【文章內容簡介】 1x y x x y y x y x y z x z y x y y z y zx y x yy x y x y x x y z x y y z x z x y x x zx y x yz z y x x y x y x yzI M I M I I I I I I I II I II M I M I I I I I I I II I IM I I II? ? ? ? ?? ? ? ? ?? ? ? ? ?? ??? ? ? ? ? ? ? ?? ??????? ? ? ? ? ? ? ???????? ? ? ? ? ????? （ ） 作用在直升機質心處的合力 /合力矩表達式為： , , , , , , , , , , , , ,x M x T x F x H x Vxy y M y T y F y H y Vz z M z T z F z H z VF F F F FFF F F F F FF F F F F F? ? ? ? ? ? ? ? ? ??? ? ? ? ? ? ? ? ? ? ???? ? ? ? ?? ? ? ? ? ? ? ? ? ???? ? ? ? ? ? ? ? ? ????? ? ? ? ? ? ? ? ? ? ? （ ） , , , , , , , , , , , , ,x M x T x F x H x Vxy y M y T y F y H y Vz z M z T z F z H z VM M M M MMM M M M M MM M M M M M? ? ? ? ? ? ? ? ? ??? ? ? ? ? ? ? ? ? ? ???? ? ? ? ?? ? ? ? ? ? ? ? ? ???? ? ? ? ? ? ? ? ? ????? ? ? ? ? ? ? ? ? ? ? （ ） 式中，下標分別表示旋翼 (M )、尾槳 (T )、機身 (F )、垂尾 (V )和水平安定面 (H )。姿態(tài)角與機體角速度之間的運動學關系為： ? ?? ?t a n c os si nc os si n / c osc os si nx y zyzzy? ? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ?? ? ? ??????? ???? （ ） 式中， m 是全機質量， xI ， yI ， zI 是機體三個軸方向的慣量矩， xzI 是慣量積，g 是重力加速度，并假設它們都為常數(shù)。 xV ， yV ， zV 是質心速度在坐標軸上的速度分量， x? ， y? ， z? 是機體的角速度在坐標軸上的分量，分別為滾轉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。 ? ， ? ， ? 分別是機體坐標系相對地面坐標系的滾轉角、俯仰角和偏航角。 直升機的非線性數(shù)學模型為 ? ?,x f t x u? ，式中 x 表示直升機動力學方程的全部狀態(tài)量， u 表示直升機的操縱量。 直升機的數(shù)學模型有助于 了解直升機的飛行運動，對降落過程中的飛行姿態(tài)有更加深入的了解， 對本文的方案設計有很大的指導意義 。 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。無人直升機在降落過程中一般為垂直起降，不像固定翼飛機那樣滑翔降落， 因此機載攝像設備不能像固定翼飛 那樣采用前置攝像頭。無人直升機在垂直 降落的過程 中，為了方便圖像采集，本課題設計 將機載攝像設備安裝在無人直升機的正下方，攝像頭向下拍攝圖片，這樣可以更好地識別跑道。 由于攝像機安裝在飛行器的下方，向下拍攝圖片，所以利用地平線檢測法檢測姿態(tài)角并不太適合。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 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。方案四用禁忌搜索 算法搜尋最優(yōu)解時，搜索域內適配值函數(shù)值的變化有較強的方向性，令其從一個初始可行解出發(fā)，選擇一系列的特定搜索方向作為試探，選擇使適配值函數(shù)值增大最多的移動，從而在保證搜索質量的同時較大幅度地減少搜索空間。這樣做雖然提高了算法的實時性，但是選擇一系列的特征搜索方向作為試探時，仍有 很大的計算量。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 12 理有很大的參考價值，本文 可以根據(jù)著陸平臺上的 H在圖像中的位置變化來分析飛行器的姿態(tài)角。 方案二提出了較為新穎 的飛行參 數(shù) 的算法，但不適合于無人直升機的垂直起降。方案三中 P4P 的方法比較適用于本設計中的跑道識別，可以選取 H形著落平臺的四個頂點作為需要的點，但實際操作中 ，從圖像上識別出四個頂點有一定的困難，而且需要求解非線性方程組，計算量較大，精度不夠高，可能最終會造成很大的誤差。 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。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。下列圖片就顯示出了飛行器不同姿態(tài)角時拍攝到的圖片。 圖 無人直升機在某一位置拍攝的基準著陸圖像 哈爾濱工程大學本科生畢業(yè)論文 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。圖 是飛行器有偏航角時拍攝到的圖像， H 的橫向中心線在圖片中的斜率和飛行器的偏航角有密切的聯(lián)系，可根據(jù) H的橫向中心線的斜率來解算偏航角。圖 是飛行器有俯仰角時拍攝到的著陸場景，不同俯仰角時，著陸場景中的 H在圖像坐標系中縱軸的位置不同，有俯仰角時 H在縱軸上位置與沒有俯仰角時 H在圖像中的基準位置進行對比，可以解算出飛行器的俯仰角。微型無人直升機 因為體積小，在飛行過程中如果遇到較大風速的干擾，易發(fā)生側翻，滾轉角不宜設置過大，哈爾濱工程大學本科生畢業(yè)論文 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。 微飛行器的飛行高度，采用激光測距儀進行測量，在本文的研究設計中，將其作為已知量考慮，本設計主要研究跑道的識別和姿態(tài)角的解算。 本章小結 在本章中主要介紹了已有的 視覺導航技術，并結合已有的研究確定出本文的設計方案。首先，由本課題 的實驗條件和對數(shù)據(jù)處理時間的要求，確定了微型飛行器的機 型和著陸場景的設計；然后，對已有的視覺導航技術進行對比研究，了解不同視覺導航的原理，其中基于地平線的檢測算法對本文的研究有很大的借鑒作用；最后，結合本課題 的實驗環(huán)境，研究出了適合無人直升機著陸過程中的視覺導航算法，選用著陸平臺上的 H在圖像中的位置來解算降落過程中的姿態(tài)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。 哈爾濱工程大學本科生畢業(yè)論文 15 第 3章 數(shù)字 圖像預處理 由機載攝像設備拍攝到的圖像一般都存在或大或小的噪聲，對于本文中的 跑 道檢測和邊緣提取有很大的干擾 作用，因此，對數(shù)字圖像進行預處理顯得非常 重要。進行圖像預處理可以減少圖像中無用的信息，增強本課題研究中 需要的信息并抑制噪聲 ，有助于后續(xù)的研究 。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。 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，只是從光學的原理上進行顏色搭配。 在 實際 處理圖像時，只是需要 用到 圖像的形態(tài)特征，而且圖像灰度化 處理后 可以減小圖像的存儲量，減小數(shù)據(jù)處理量 和處理時間 。 在 RGB模型中，如果 R=G=B 時，彩色則表示一種灰度顏色，其中 R=G=B的值叫灰度值，因此，灰度圖像中每個像素只需要一個字符存放灰度值，灰度范圍為 0255。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。由于人眼對綠色的敏感較高，對藍色的敏感較低，因此對 RGB 三個分量進行加權平均可以 得到較為合理的灰度圖像。加權平均法的 算法為： ? ? ? ? ? ? ? ?, 0 . 3 0 , 0 . 5 9 , 0 . 1 1 ,f i j R i j G i j B i j? ? ? （ ） 在本文的灰度 化 處理算法中， 采用加權平均法對 拍攝到的著陸場景 圖像進行灰度化處理， 灰度化處理后的 效果圖如下 所示 ： 哈爾濱工程大學本科生畢業(yè)論文 16 圖 灰度處理前的圖片 圖 灰度化處理后的圖片 圖像分割 本文研究中 ， 需要識別 的是著陸區(qū)域上 H 形的著陸平臺，因此需要將 H從圖像背景中分離出來，在圖像分割的過程中，圖像 中的 噪聲會給圖像分割帶來一定的干擾，因此 需要先對圖像進行濾波處理，減小圖像中的噪聲 ，以便進行圖像分割 。下面 的研究內容將 對此進行詳 細的分析。 哈爾濱工程大學本科生畢業(yè)論文 17 圖像去噪處理 由上述灰度化處理的圖像可以看出，圖像 的背景色上有很多白色的斑點，這些白色的點都是圖像中的噪聲，給本文中 的圖像處理工作帶來了很大的干擾。為了改善視覺效果或者便于人和機器對圖像的理 解和分析， 需要根據(jù)圖像的特點或者存在的問題采取簡單的方法減小 圖像中的噪聲。 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。在圖像增強中，本文 使用imadjust函數(shù)直接進行 灰度調整。 imadjust函數(shù)可用于簡單的圖像增強處理，增強對比度實際上是增強原圖 像中 各部分的反差。下列圖片顯示出了不同對比度范圍 時 灰度調整的效果。 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 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。 圖像增強處理后，需要采用濾波 的方式減小圖像中的噪聲，濾波的方式主要有平滑濾波、中值濾波、銳化濾波。 平滑濾波對像素及其領域進行了平均化，使圖像看起來顯得比較平滑 ，用于模糊處理和減小噪聲；中值濾波是把數(shù)字圖像或數(shù)字序列中某一點的值設置為該點的一個領域中所有像素點灰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。 在以上的三種濾波方式中，中值濾波對消除椒鹽噪聲非常有效，常用來保護邊緣信息，是經(jīng)典的平滑噪聲方法。 本文 所處理的圖像中的噪聲大多是離散的白色斑點，可以看作 是 椒鹽噪聲中的 鹽噪聲 ，因此，選 用中值 濾波的方法對圖像進行消噪處理比較好。中值濾波處理后的圖 像如圖 所示 ： 圖 中值濾波處理后的圖像 上圖顯示，中值濾波已經(jīng)有效地減小了圖像中的噪聲，為了將著陸區(qū)域中的 H 從背景中分離出來， 還需要對圖像進行分割 處理 。 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。要實現(xiàn)上述目