英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
一种基于视觉的固定翼无人机着陆方法
摘要
在这篇文章中，提出了一种为小型固定翼无人机的视觉着陆系统。由于单个不带误差校正的GPS通常只能提供最多几米的精确度，一个仅装备了单一GPS的无人机不能确保在指定的地点准确无误的着陆。因此，一种用于提高着陆准确度的视觉伺服算法被提出了。在该方案中，通过直接反馈前视摄像头在末端着陆阶段检测到的俯仰角和偏航角，控制飞机飞进视觉标记。这个视觉标记是一个单一的半球形气球，它作为一个醒目的装置的同时还能为视觉系统提供一个强大且被动的视觉线索。气囊的检测基于颜色和动量的目标检测方法。该方法在混合翼-机身飞机上进行了一系列试验，并被证明适用于小型固定翼无人机的着陆。
关键词：着陆；固定翼无人机；视觉伺服；自动着陆
1 引言
众所周知，无论是载人飞机还是无人飞机，着陆都是最容易发生事故的阶段，因为它是一个微妙的过程，在各种动态和操作约束条件下，消耗飞机的大量动力学和潜在能量。因此，商用客机严重依赖仪表着陆系统(ILS)。至于无人机，安全可靠的机身回收仍然是一个重要的问题。通常，无人机由飞行员在内部或外部降落在传统的跑道或阻拦机构上。对于手动降落，飞行员通过肉眼或者由机载的摄像机获得的实时图像来获得视觉提示。由于能得到的位置信息有限，在无人机外领航需要很多的经验。因此，相当一部分事故发生在降落阶段。美国军方运营的“猎人”和“先驱者”等近50%的固定翼无人机在着陆时遭遇事故。对于“先驱者”无人机，近70%的事故发生在无人机着陆中，是由人为因素引起的 [1,2]。因此，为了缓解飞行员的符合的同时减少事故发生，人们希望能够实现无人机着陆的自动化。
现在有许多的自动着陆系统正在运行。全球鹰在起飞和降落的时候依赖高精密度的差分GPS。Sierra Nevada公司的UCARS或者TALS1是外部的定位辅助系统，包含跟踪雷达和通信无线电。这已经被陈工的运用于固定翼无人机或者直升飞机比如“猎犬”或“火力侦察兵 ”在跑道或者夹板上的降落。这些信息包括返航飞机的相对位置或者高度，由地面跟踪雷达测量并且转播回来进行自动着陆的。一些无人机使用一个特殊的网络在一个有限的空间里检索，这个网可以截获外部飞行员手动驾驶的飞机。“扫描鹰”由一根连接在尾梁上的特殊制动索回收，飞机由差分GPS精确引导。由于操作环境的复杂性、成本或限制，这些外部设备和无线电通信并不总是可用或适用。因此，廉价、无源、可靠的自动着陆系统是非常需要的。基于视觉的着陆是十分有吸引力的，因为他不需要任何特殊的设备，仅仅需要一个摄像机以及机载视觉处理装置。一个视觉支持的系统会检测跑道或者其他视觉图标然后引导飞机前往降落点。对于固定翼直升机和无人机，有一系列的先前工作，理论性的或实验性的。Barber等人提出了一种基于视觉的 小型固定翼无人机着陆方法，使用视觉标记来生成对飞行控制器的滚转或俯仰命令。本文利用视觉算法和相对简单的着陆辅助手段，对BWB型固定翼无人机进行了自动着陆控制。这个方法在不依靠昂贵的传感器以及外部设施，且被证明是可行的。总体的方法，技术组成以及包括着陆和回收方法的着陆辅助部分将在第二章节进行介绍。视觉算法以及帮助飞机自动着陆的视觉伺服算法将在第三节进行介绍。最后，基于视觉的降落测试实验结果将用来证实第四节的算法。第五节给出了结论和结束语。
2 系统介绍
该着陆系统由三个主要部分组成:作为视觉标记的充气穹顶、视觉处理单元和使用视觉伺服算法的飞行控制器。为了开发一个低成本的，不需要昂贵的传感器或特殊的支持系统的着陆系统，这个视觉系统集成了一个基于MEMS的惯性测量单元（IMU）以及单一GPS。没有差分校正，GPS的位置精确度则会在水平方向只有几米，在垂直方向的精度是垂直方向的两倍。因此，即使准确的知道了穹顶的位置，但是当导航系统的位置误差大于着陆穹顶的尺寸时，仍然很难让导航系统一致的命中穹顶。
在着陆时，通过对着陆圆顶的位置进行粗略的估计，飞行器开始沿着一个滑翔斜坡朝着预估的圆顶位置降落。当视觉系统锁定了圆顶，飞机控制从滑翔斜坡跟踪切换到直接的视觉伺服，从机载前视相机得到的图像中心的穹顶的抵消作用域俯仰和偏航误差信号的控制循环。在下面，我将会给出关于该方案的详细介绍（如图1）
开始检测
开始滑翔
终端
视觉伺服
充气穹顶
图1 提出了一种无人机的穹顶辅助着陆方法
2.1 机身和航空电子设备
本研究使用的平台时基于BWB的无人机（如图2）。由于翼型机身产生的额外升力，BWB被认为每机身重量携带一个相当大的有效载荷。我们的BWB试验台是由坚固的膨胀聚丙烯(EPP)建造的，它是由嵌在规划位置的碳纤维梁加固的。该飞行器具有抗冲击和碰撞的能力，这是本文着陆实验中备受欢迎的特性。
左升降副翼
GPS天线
前部相机
遥测天线
无线电天线
伺服
右升降副翼
电机
图2 KAIST BWB(混合翼-体)无人机(UAV)试验台
这种BWB在机翼的后缘只有两个控制面，即副翼和升降舵。在翼尖，向下安装小翼来提高转向稳定性。机器在机身后缘安装了一个直流无刷电机，由锂聚合物电池功能。同样的电池为航空电子设备提供动力以降低整体重量。机身中央的大型有效载荷舱(30times;15times;7.5 cm)容纳飞行计算机、IMU、电池和无线电接收器。这些部分都是现成的产品。
KAIST BWB UAV的航空电子设备包含一个飞控计算机（FCC），一个惯性测量单元（IMU），一个GPS和一个伺服控制器模块。飞控计算机由PC104扩展板搭建，具有工业级可靠性、紧凑性以及可扩展性。导航系统是由一个GPS 辅助惯性导航系统辅助搭建的。即使在信号质量较低的情况下，U-blox Supersense 5 GPS仍然具有出色的导航能力。惯性科学的MEMS惯性导航系统在飞行中表现出了强大的性能。飞行器通过一个900MHz的高带宽的遥测链接面基站通信来减小通信延迟（表1,图3）。
机载视觉系统包含一个安装在机身前部粪小型前视摄像头，一个视频覆盖板，一个2.4 GHz模拟视频发射机和一个安装在翼尖的偶极天线。由于飞行器的有效载荷极限，图像处理目前面基站机型，地面基站也起到了监控以及命令的作用。因此图像处理以及视觉算法结果通过遥测链接传回飞行器。图像处理和视觉算法是在一台装备了奔腾Core2 CPU 2GHz处理器和2GB内存的电脑上处理的。利用OpenCV库3，用MS Visual C 编写视觉算法。对一幅图像进行视觉算法处理需要240ms，然后将视觉伺服命令以4Hz的频率传回飞行器，这对于本研究考虑的视觉伺服问题是足够的。
表1 BWB试验台规格
|
基础平台 |
Haak Works的黄貂鱼60号 |
|
混合翼身（BWB） |
|
|
规格 |
翼展：1.52m(W) |
|
机翼面积:0.52m2 |
|
|
纵横比:4.43 |
|
|
重量 |
2.6Kg |
|
动力装置 |
交流2217/16直流无刷电机 |
|
12times;6 APC螺旋桨 |
|
|
黑客速度控制器X-40-SB-Pro |
|
|
锂离子聚合物(3 S: 11.1 V 5,350 mAh) |
|
|
工作时间 |
超过十分钟 |
|
航空电子设备 |
导航:单GPS辅助INS |
|
GPS: U-Blox Supersense 5 |
|
|
IMU:惯性科学MEMS IMU |
|
|
微分/绝对压力表 |
|
|
飞控计算机:PC104奔腾- M 400 MHz |
|
|
通信:900MHz以太网桥 |
|
|
视觉系统 |
彩色CCD相机(70度FOV) |
|
2.4 GHz模拟发射机 |
|
|
抓帧器:USB2.0模拟视频捕捉工具包 |
|
|
操作 |
弹射起飞，身体着陆 |
|
自主 |
速度，高度，航向，高度保持/指挥 |
|
航点导航 |
|
|
自动着陆 |
2.2着陆设备
为了让飞行器降落在指定地点，需要一个阻拦装置在一个较短的时间和距离来吸收动量。在本研究中，我们提出了一种圆弧形的气球，为自动着陆方案提供了很多的优势。
着陆点使用鲜红色的尼龙材料制作，它可以即使在远处也可以提供强大的视觉效果。因此，飞行器不需要做任何特殊的机动，只需要以一个特殊的入射角低速飞向穹顶。该视觉系统运行高速可靠的色彩跟踪算法，适用于各种光线条件下的高倍率视觉跟踪。在操作过程中，袋子会在几分钟内通过便携式电动鼓风机或气体发生器充气，放气后以一个紧凑的包装运送到任何地方。使用缝在底部补丁周围的挂钩，它可以用钉子固定在地面上。这个穹顶形状运行飞行器从任何一个方向着陆而不需要重新安装，而传统的阻拦网需要迎风安装来避免侧风着陆。由于这种方案是基于视觉的，着陆穹顶不需要装备任何仪器，信号源或者通信装置。因此，它不需要消耗任何能量或者发出会被对手探测到的能量。
图3 航空电子设备与硬件架构
此外，回收网可以用来捕获大型设备。在这种情况下，着陆圆顶仅起视觉提示作用，回收网负责拦截车辆。
3视觉算法
提出的视觉检测算法包括基于颜色的检测、基于动量的检测和视觉伺服。基于颜色和动量的检测以一种互补的方法提高了着陆穹顶的可靠性。在着陆的最终阶段，设备只能通过视觉伺服命令进行机动（图4）。
图4 穹顶以及回收网
3.1基于颜色的目标检测
穹顶的颜色区别于背景的其他物体有明显的视觉提示。在RGB编码中，一个像素在图像坐标中有三个整数（Ir.Ig,Ib），分别从0到255。由于属于红色穹顶的像素根据光照条件、阴影、色彩平衡或噪声的不同而变化较大，因此需要一个过滤规则来确定一个像素是否属于穹顶。依靠在不同环境下拍摄的穹顶照片，提出了以下的过滤规则。
（1）
其中。阈值水平的选择相当广泛，以检测更广泛的颜色范围。图5显示了使用公式1描述的穹顶颜色。
RGB颜色空间
红色
绿色
蓝色
RGB颜色空间
红色
绿色
蓝色
图5 全RGB颜色空间(左)，过滤规则选择区域(右)
原始图像
阈值图像
填充形态
结果图像
图6 基于动量的图像处理程序
3.2基于动量的图像检测
当在给定的图像中通过上述基于颜色的检测发现多个红色对象时，需要另一种分类来确定一个物体是否真的是着陆圆顶。对于此，提出了一种基于动量的图像过滤方法。在模板匹配、图像矩比较等算法中，Hu方法[8,9]因为其对于基于视觉的着陆所需要的高检测率具有计算效率而被使用（表1）。
Hu的矩由前三个中心矩导出的七个矩不变量组成。在像素强度为的灰度图像中，原始图像的矩由下方公式计算：
（2）
由原始矩得到的简单图像内容包括图像的面积，其质心为
对于数字图像的中心矩由以下公式定义：
（3）
三阶以上的中心阶矩为：
（4）
表2 如图6所示的Hu的各种形状的矩值
|
屋顶 |
路标 |
电话 |
着陆穹顶 |
|
|
Hu的矩1 |
0.48560 |
0.20463 |
0.21423 |
0.21429 |
|
Hu的矩2 剩余内容已隐藏，支付完成后下载完整资料 资料编号：[238140]，资料为PDF文档或Word文档，PDF文档可免费转换为Word |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
