【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 微飛行器應用背景 微型飛行器被認為是未來戰(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。 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，使用維護費用低；第二，無人員傷亡的風險，可深入各種復雜或條件惡劣的環(huán)境完成高風險的任務；第三，生存力強，有較強的隱蔽性和突防能力，機動性好。 國內外研究現(xiàn)狀 羅里達大學的研究工作 從上個世紀 90 年代以來，美國的一些大學和科研機構展開了基于計算機視覺的飛行器自主著陸技術的研究。 其方法如圖 所示。佛羅里達大學已經(jīng)成功研制出低成本、高性能的機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，已知平面目標中的幾個點和它們之間的幾何尺寸，通過對 應的像點位置及它們在圖像中的幾何尺寸就可以得出相機坐標系和著陸平臺坐標系之間的位置和姿態(tài) [6]。在加州大學的研究工作中，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，而且具有目標的幾何形狀信息。 4 定位系統(tǒng)搜索、跟蹤空中漸進著陸的無人戰(zhàn)斗機 (UCVA)，獲取無人機的圖像；再利用地面設備對獲取的無人機圖像進行圖像預處理，獲取無人機的特征信息，然后將特征信息、攝相機參數(shù)等視覺信息經(jīng)過上行數(shù)據(jù)鏈上傳到無人機；機載信息融合系統(tǒng) （ 采用多速率 Kalman 濾波方法 ） 將視覺信息和機載的慣導系統(tǒng)、高度表系統(tǒng)等給出的信息進行 信息融合，得到無人機的位姿估計 [7]。本文 選 用的著陸場景是 H形的人造哈爾濱工程大學本科生畢業(yè)論文 下面的內容就是探討怎樣通過特征提取，獲得無人直升機的姿態(tài)角。 6 第 2 章 方案設計的 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。旋翼機由于可 以垂直起降，降落地點為直升機降落平臺，所以對跑道的要求較低。而旋翼機飛行速度較慢，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，控制精度較高。實際應用中，微飛行器的主要任務是偵察監(jiān)視，一般都攜帶有機載攝像設備和圖像傳感器，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)展有很大的促進作用。因此將跑道 的兩條縱 向邊界作為特征量。其思想為認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。從佛羅里達大學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像點坐標，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。此算法最關鍵的兩個步驟是圖像預處理和最優(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確性。 直升機非線性數(shù)學模型的組成 直升機氣動力 /力矩的主要貢獻來自旋翼，旋翼力 /力矩的計算模型是直升機建模的關 鍵環(huán)節(jié)。機體的六自由度動力學方程普遍建立在機體軸系，機體軸系中質心的動力學方程是： / 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計，微飛行器選擇為無人直升機模型，跑道場景設計為 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，無人直升機的機載攝像頭安裝在機身的正下方時，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 無人直升機有偏航角時拍攝到的著陸圖像 (a) (b) 圖 無人直升機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，在本文的方案設計中，不研究著陸姿態(tài)中滾轉角。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)內容 將 著重介紹 介紹本 文圖像預處理 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行灰度化，分別為：分量法、最大值法、平均值法、加權平均法。下面 的研究內容將 對此進行詳 細的分析。 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，需要對圖像進行增強，即增加圖像的對比度。 圖 默認對比度灰度調整后的圖像 哈爾濱工程大學本科生畢業(yè)論文 19 度值的中值；而圖像銳化是補償圖像的輪廓，增強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 機載攝像設備拍攝到的無人直升機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，它關系到無人直升機能不能降落在跑道 區(qū)域內，因此為使無人直升機能在跑道 合理的區(qū)域 內 著陸，視覺導航系統(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)域大小等內容，確定無人直升機的航向信息和位置信 息，然后送入控制系統(tǒng)以使無人直升機安全著陸。 在圖像處理的研究應用中，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）將圖像轉換為黑白二值圖像，用于圖像分割及邊緣提取等預處理。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。這種方法需要反復試驗，挑選不同的閾值，直到觀察者覺得產生了較好的結果為止。 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節(jié)或者增強被模糊化的細節(jié)，把景物的結構輪廓清晰地表現(xiàn)出來。下面將詳細 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，而是加強了中心像素上下左右 4 個方向像素的權重，運算結果是一幅邊緣圖像。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 加權局部平均，不僅能檢測 圖像的邊緣，還能進一步抑制噪聲的 影響，由于進行了加權局部平均，它 得到的邊緣較粗，對于飛機跑道檢測來說，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 圖像中每個像素關于 x 軸和 y 軸的二階偏導數(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，對應一個數(shù)組? ?,uv ，反之，給定一個數(shù)組 ? ?,uv ，則對應一條直線 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。； ? 是直線到坐標原點的距離，始終為正值，假設圖片的矩形框的長為 M ，寬為 N ，則 哈爾濱工程大學本科生畢業(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， 運行的結果如下所示： 圖 直線檢測的最終結果 哈爾濱工程大學本科生畢業(yè)論文 先詳細介紹了 Hough變換的算法原理，根據(jù) Hough變換的步驟逐步進行直線檢測 ，在進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在無人直升機著陸過程中隨無人直升機的姿態(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。 坐標系設定 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、攝像機。 如圖 所示， g g g gOx y z 是地面坐標系，原點 gO 取地面上某一點，在無人直升機著陸過程中，可以取 gO 為著陸平臺中 H的中心點， ggOx處于地平面內并指向 H 的縱軸方向， ggOy 在地平面內且垂直于 ggOx 指向右哈爾濱工程大學本科生畢業(yè)論文 無人直升機的姿態(tài)角 包括： 偏航角 ? ：機體軸 bbOx 在地面上的投影與地軸 ggOx間的夾角，以機頭右偏航為正； 俯仰角 ? ：機體軸 bbOx 與地平面的夾角，以抬頭為正； 滾轉角 ? ：機體軸 bbOz 包含 機體軸 bbOx 的鉛垂面間的夾角，無人直升機哈爾濱工程大學本科生畢業(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，通過平移世界坐標系得到的輔助坐標系。 cx 、 cy 軸通常與圖像物理坐標系的 x 、 y 軸平行，如圖 中所示。 34 圖像坐標系包括圖像像素坐標系 iOuv 和圖像物理坐標系 Oxy ，如圖 所示。 x 、 y 軸分別 與圖像像素坐標系的 u 、 v 軸平行。 35 六個參數(shù)決定了攝像機坐標系在世界坐標系中的空間位置和姿態(tài)。 式 （ ） 代入式 （ ） 和式 （ ） ，可以得到世界坐標系與圖像坐標系之間的關系： 哈爾濱工程大學本科生畢業(yè)論文 下面 將分析這兩個角度之間的關系。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)中得到無人直升機的一個姿態(tài)角 —— 偏航角 ? 。直線 l 的法線與圖像物理坐標系 x 軸的夾角范圍就為 ? ? ? ?/ 2 , / 4 / 4 , / 2? ? ? ??? ，因此在進行直線檢 測 時 ， 就 可以 事先 設 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系 Ox 軸的夾角，這樣 就可以求出 ?哈爾濱工程大學本科生畢業(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 面內轉動