本文關(guān)鍵詞：基于機器視覺的無人機著降定位技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：本文以兵器工業(yè)集團某所十五國防預(yù)研科技項目為背景,詳細研究了利用數(shù)字圖像處理技術(shù)和機器視覺技術(shù)實現(xiàn)無人機著降過程中的定位測量,并在此基礎(chǔ)上提出了一套完整的基于機器視覺的無人機著降定位方案。 本文的方案采用DGPS引導(dǎo)無人機歸航,把無人機引導(dǎo)到著降區(qū)特征圖案上空附近,啟動機器視覺助降系統(tǒng)對無人機進行實時精確定位,并把無人機的位置信息傳遞到飛行控制系統(tǒng),由飛行控制系統(tǒng)控制無人機降落。本文重點對機器視覺助降系統(tǒng)的實時圖像預(yù)處理、圖像特征點提取、無人機定位算法進行了研究。根據(jù)對無人機著降中的實時性和精確性的不同要求設(shè)計了兩種著降區(qū)特征圖案,并根據(jù)特征圖案的特點采用了不同的圖像處理算法。文中提出的線性定位算法能夠測量無人機的六個空間自由度(即無人機在著降區(qū)坐標(biāo)系中的x、y、z坐標(biāo),偏航角φ、俯仰角Κ、傾斜角ω),在此基礎(chǔ)上本文創(chuàng)新性地采用了非線性優(yōu)化算法對線性解進行優(yōu)化得到更加精確的非線性優(yōu)化解。 最后,用兩個著降區(qū)特征圖案進行了計算機半實物仿真實驗。實驗結(jié)果表明該方案能夠較好地滿足無人機著降定位過程中對實時性、精確性、穩(wěn)定性的要求。對實驗數(shù)據(jù)分析結(jié)果表明特征圖案A精度較好,特征圖案B實時性較好,證明特征點的增加,提高了系統(tǒng)精確度,但降低了實時性。在利用具有24個特征點的特征圖案A時,無人機的距離均方誤差小于1.5cm,偏航角均方誤差小于2.5度,實時性達到了3幀/秒;采用6個特征點的特征圖案B時,無人機的距離均方誤差小于3.5cm,偏航角均方誤差小于3.5度,實時性達到了5幀/秒。 本文為無人機安全著降提供了一種低成本,簡單實用的實現(xiàn)方案。該方案精度較高,實時性較好。為研制實際的助降系統(tǒng)提供了理論基礎(chǔ)和解決方案,對無人機和圖像導(dǎo)航定位技術(shù)的發(fā)展具有參考價值。
【關(guān)鍵詞】：無人機(UAV)著降 圖像預(yù)處理 輪廓跟蹤 特征點提取 攝影測量 非線性優(yōu)化算法
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2005
【分類號】：V249.12
【目錄】：

• 摘要4-5
• ABSTRACT5-6
• 目錄6-9
• 第一章 引論9-17
• 1．1 問題的提出10-12
• 1．2 國內(nèi)外相關(guān)研究工作12-15
• 1．3 本文研究工作15-17
• 第二章 系統(tǒng)總體方案17-27
• 2．1 飛行導(dǎo)航方式選擇17-20
• 2．1．1 雷達導(dǎo)航17-19
• 2．1．2 遙測設(shè)備導(dǎo)航19
• 2．1．3 GPS導(dǎo)航19-20
• 2．2 DGPS原理簡介20-22
• 2．3 系統(tǒng)總體結(jié)構(gòu)22
• 2．4 機器視覺導(dǎo)航系統(tǒng)硬件組成22-23
• 2．5 機器視覺導(dǎo)航軟件算法23-24
• 2．6 著降區(qū)特征圖案的設(shè)計24-26
• 2．7 小結(jié)26-27
• 第三章 實時圖像采集與預(yù)處理27-47
• 3．1 圖像采集27-30
• 3．1．1 圖像采集的基本原理27-28
• 3．1．2 圖像采集卡28
• 3．1．3 圖像采集卡開發(fā)28-30
• 3．2 圖像預(yù)處理30-46
• 3．2．1 圖像灰度化處理30-33
• 3．2．2 圖像幾何校正33-36
• 3．2．3 圖像濾波算法36-42
• 3．2．4 圖像分割及二值化42-46
• 3．3 小結(jié)46-47
• 第四章 圖像特征提取及粗識別47-71
• 4．1 邊緣檢測47-52
• 4．1．1 邊緣的分類47-48
• 4．1．2 常用的邊緣檢測算法48-52
• 4．2 輪廓跟蹤52-56
• 4．2．1 輪廓的鏈碼表示53-55
• 4．2．2 輪廓的斜率表示55
• 4．2．3 輪廓跟蹤算法55-56
• 4．2．4 二值圖像輪廓提取56
• 4．3 特征點提取56-60
• 4．3．1 角點提取的SUSAN算法56-59
• 4．3．2 形心提取法59-60
• 4．3．3 灰度重心提取法60
• 4．4 本文改進的特征點提取算法60-66
• 4．4．1 輪廓跟蹤61-62
• 4．4．2 多直線段分裂與合并62-65
• 4．4．3 角點提取65
• 4．4．4 角點排序65-66
• 4．5 圖像匹配66-70
• 4．5．1 圖像匹配的定義66-67
• 4．5．2 圖像匹配的數(shù)學(xué)描述67-69
• 4．5．3 匹配相似度69-70
• 4．6 小結(jié)70-71
• 第五章 無人機位姿參數(shù)攝影測量算法71-94
• 5．1 攝影測量概述及原理71-76
• 5．1．1 攝影成像模型72-73
• 5．1．2 常用坐標(biāo)系及其關(guān)系73-76
• 5．2 機器視覺系統(tǒng)的攝像機標(biāo)定76-87
• 5．2．1 攝像機標(biāo)定模型76-78
• 5．2．2 常用的攝像機系統(tǒng)標(biāo)定法78-87
• 5．3 無人機定位的線性算法87-91
• 5．4 無人機定位的非線性優(yōu)化算法91-93
• 5．5 小結(jié)93-94
• 第六章 計算機半實物仿真實驗及分析94-115
• 6．1 實驗原理圖94
• 6．2 實驗系統(tǒng)的硬件組成94-97
• 6．3 實驗系統(tǒng)的軟件設(shè)計97-99
• 6．4 實驗步驟99-100
• 6．5 實驗數(shù)據(jù)及誤差分析100-114
• 6．5．1 實驗A數(shù)據(jù)及誤差分析101-107
• 6．5．2 實驗B數(shù)據(jù)及誤差分析107-112
• 6．5．3 實驗A和實驗B對比分析112-114
• 6．6 小結(jié)114-115
• 第七章 結(jié)束語115-117
• 7．1 本文創(chuàng)新點115
• 7．2 進一步研究的問題115-117
• 致謝117-118
• 參考文獻118-121
• 附錄121-142
• 個人簡歷142

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 馬松輝;吳成富;商重陽;;Simulink環(huán)境下的圖像導(dǎo)引仿真技術(shù)研究[J];彈箭與制導(dǎo)學(xué)報;2011年02期

2 周光;羅元;張毅;楊瑞敏;;基于維納濾波的自適應(yīng)二值化技術(shù)的研究[J];微計算機信息;2008年21期

3 唐大全;畢波;王旭尚;李飛;沈?qū)?;自主著陸/著艦技術(shù)綜述[J];中國慣性技術(shù)學(xué)報;2010年05期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王瑤;TXX無人機的自動跟蹤算法研究[D];西安工業(yè)大學(xué);2012年

  本文關(guān)鍵詞：基于機器視覺的無人機著降定位技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：281077