【正文】 tion for aircraft autonomous landing are feasible. It has a certain realtime and a high precision, so very suitable for a realtime navigation for MAV autonomous landing. Key words: MAV。 1 第 1章 緒論 微飛行器應(yīng)用背景 微型飛行器被認(rèn)為是未來戰(zhàn)場上的重要偵察和攻擊武器，能夠以可接受的成本執(zhí)行某一有價值的任務(wù)。 與傳統(tǒng)飛行器相比，微飛行器具有如下優(yōu)點：第一，成本低，效費比好，使用維護(hù)費用低；第二，無人員傷亡的風(fēng)險，可深入各種復(fù)雜或條件惡劣的環(huán)境完成高風(fēng)險的任務(wù)；第三，生存力強(qiáng)，有較強(qiáng)的隱蔽性和突防能力，機(jī)動性好。 國內(nèi)外研究現(xiàn)狀 羅里達(dá)大學(xué)的研究工作 從上個世紀(jì) 90 年代以來，美國的一些大學(xué)和科研機(jī)構(gòu)展開了基于計算機(jī)視覺的飛行器自主著陸技術(shù)的研究。 其方法如圖 所示。佛羅里達(dá)大學(xué)已經(jīng)成功研制出低成本、高性能的機(jī)載視覺識別與定位系統(tǒng)，實現(xiàn)了微飛行器的垂直起降。在狀態(tài)估計中，已知平面目標(biāo)中的幾個點和它們之間的幾何尺寸，通過對 應(yīng)的像點位置及它們在圖像中的幾何尺寸就可以得出相機(jī)坐標(biāo)系和著陸平臺坐標(biāo)系之間的位置和姿態(tài) [6]。在加州大學(xué)的研究工作中，他們選擇角點這個特征是因為角點具有透視投影不變性，實際目標(biāo)中的角點在透視投影中也總是表現(xiàn)為角點，而且具有目標(biāo)的幾何形狀信息。 4 定位系統(tǒng)搜索、跟蹤空中漸進(jìn)著陸的無人戰(zhàn)斗機(jī) (UCVA)，獲取無人機(jī)的圖像；再利用地面設(shè)備對獲取的無人機(jī)圖像進(jìn)行圖像預(yù)處理，獲取無人機(jī)的特征信息，然后將特征信息、攝相機(jī)參數(shù)等視覺信息經(jīng)過上行數(shù)據(jù)鏈上傳到無人機(jī)；機(jī)載信息融合系統(tǒng) （ 采用多速率 Kalman 濾波方法 ） 將視覺信息和機(jī)載的慣導(dǎo)系統(tǒng)、高度表系統(tǒng)等給出的信息進(jìn)行 信息融合，得到無人機(jī)的位姿估計 [7]。本文 選 用的著陸場景是 H形的人造哈爾濱工程大學(xué)本科生畢業(yè)論文 下面的內(nèi)容就是探討怎樣通過特征提取，獲得無人直升機(jī)的姿態(tài)角。 6 第 2 章 方案設(shè)計的 論證 由于微飛行器體積小，現(xiàn)有大型飛行器中的線加速度、角加速度傳感器不能簡單地縮小尺寸就用到微飛行器上，而 MEMS 技術(shù)還不夠成熟，這就決定了微飛行器上不可能有過多的傳感器。旋翼機(jī)由于可 以垂直起降，降落地點為直升機(jī)降落平臺，所以對跑道的要求較低。而旋翼機(jī)飛行速度較慢，并且可以懸停，對數(shù)據(jù)處理的速度要求較低，接收到控制指令時，飛行姿態(tài)并沒有發(fā)生大的變化，因此實時可控性較強(qiáng)，控制精度較高。實際應(yīng)用中，微飛行器的主要任務(wù)是偵察監(jiān)視，一般都攜帶有機(jī)載攝像設(shè)備和圖像傳感器，圖像中包含有大量的信息，如果能從圖像中獲得著陸的必要信息，對微飛行器的發(fā)展有很大的促進(jìn)作用。因此將跑道 的兩條縱 向邊界作為特征量。其思想為認(rèn)為天空和地面是特征差別較大的兩個類別，地平線是這兩個類別的分界線，檢測地平線的過程就是確定天空、地面兩個類別分界線的過程。從佛羅里達(dá)大學(xué)的研究成果可以看出，該方法可以有效的檢測出地平線，并由地平線在圖像中的位置解算出飛行器的俯仰角和滾轉(zhuǎn)角。因此，利用兩條跑道邊線的交點和兩條跑道邊線與著陸線的兩個交點，借助于跑道是矩形這一特征以及跑道的寬度，最終可以求得飛機(jī)的飛行姿態(tài)。所謂 P3P 問題，就是已知地面三個點之間的距離以及它們在像平面中的對應(yīng)像點坐標(biāo)，通過某種算法計算出這三個點的具體位置 [12]。需要注意的是，識別跑道上四個頂點的像點有一定的困難，可能會造成較大的誤差。此算法最關(guān)鍵的兩個步驟是圖像預(yù)處理和最優(yōu)解搜索算法，圖像處理方法的好壞直接決定了系 統(tǒng)輸入數(shù)據(jù)的有效性，搜索算法的優(yōu)劣決定了算法的實時性和準(zhǔn)確性。 直升機(jī)非線性數(shù)學(xué)模型的組成 直升機(jī)氣動力 /力矩的主要貢獻(xiàn)來自旋翼，旋翼力 /力矩的計算模型是直升機(jī)建模的關(guān) 鍵環(huán)節(jié)。機(jī)體的六自由度動力學(xué)方程普遍建立在機(jī)體軸系，機(jī)體軸系中質(zhì)心的動力學(xué)方程是： / si n/ c os c os/ c os si nx x z y y zy y x z z xz z y x x yV F m V V gV F m V V gV F m V V g? ? ?? ? ? ?? ? ? ?? ? ? ? ??? ? ? ? ??? ? ? ? ??? （ ） 哈爾濱工程大學(xué)本科生畢業(yè)論文 11 角速度、俯仰角速度、和偏航角速度。 本文的設(shè)計方案 節(jié)中已經(jīng)確定了微飛行器的類型和起落跑道的設(shè)計，微飛行器選擇為無人直升機(jī)模型，跑道場景設(shè)計為 H形著陸平臺。而且上述方案 一 中基于模式識別中分類概念的地平線檢測法和方案 四 中的地平線擬合算法計算量都比較大，計算時間較長。方案二和方案四基于地平線的檢測算法雖然不適用于本文 的研究，但是其根據(jù)地平線在圖像中的位置變化來解算飛行器姿態(tài)角的原哈爾濱工程大學(xué)本科生畢業(yè)論文 根據(jù)上述的分析可以得知，無人直升機(jī)的機(jī)載攝像頭安裝在機(jī)身的正下方時，對于跑道的識別和姿態(tài) 角的解算可以借鑒地平線檢測算法。 13 (a) (b) 圖 無人直升機(jī)有偏航角時拍攝到的著陸圖像 (a) (b) 圖 無人直升機(jī)有俯仰角時拍攝到的著陸圖像 由上述的三組圖像可以看出，無人直升機(jī)在不同的姿態(tài)位置時，拍攝到的圖片中著陸平臺上的 H在圖像中的位置不同。 14 相對于俯仰角和偏航角，它是一個小的角度量，在降落過程中對著陸的穩(wěn)定性影響較小，作為一個小角度量處理，在本文的方案設(shè)計中，不研究著陸姿態(tài)中滾轉(zhuǎn)角。本章只是對降落過程中的姿態(tài)解算作了理論上的分析，具體的跑道識別和飛行參數(shù)的獲取將在后面的章節(jié)中具體分析。下面 幾節(jié)內(nèi)容 將 著重介紹 介紹本 文圖像預(yù)處理 算法中用到的幾種方法，包括圖像灰度化、閾值分割 二值化、邊緣檢測等。一般有四種方法對彩色圖像進(jìn)行灰度化，分別為：分量法、最大值法、平均值法、加權(quán)平均法。下面 的研究內(nèi)容將 對此進(jìn)行詳 細(xì)的分析。 對于拍攝到的跑道區(qū)域， 需要提取的是跑道區(qū)域中的 H 形著陸平臺 ，它在圖像中顯示為白色，而圖像的背景色為灰色，為將白色的 H形 區(qū)域凸顯出來，需要對圖像進(jìn)行增強(qiáng)，即增加圖像的對比度。 圖 默認(rèn)對比度灰度調(diào)整后的圖像 哈爾濱工程大學(xué)本科生畢業(yè)論文 19 度值的中值；而圖像銳化是補(bǔ)償圖像的輪廓，增強(qiáng)圖像的邊緣及灰度跳變的部分，使圖像變得清晰。 圖像分割 的具體實施 機(jī)載攝像設(shè)備拍攝到的無人直升機(jī)實際著陸場景的圖像中，著陸平臺區(qū)域的識別 對飛行器的著陸有著重要的作用，它關(guān)系到無人直升機(jī)能不能降落在跑道 區(qū)域內(nèi)，因此為使無人直升機(jī)能在跑道 合理的區(qū)域 內(nèi) 著陸，視覺導(dǎo)航系統(tǒng)需要將跑道從整個場景中 分割出來，分析跑道的位置、區(qū)域大小等內(nèi)容，確定無人直升機(jī)的航向信息和位置信 息，然后送入控制系統(tǒng)以使無人直升機(jī)安全著陸。 在圖像處理的研究應(yīng)用中，人們通常把 感興趣的圖像信息額外分割出來，稱之為興趣區(qū)域，他們是圖像中特定的具有獨特價值的區(qū)域。最常用的閾值處理就是圖像的二值化處理，通過一個閾值（ 0255 之間）將圖像轉(zhuǎn)換為黑白二值圖像，用于圖像分割及邊緣提取等預(yù)處理。允許閾值變化的方法稱為局部閾值處理。 閾值分割的方法主要有人工選擇法、迭代式閾值選擇、最大類間方差法(Otsu)和最小誤差閾值選擇法。這種方法需要反復(fù)試驗，挑選不同的閾值，直到觀察者覺得產(chǎn)生了較好的結(jié)果為止。 直線提取 圖像處理的目的是為了檢測出著陸區(qū)域中的 H，識別跑道，在本課題 設(shè)計的著陸平臺中， H 的邊界均為直線 ，因此通過直線提取可以識別出著陸區(qū)域中的 H。圖像邊緣處理的主要目的是突出圖像中的細(xì)節(jié)或者增強(qiáng)被模糊化的細(xì)節(jié)，把景物的結(jié)構(gòu)輪廓清晰地表現(xiàn)出來。下面將詳細(xì) 介紹每個算子的原理和具體實現(xiàn)。 Sobel 算子不是簡單求平均再差分，而是加強(qiáng)了中心像素上下左右 4 個方向像素的權(quán)重，運算結(jié)果是一幅邊緣圖像。兩個模板如下： 檢測水平邊緣模板： 1 2 10001 2 1? ? ? 檢測豎直邊緣模板： 1 0 12 0 21 0 1??? Sobel 算子與 Roberts 算子相比加入了 加權(quán)局部平均，不僅能檢測 圖像的邊緣，還能進(jìn)一步抑制噪聲的 影響，由于進(jìn)行了加權(quán)局部平均，它 得到的邊緣較粗，對于飛機(jī)跑道檢測來說，需要獲取的邊緣有一定的寬度，因此該算子更適用。該算子通常由下列計算公式表示： ? ? ? ? ? ? ? ? ? ? ? ?2 , 1 , 1 , , 1 , 1 4 ,f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ?（ ） 式中 ? ?2 ,f x y? 表示數(shù)字 圖像中每個像素關(guān)于 x 軸和 y 軸的二階偏導(dǎo)數(shù)之和，即處理后像素 ? ?,xy 處的灰度值， ? ?,f xy 是具有整數(shù)像素坐標(biāo)的輸入圖像。因此在本文的邊緣檢測時， 選擇 Sobel 算子。一條給定的直線，對應(yīng)一個數(shù)組? ?,uv ，反之，給定一個數(shù)組 ? ?,uv ，則對應(yīng)一條直線 y ux v??。 因此，如果 Oxy 平面上有一條直線 y ux v??，那么它上面的每一點都對應(yīng)于 Ouv 平面上的一條直線，這些直線相交于點 ? ?,uv 。 已 知 Oxy 中一條直線上的各點對應(yīng)著 O?? 的一 個點。利用這個方法檢測直線稱為 Hough變換直線檢測方法。； ? 是直線到坐標(biāo)原點的距離，始終為正值，假設(shè)圖片的矩形框的長為 M ，寬為 N ，則 哈爾濱工程大學(xué)本科生畢業(yè)論文 圖像中雖然存在其他的干擾點，但著陸區(qū)域中的 H 的邊界始終對應(yīng)O?? 平面中最大的三個局部最大值，所以， 只需找出最大的三個局部最大值對應(yīng)的直線就可以了。用 houghlines 函數(shù)找到圖像中的直線，并在原圖像中畫圖， 運行的結(jié)果如下所示： 圖 直線檢測的最終結(jié)果 哈爾濱工程大學(xué)本科生畢業(yè)論文 先詳細(xì)介紹了 Hough變換的算法原理，根據(jù) Hough變換的步驟逐步進(jìn)行直線檢測 ，在進(jìn)行直線檢測的過程中，需 要根據(jù)具體的情況來改變 Hough變換中的參數(shù)，以使達(dá)到本課題研究 需要的效果。因此， 需要研究著陸平臺上的 H在無人直升機(jī)著陸過程中隨無人直升機(jī)的姿態(tài)變化而有什么樣的變化，通過 H在拍攝到的圖像中位置的變化來獲取一些有用的信息。 坐標(biāo)系設(shè)定 在本文 的整個研究過程中，主要涉及三個物理實體：著陸平臺、無人直升機(jī)、攝像機(jī)。 如圖 所示， g g g gOx y z 是地面坐標(biāo)系，原點 gO 取地面上某一點，在無人直升機(jī)著陸過程中，可以取 gO 為著陸平臺中 H的中心點， ggOx處于地平面內(nèi)并指向 H 的縱軸方向， ggOy 在地平面內(nèi)且垂直于 ggOx 指向右哈爾濱工程大學(xué)本科生畢業(yè)論文 無人直升機(jī)的姿態(tài)角 包括： 偏航角 ? ：機(jī)體軸 bbOx 在地面上的投影與地軸 ggOx間的夾角，以機(jī)頭右偏航為正； 俯仰角 ? ：機(jī)體軸 bbOx 與地平面的夾角，以抬頭為正； 滾轉(zhuǎn)角 ? ：機(jī)體軸 bbOz 包含 機(jī)體軸 bbOx 的鉛垂面間的夾角，無人直升機(jī)哈爾濱工程大學(xué)本科生畢業(yè)論文 上述圖 中的 c w w wOx y z? ? ? 是以攝像頭的 光心為原點，通過平移世界坐標(biāo)系得到的輔助坐標(biāo)系。 cx 、 cy 軸通常與圖像物理坐標(biāo)系的 x 、 y 軸平行，如圖 中所示。 34 圖像坐標(biāo)系包括圖像像素坐標(biāo)系 iOuv 和圖像物理坐標(biāo)系 Oxy ，如圖 所示。 x 、 y 軸分別 與圖像像素坐標(biāo)系的 u 、 v 軸平行。 35 六個參數(shù)決定了攝像機(jī)坐標(biāo)系在世界坐標(biāo)系中的空間位置和姿態(tài)。 式 （ ） 代入式 （ ） 和式 （ ） ，可以得到世界坐標(biāo)系與圖像坐標(biāo)系之間的關(guān)系： 哈爾濱工程大學(xué)本科生畢業(yè)論文 下面 將分析這兩個角度之間的關(guān)系。因 此，圖像中的 ? 角和 ? 角是等價的，這樣 就可以從著陸平臺上的 H 的橫向中心線 的直線參數(shù)中得到無人直升機(jī)的一個姿態(tài)角 —— 偏航角 ? 。直線 l 的法線與圖像物理坐標(biāo)系 x 軸的夾角范圍就為 ? ? ? ?/ 2 , / 4 / 4 , / 2? ? ? ??? ，因此在進(jìn)行直線檢 測 時 ， 就 可以 事先 設(shè) 定 方 程 cos sinxy? ? ???中 ? 的范圍是? ? ? ?/ 2 , / 4 / 4 , / 2? ? ? ? ?? ? ? ，這時檢測出的直線即為 H 的橫向中心線 l ， ?角的大小為直線 l 的法線與圖像物理坐標(biāo)系 Ox 軸的夾角，這樣 就可以求出 ?哈爾濱工程大學(xué)本科生畢業(yè)論文 因此， 可以確定著陸場景中 H 的橫向中軸線 l 在 圖像坐標(biāo)系中的位置與俯仰角存在著聯(lián)系。如下圖所示： cOcz cz? cxcz cOczcy czc? cOcz (a) c c cOxz 面內(nèi)轉(zhuǎn)動