【正文】 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。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 ? 。 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(guān)系： 哈爾濱工程大學(xué)本科生畢業(yè)論文 x 、 y 軸分別 與圖像像素坐標系的 u 、 v 軸平行。 cx 、 cy 軸通常與圖像物理坐標系的 x 、 y 軸平行，如圖 中所示。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(zhuǎn)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(xué)本科生畢業(yè)論文 坐標系設(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、攝像機。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。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。利用這個方法檢測直線稱為 Hough變換直線檢測方法。 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 。因此在本文的邊緣檢測時， 選擇 Sobel 算子。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，還能進一步抑制噪聲的 影響，由于進行了加權(quán)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。下面將詳細 介紹每個算子的原理和具體實現(xiàn)。 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。 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。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。 圖像分割 的具體實施 機載攝像設(shè)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(guān)系到無人直升機能不能降落在跑道 區(qū)域內(nèi)，因此為使無人直升機能在跑道 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。 圖 默認對比度灰度調(diào)整后的圖像 哈爾濱工程大學(xué)本科生畢業(yè)論文 下面 的研究內(nèi)容將 對此進行詳 細的分析。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。 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。 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。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。 11 角速度、俯仰角速度、和偏航角速度。 直升機非線性數(shù)學(xué)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(guān) 鍵環(huán)節(jié)。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。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)。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。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)展有很大的促進作用。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。下面的內(nèi)容就是探討怎樣通過特征提取，獲得無人直升機的姿態(tài)角。 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(shè)備對獲取的無人機圖像進行圖像預(yù)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(dǎo)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]。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(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坐標系和著陸平臺坐標系之間的位置和姿態(tài) [6]。 其方法如圖 所示。 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(fù)雜或條件惡劣的環(huán)境完成高風險的任務(wù)；第三，生存力強，有較強的隱蔽性和突防能力，機動性好。 關(guān)鍵詞 ： 微飛行器；圖像處理；跑道識別； 飛行參數(shù) 哈爾濱工程大學(xué)本科生畢業(yè)論文 ABSTRACT With the demands of applicatoin and development of aeronautic technology, more and more attentions are paid to the research on Micro Air Vehicle(MAV) all over the world in recent years. A lot of research on puter visionbased for MAV autonomous landing has been done. In this paper ,we do some research on how to segment the runway area out of the image and obtain the attitude of the MAV with the vision technology. In this article, we process the image sequence of the runway which is got from an onboard camera, estimate the attitude and position of the aircraft. This article select the landing platform to target feature extraction for image processing, the theory of the use of machine vision, digital image processing methods, and knowledge of algebra and geometry, realtime to extract the parameters of the flight in the landing process, to provide navigation information for automomous landing of the MAV. In order to obtain the attitude information of the MAV, we research the relations betwwen the characterristics of a straight line and the image boundary line and the attitude. From the linear parameters of the landing platform, the yaw angle and pitch angle can be found. The theoretical analysis and the experiment result show that the extraction and conversion of visionbased navigation information 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。哈爾濱工程大學(xué)本科生畢業(yè)論文 摘 要 隨著應(yīng)用的需要和航空技術(shù)的發(fā)展，近年來在世界范圍內(nèi)掀起了微飛行器的研究熱潮。 image processing。 因此，微飛行器的研究受到越來越多科研人員的關(guān)注。 圖 微型飛行器自主飛行控制示意圖 視覺導(dǎo)航技術(shù)由于其視場 大、非接觸、速度快、信息豐富等特點，是一種 MAV 末端導(dǎo)引的有力手段。最后，該校對無人直升機的控制飛行進行了試驗，結(jié)果表明該視覺導(dǎo)航系統(tǒng)可以使無人機的著陸精度達到：軸向定位精度 5cm，姿態(tài)角精度 5176。其系統(tǒng)結(jié)構(gòu)圖如圖 所示。 論 文的整體分為四個章節(jié)：第一章是緒論，介紹了微飛行器的應(yīng)用背景以及國內(nèi)外發(fā)展現(xiàn)狀，概述了本文的研究內(nèi)容；第二章是方案設(shè)計與選擇的論證，結(jié)合國內(nèi)外的各種研究方案，確定本文的設(shè)計方案；第三章是跑道識別，設(shè)計了跑道識別的步驟，并對實驗結(jié)果進行了對比和分析；第四章是著陸中飛行參數(shù)的獲取，通過圖像處理獲得著陸平臺的特征值，然后利用攝像機線性模型和光學(xué)測量技術(shù)，以及地面坐標系、攝像機坐標系、飛機坐標系之間的相互關(guān)系，獲得著陸時的偏航角、俯仰角、滾轉(zhuǎn)角、距離著陸平臺的高度等飛行參數(shù)。本課題 在進行微飛行器起落跑道識別技術(shù)研究時，應(yīng)盡量選擇起落跑道設(shè)計簡單的飛行器為研究對象。因此，基于視覺的跑道識別技術(shù)有很大的研究價值。該算法 假設(shè)地平線是一條直線，直線兩側(cè)的像素點是分屬兩個類別中的元素，以像素點的彩色分量 {R,G,B}作為該點的特征量，則 對天、地特征的度量就是對類別中所有元素的特征量統(tǒng)計特征的度量。具體做法為，利用地面坐標系、攝像機坐標系、飛機坐標系 三者之間的相互關(guān)系和相互轉(zhuǎn)換，著陸線與兩條跑道邊線的交點，兩條跑道邊線的交點這三點在圖像中的坐標來計算飛機的姿態(tài)角參數(shù)。 ： 地平線擬合的視覺導(dǎo)航 實際的視覺導(dǎo)航中，前置攝像頭拍攝到的圖像中地平線很大的可能上并哈爾濱工程大學(xué)本科生畢業(yè)論文 旋翼力 /力矩由槳葉氣動力向機體軸系分解而得，槳葉氣動力采用葉素分析法進行計算。 ? ， ? ， ? 分別是機體坐標系相對地面坐標系的滾轉(zhuǎn)角、俯仰角和偏航角。方案 一 中 的地平線檢測法 ，需要對圖像中每一條直線，判斷它所區(qū)分的兩個類別特征值的差異，找出差異最大的那條直線，需要判斷的直線條數(shù)很多，而且所處理的圖像是彩色圖像，數(shù)據(jù)處理量大。地平線檢測算法中，由地平線在圖像 中的斜率和位置可以解算出飛行器的滾轉(zhuǎn)角和俯仰角， 而在本文 的研究中，機載攝像頭在飛行器的下 方，可以根據(jù)著陸場景中 H的 橫向中心線 在圖像中的斜率和位置解算飛行器的偏航角和俯仰角。 微飛行器的飛行高度，采用激光測距儀進行測量，在本文的研究設(shè)計中，將其作為已知量考慮，本設(shè)計主要研究跑道的識別和姿態(tài)角的解算。 圖像的灰度化處理 本課題研究中 用機載攝像頭拍攝到的都是 RGB彩色圖像，處理彩色圖像時，要分別對 RGB三種分量進行處理，實際上 RGB并不能反映圖像的形態(tài)特征，只是從光學(xué)的原理上進行顏色搭配。 哈爾濱工程大學(xué)本科生畢業(yè)論文 18 圖 對比度范圍為 [ ]處理后的圖像 圖 對比度范圍為 [ ]處理后的圖像 由上述三張圖片的對比效果，可以看出 對比度范圍為 [ ]時，圖像增強的效果較好，特征區(qū)域可以很好地從背景中區(qū)分出來。要實現(xiàn)上述目標， 需要一個算法來完成跑道的分割，以備后續(xù)處哈爾濱工程大學(xué)本科生畢業(yè)論文 圖像二值化閾值處理的變換函數(shù)表達式為： ? ? ? ?? ?1 , ,0 , ,f x y Tg x yf x y T???? ???? T為閾值 （ ） 標注為