_i代表u方向的坐标值，u₀代表u方向的起始坐标值，v_i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，

(u_i-u₀)²+(v_i-v_o)²≤Tv3×L2,Tv3＝1.5

其中，m_i和m_j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＝[x_d,y_d,z_d],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，α_d,γ_d,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：

a_uuu²+a_vvv²+a_uvuv+a_uu+a_vv+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,x_o,y_o,h，则无人机位姿估计的六个自由度为：