專利名稱：一種無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明是一種面向工程應(yīng)用的視覺導(dǎo)航技術(shù)，歸屬于導(dǎo)航技術(shù)領(lǐng)域，具體涉及一種無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法。
背景技術(shù)：
計(jì)算機(jī)視覺技術(shù)由于其無源、自主以及信息量大等優(yōu)點(diǎn)，在許多領(lǐng)域都有廣泛的應(yīng)用。利用視覺傳感器與其它傳感器相結(jié)合的機(jī)載自主著陸導(dǎo)航方式成為近年來的研究熱點(diǎn)。國內(nèi)外很多研究機(jī)構(gòu)都對(duì)此項(xiàng)工作展開了研究，如國外的加州的伯克利分校、南加州大學(xué)、佛羅里達(dá)大學(xué)等，國內(nèi)的西工大、北航、南航以及清華大學(xué)等。對(duì)于合作目標(biāo)的檢測(cè)是整個(gè)視覺導(dǎo)航著陸方法中最為關(guān)鍵的部分，它的檢測(cè)精度和速度直接影響著導(dǎo)航參數(shù)的解算性能。目前，國內(nèi)外的研究機(jī)構(gòu)通過自己設(shè)計(jì)的特征圖案可以完成合作目標(biāo)的檢測(cè)，通常適用于背景較單純，合作目標(biāo)拍攝理想的情況下。由于機(jī)載攝像機(jī)受到飛機(jī)姿態(tài)的影響很可能使拍攝到的合作目標(biāo)出現(xiàn)大尺度畸變，而且所拍攝到的背景會(huì)有很多非合作目標(biāo)，以及其他干擾因素，對(duì)此，在目前的研究成果尚未發(fā)現(xiàn)合適的檢測(cè)方法。

發(fā)明內(nèi)容
要解決的技術(shù)問題為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法，技術(shù)方案一種無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法，其特征在于步驟如下步驟I合作目標(biāo)的設(shè)計(jì)采用紅色方形作為大背板，用熒光綠色的H和小正三角形作為合作目標(biāo)，并將小正三角形放置于H形斜下方45度方向；步驟2圖像預(yù)處理采用自適應(yīng)閾值分割對(duì)圖像進(jìn)行閾值分割，R(i，j) >90&&R(i, j) ~2>2*(G(i，j) ~2+B(i, j) ~2);然后進(jìn)行中值濾波，腐蝕以及膨脹預(yù)處理，分離出目標(biāo)和背景；其中，R(i，j)、G(i，j)和B(i，j)分別為圖像的紅色、綠色以及藍(lán)色分量；步驟3合作目標(biāo)提取對(duì)圖像進(jìn)行邊緣提取，在提取的邊緣中選取封閉輪廓并按輪廓周長從大到小排序，其中最長的為紅色背板輪廓，次長的為H形輪廓，另一個(gè)為正三角形輪廓； 步驟4對(duì)H形輪廓進(jìn)行MPP角點(diǎn)檢測(cè)利用MPP法對(duì)H形輪廓提取角點(diǎn)，得到具有順時(shí)針方向的角點(diǎn)；步驟5H形輪廓上MPP角點(diǎn)初始位置的確定將正三角形輪廓上每個(gè)點(diǎn)的橫、縱坐標(biāo)分別求和，然后除以輪廓上的點(diǎn)數(shù)得到小三角形上的重心；在H形輪廓上的MPP點(diǎn)找出距離該重心最近的MPP點(diǎn)，以該點(diǎn)作為起點(diǎn),將H形上的MPP點(diǎn)按順時(shí)針重新排序；步驟6 以斜率和距離雙重約束剔除MPP角點(diǎn)中的偽角點(diǎn)，得到所需數(shù)目的MPP角占.
^ \\\ 斜率約束設(shè)X(i-l)、X(i)、X(i+l)分別為前一角點(diǎn)、當(dāng)前角點(diǎn)以及下一角點(diǎn)的橫坐標(biāo)，y (i-1)、y (i)、y (i+1)為對(duì)應(yīng)點(diǎn)的縱坐標(biāo)，kl、k2分別為當(dāng)前角點(diǎn)和前一角點(diǎn)連線的向量，下一角點(diǎn)和當(dāng)前角點(diǎn)連線的向量，k為kl與k2的夾角余弦值，夾角取值范圍為O到180度,表達(dá)式如下kl = (x (i-1) -χ (i), y (i~l) ~y (i))k2 = (x (i) -x (i+1), y (i) -y (i+1)) r- R1 & 麵給定斜率值記為Thresh，當(dāng)滿足k > Thresh時(shí)，將當(dāng)前角點(diǎn)記為待剔除角點(diǎn)；距離約束將待剔除的角點(diǎn)與前一角點(diǎn)求距離，如果他們之間的距離小于所設(shè)定的距離閾值則將該待剔除的角點(diǎn)剔除，否則保留該角點(diǎn)；距離約束的條件表達(dá)式如下(χ⑴-χ(i_l))2+ (y ⑴-y (i_l))2 < Dis其中Dis為設(shè)定的距離閾值；步驟7 :對(duì)H形輪廓進(jìn)行Harris角點(diǎn)提?。徊襟E8 :將Harris提取的角點(diǎn)和經(jīng)過約束后的MPP角點(diǎn)進(jìn)行匹配，其匹配原則是將MPP法的每一個(gè)角點(diǎn)找到與它對(duì)應(yīng)距離最小的Harris角點(diǎn)，按順時(shí)針排列Harris角點(diǎn)，最終得到精度高并具有方向性的H形角點(diǎn)。所述Thresh 選為 O. 9。所述Dis選取為10。有益效果本發(fā)明提出的一種無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法，在復(fù)雜背景下以及合作目標(biāo)發(fā)生大尺度畸變時(shí)，對(duì)合作目標(biāo)精確檢測(cè)的方法。本發(fā)明以無人機(jī)自主安全著陸為研究背景，為解決機(jī)載攝像機(jī)拍攝的合作目標(biāo)畸變大以及圖像中含有很多非合作目標(biāo)的問題，設(shè)計(jì)了一種Harris法結(jié)合MPP法的角點(diǎn)檢測(cè)算法,該方法有效的結(jié)合了 Harris角點(diǎn)檢測(cè)精度高以及MPP法角點(diǎn)具有方向性的優(yōu)點(diǎn)，使得本發(fā)明可以在復(fù)雜背景下以及合作目標(biāo)出現(xiàn)大尺度畸變時(shí)都可以完成合作目標(biāo)魯棒檢測(cè)，實(shí)現(xiàn)旋翼無人機(jī)安全、自主著陸。該方法檢測(cè)精度高、抗干擾能力強(qiáng)、實(shí)時(shí)性好以及工程上易于實(shí)現(xiàn)，對(duì)基于視覺導(dǎo)航的無人機(jī)著陸方法具有重要的指導(dǎo)意義。本發(fā)明方案與傳統(tǒng)無人機(jī)視覺導(dǎo)航著陸合作目標(biāo)檢測(cè)系統(tǒng)相比具有以下優(yōu)勢(shì)I、可以解決復(fù)雜背景下，拍攝的合作目標(biāo)出現(xiàn)大尺度畸變條件下，合作目標(biāo)精確檢測(cè)問題。2、本方案所提供的測(cè)試方法，可以為真實(shí)飛機(jī)著陸提供地面數(shù)據(jù)的前期驗(yàn)證以及前期數(shù)據(jù)優(yōu)化與性能改進(jìn)工作。3、本方案的實(shí)施，解決了飛機(jī)著陸精度差、需要昂貴的輔助設(shè)備引導(dǎo)問題。4、本方案實(shí)施方便、靈活，具有發(fā)展前景以及工程應(yīng)用價(jià)值。


圖I :無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法原理圖
具體實(shí)施例方式現(xiàn)結(jié)合實(shí)施例、附圖對(duì)本發(fā)明作進(jìn)一步描述以下對(duì)本發(fā)明方法作進(jìn)一步具體的描述，各部分具體實(shí)施步驟細(xì)節(jié)如下I.合作目標(biāo)的設(shè)計(jì)采用紅色方形作為大背板，用熒光綠色的H和小正三角形作為合作目標(biāo)，并將小正三角形放置于H形斜下方45度方向。
2.圖像預(yù)處理對(duì)圖像進(jìn)行閾值分割，中值濾波，腐蝕以及膨脹等預(yù)處理，以分離出目標(biāo)和背景。閾值分割方法采用自適應(yīng)閾值分割，公式如下所示R(i, j) > 90&&R(i, j) ~2>2*(G(i, j) ~2+B(i, j) ~2) (I)其中，R(i，j)、G(i，j)和B(i，j)分別為圖像的紅色、綠色以及藍(lán)色分量。3.合作目標(biāo)的提取在圖像預(yù)處理完后，對(duì)圖像進(jìn)行邊緣提取，在提取的邊緣中選取封閉輪廓并按輪廓周長從大到小排序，其中最長的為紅色背板輪廓，次長的為H形輪廓，另一個(gè)為正三角形輪廓。4.利用MPP法檢測(cè)合作目標(biāo)角點(diǎn)在得到H形和小三角形輪廓后，利用MPP法檢測(cè)H形輪廓角點(diǎn)。MPP法的原理在岡薩雷斯出版的《數(shù)字圖像處理》一書中有詳細(xì)的理論介紹，MPP法的主要思想是是首先對(duì)合作目標(biāo)圖像進(jìn)行輪廓跟蹤，本發(fā)明采用的是Freeman跟蹤法，其中采用的是8-方向鏈碼，然后利用最小多邊形周長原理，提取合作目標(biāo)輪廓上檢測(cè)出來的角點(diǎn)。該方法可以保證提取的角點(diǎn)在合作目標(biāo)上而且具有方向性，受噪聲影響小，有很強(qiáng)的魯棒性，但是其主要缺點(diǎn)是會(huì)檢測(cè)出合作目標(biāo)邊緣上的一些偽角點(diǎn)，而且檢測(cè)出的角點(diǎn)可能存在一些偏差。5.將MPP法檢測(cè)到角點(diǎn)進(jìn)行排序由于MPP法檢測(cè)出的角點(diǎn)順序是隨機(jī)排列的，當(dāng)合作目標(biāo)發(fā)生尺度畸變后，其角點(diǎn)的順序難以確定。本發(fā)明利用小三角形信息來對(duì)MPP法提取的角點(diǎn)排序。即將正三角形輪廓上每個(gè)點(diǎn)的橫、縱坐標(biāo)分別求和然后除以輪廓上的點(diǎn)數(shù)，就可得到小三角形上的重心。在H形輪廓上的MPP點(diǎn)找出距離該重心最近的MPP點(diǎn)，以該點(diǎn)作為起點(diǎn)，將H形上的MPP點(diǎn)按順時(shí)針重新排序，即可得到所需的順序。6.剔除MPP法檢測(cè)出的偽角點(diǎn)由于在圖像預(yù)處理階段進(jìn)行了濾波、邊緣提取、以及為了防止邊緣斷裂而進(jìn)行的邊緣聯(lián)通，使得MPP提取的角點(diǎn)中有很多偽角點(diǎn)，因此提出斜率約束和距離約束這雙重約束剔除偽角點(diǎn)。6. I斜率約束設(shè)x(i-l)、x(i)、x(i+l)分別為前一角點(diǎn)、當(dāng)前角點(diǎn)以及下一角點(diǎn)的橫坐標(biāo)，y (i-1)、y (i)、y (i+1)為對(duì)應(yīng)點(diǎn)的縱坐標(biāo)，kl、k2分別為當(dāng)前角點(diǎn)和前一角點(diǎn)連線的向量，下一角點(diǎn)和當(dāng)前角點(diǎn)連線的向量，k為kl與k2的夾角余弦值，夾角取值范圍為O到180度。表達(dá)式如式(2)、(3)和(4)所示。kl = (χ (i_l)-χ (i)，y (i_l)-y (i)) (2)
k2 = (x(i)-x(i+l), y (i)-y (i+1)) (3)
_ k=m；\ ⑷給定斜率值記為Thresh，當(dāng)滿足(5)式時(shí)，把當(dāng)前角點(diǎn)記為待剔除角點(diǎn)，本發(fā)明Thresh 選取為 O. 9。k > Thresh (5)6. 2距離約束將待剔除的角點(diǎn)與前一角點(diǎn)求距離，如果他們之間的距離小于所設(shè)定的距離閾值則將該待剔除的角點(diǎn)剔除，否則保留該角點(diǎn)。距離約束的條件表達(dá)式如式(6)所示，其中Dis為設(shè)定的距離閾值，本發(fā)明Dis選取為10。
(x(i)-X(i-1))2+(y (i)-y (i-Ι))2 < Dis (6)經(jīng)過斜率約束和距離約束后，得到所需的MPP角點(diǎn)。5.對(duì)H形輪廓進(jìn)行Harris角點(diǎn)提取對(duì)H形輪廓進(jìn)行Harris角點(diǎn)提取，其中Harris的主要原理是取以目標(biāo)像素點(diǎn)為中心的一個(gè)小窗口，計(jì)算窗口沿任何方向移動(dòng)后的灰度變化，并用解析形式表達(dá)。設(shè)以像素點(diǎn)(x，y)為中心的小窗口在X方向上移動(dòng)U，y方向上移動(dòng)V，Harris給出了灰度變化度量的解析表達(dá)式Exty ==Σ ,("備+I，備+ ^2+ν2))2(7)其中，Ex，y為窗口內(nèi)的灰度變化度量;wx，y為窗口函數(shù),一般定義為=eu+j2)<T;I為圖像灰度函數(shù)，略去無窮小項(xiàng)有Ex y =Σ wx；y[u2 (Ix) 2+v2 (Iy) 2+2uvIxIy] = Au2+2Cuv+Bv2 (8)將Ex，y化為二次型有
u.E =[u v]M(9)
^VM為實(shí)對(duì)稱矩陣M=jyx'v χ Ιχ :y(10)
^ y y _通過對(duì)角化處理得到Exy = R °λ/ (H)其中，R為旋轉(zhuǎn)因子，對(duì)角化處理后并不改變以U，V為坐標(biāo)參數(shù)的空間曲面的形狀，其特征值反應(yīng)了兩個(gè)主軸方向的圖像表面曲率。當(dāng)兩個(gè)特征值均較小時(shí)，表明目標(biāo)點(diǎn)附近區(qū)域?yàn)椤捌教箙^(qū)域”;特征值一大一小時(shí)，表明特征點(diǎn)位于“邊緣”上；只有當(dāng)兩個(gè)特征值均比較大時(shí)，沿任何方向的移動(dòng)均將導(dǎo)致灰度的劇烈變化。Harris的角點(diǎn)響應(yīng)函數(shù)(CRF)表達(dá)式由此而得到CRF (x, y) = det (M) -k (trace (M))2 (12)其中det(M)表示矩陣M的行列式，trace (M)表示矩陣的跡。當(dāng)目標(biāo)像素點(diǎn)的CRF值大于給定的閾值時(shí)，該像素點(diǎn)即為角點(diǎn)。Ij^PIy分別為X方向和y方向的梯度；《為卷積；Det為矩陣的行列式；Tr為矩陣的跡；k為經(jīng)驗(yàn)值，本發(fā)明取為O. 06。該方法檢測(cè) 精度高，但是容易受到噪聲干擾，而且當(dāng)合作目標(biāo)出現(xiàn)大尺度畸變時(shí)難以確定角點(diǎn)的順序。6. MPP角點(diǎn)與Harris角點(diǎn)的匹配。在經(jīng)過上述步驟后，將Harris提取的角點(diǎn)和經(jīng)過約束后的MPP角點(diǎn)進(jìn)行匹配，其匹配原則主要是將MPP法的每一個(gè)角點(diǎn)找到與它對(duì)應(yīng)距離最小的Harris角點(diǎn)，從而可以得到按順時(shí)針排序的Harris角點(diǎn)，最終就可以得到精度高并具有方向性的H形角點(diǎn)。經(jīng)過上述步驟，最終可以完成合作目標(biāo)角點(diǎn)的精確、快速檢測(cè)，實(shí)現(xiàn)整個(gè)旋翼無人機(jī)視覺導(dǎo)航自主著陸合作目標(biāo)魯棒檢測(cè)。
權(quán)利要求
1.一種無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法，其特征在于步驟如下 步驟I合作目標(biāo)的設(shè)計(jì)采用紅色方形作為大背板，用熒光綠色的H和小正三角形作為合作目標(biāo)，并將小正三角形放置于H形斜下方45度方向； 步驟2圖像預(yù)處理采用自適應(yīng)閾值分割對(duì)圖像進(jìn)行閾值分割，R(i，j) > 90&&R(i,j)~2>2*(G(i，j)~2+B(i，j)~2);然后進(jìn)行中值濾波，腐蝕以及膨脹預(yù)處理，分離出目標(biāo)和背景；其中，R(i，j)、G(i，j)和B(i，j)分別為圖像的紅色、綠色以及藍(lán)色分量； 步驟3合作目標(biāo)提取對(duì)圖像進(jìn)行邊緣提取，在提取的邊緣中選取封閉輪廓并按輪廓周長從大到小排序，其中最長的為紅色背板輪廓，次長的為H形輪廓，另一個(gè)為正三角形輪廓； 步驟4對(duì)H形輪廓進(jìn)行MPP角點(diǎn)檢測(cè)利用MPP法對(duì)H形輪廓提取角點(diǎn)，得到具有順時(shí)針方向的角點(diǎn)； 步驟5H形輪廓上MPP角點(diǎn)初始位置的確定將正三角形輪廓上每個(gè)點(diǎn)的橫、縱坐標(biāo)分別求和，然后除以輪廓上的點(diǎn)數(shù)得到小三角形上的重心；在11形輪廓上的MPP點(diǎn)找出距離該重心最近的MPP點(diǎn)，以該點(diǎn)作為起點(diǎn),將H形上的MPP點(diǎn)按順時(shí)針重新排序；步驟6 :以斜率和距離雙重約束剔除MPP角點(diǎn)中的偽角點(diǎn)，得到所需數(shù)目的MPP角點(diǎn)；斜率約束設(shè)x(i-l)、x(i)、x(i+l)分別為前一角點(diǎn)、當(dāng)前角點(diǎn)以及下一角點(diǎn)的橫坐標(biāo)，y (i-1)、y (i)、y (i+1)為對(duì)應(yīng)點(diǎn)的縱坐標(biāo)，kl、k2分別為當(dāng)前角點(diǎn)和前一角點(diǎn)連線的向量，下一角點(diǎn)和當(dāng)前角點(diǎn)連線的向量，k為kl與k2的夾角余弦值，夾角取值范圍為O到180度，表達(dá)式如下 給定斜率值記為Thresh，當(dāng)滿足k > Thresh時(shí)，將當(dāng)前角點(diǎn)記為待剔除角點(diǎn)； 距離約束將待剔除的角點(diǎn)與前一角點(diǎn)求距離，如果他們之間的距離小于所設(shè)定的距離閾值則將該待剔除的角點(diǎn)剔除，否則保留該角點(diǎn)；距離約束的條件表達(dá)式如下(x(i)-x(i-l))2+(y(i)-y(i-1))2 < Dis其中Dis為設(shè)定的距離閾值； 步驟7 :對(duì)H形輪廓進(jìn)行Harris角點(diǎn)提??； 步驟8 :將Harr i s提取的角點(diǎn)和經(jīng)過約束后的MPP角點(diǎn)進(jìn)行匹配，其匹配原則是將MPP法的每一個(gè)角點(diǎn)找到與它對(duì)應(yīng)距離最小的Harris角點(diǎn),按順時(shí)針排列Harris角點(diǎn),最終得到精度高并具有方向性的H形角點(diǎn)。
2.根據(jù)權(quán)利要求I所述無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法，其特征在于 所述Thresh選為O. 9。
3.根據(jù)權(quán)利要求I所述無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法，其特征在于 所述Dis選取為10。
全文摘要
本發(fā)明涉及一種無人機(jī)著陸視覺導(dǎo)航合作目標(biāo)魯棒檢測(cè)方法，解決了機(jī)載攝像機(jī)拍攝的合作目標(biāo)畸變大以及圖像中含有很多非合作目標(biāo)，而造成合作目標(biāo)難以準(zhǔn)確檢測(cè)的問題。設(shè)計(jì)了以紅色方形作為大背板，用熒光綠色的H和小正三角形作為合作目標(biāo)，提出MPP法和Harris法相結(jié)合的角點(diǎn)檢測(cè)算法來實(shí)現(xiàn)合作目標(biāo)在復(fù)雜環(huán)境以及大尺度畸變時(shí)角點(diǎn)的精確檢測(cè)，該方法有效的結(jié)合了Harris角點(diǎn)檢測(cè)精度高以及MPP法角點(diǎn)具有方向性的優(yōu)點(diǎn)。與傳統(tǒng)的無人機(jī)視覺導(dǎo)航著陸合作目標(biāo)檢測(cè)方案相比，本發(fā)明不僅易于實(shí)現(xiàn)，而且可以有效地解決復(fù)雜背景大尺度畸變情況下的合作目標(biāo)檢測(cè)問題。不僅提高了檢測(cè)的準(zhǔn)確性，而且便于工程實(shí)現(xiàn)，對(duì)無人機(jī)自主安全著陸具有重要的意義。
文檔編號(hào)G01C21/00GK102914302SQ20121033668
公開日2013年2月6日 申請(qǐng)日期2012年9月12日 優(yōu)先權(quán)日2012年9月12日
發(fā)明者馬旭, 程詠梅, 郝帥, 趙建濤, 王濤, 睢志佳, 孔若男, 宋林, 劉楠, 杜立一, 阮小明 申請(qǐng)人:西北工業(yè)大學(xué)