近年來(lái),無(wú)人機(jī)技術(shù)發(fā)展迅速,特別是在城市服務(wù)應(yīng)用領(lǐng)域獲得了廣泛應(yīng)用。無(wú)人機(jī)的自身位姿信息獲取以及自主降落是城市服務(wù)領(lǐng)域應(yīng)用的前提。隨著現(xiàn)代圖像處理技術(shù)和光學(xué)攝像技術(shù)的快速發(fā)展,計(jì)算機(jī)視覺(jué)導(dǎo)航降落技術(shù)已經(jīng)成為一個(gè)十分熱門(mén)研究領(lǐng)域,特別是在GPS信號(hào)容易受到干擾的城市環(huán)境下,視覺(jué)導(dǎo)航降落技術(shù)顯得尤為重要。為此,本文以無(wú)人機(jī)在城市的自主降落為背景,研究了一種基于單目視覺(jué)無(wú)人機(jī)降落姿態(tài)檢測(cè)估計(jì)算法。該算法結(jié)合降落運(yùn)動(dòng)模型,利用相機(jī)采集的信息作為量測(cè)信息,對(duì)無(wú)人機(jī)的位姿狀態(tài)設(shè)計(jì)了基于修正卡爾曼濾波的運(yùn)動(dòng)估計(jì)方案。本文完成的主要研究工作如下:(1)針對(duì)相機(jī)存在的畸變問(wèn)題,研究了相機(jī)標(biāo)定技術(shù),將非線性問(wèn)題轉(zhuǎn)化為線性問(wèn)題。(2)為了提高無(wú)人機(jī)位姿估計(jì)的快速性,滿足實(shí)時(shí)性要求,研究了一種快速模板匹配分割算法,分割出帶有特征信息的合作目標(biāo)。(3)針對(duì)如何更準(zhǔn)確的提取特征點(diǎn)信息的問(wèn)題,研究了一種在HSV顏色空間二值化的處理方法,處理過(guò)后的圖像使用Canny邊緣檢測(cè)算法獲得圖像邊緣信息,然后進(jìn)行輪廓提取和角點(diǎn)檢測(cè),角點(diǎn)檢測(cè)使用了Harris角點(diǎn)檢測(cè)方法。(4)首先設(shè)計(jì)了一種類似K-means聚類算法,實(shí)現(xiàn)了快速...

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1正方形人工標(biāo)志圖案澳大利亞悉尼大學(xué)ACTsai等人[5]

圖1.1正方形人工標(biāo)志圖案Tsai等人[5]設(shè)計(jì)了一種T形地目標(biāo)，然后使用霍夫變換提取解算最優(yōu)估計(jì)。這種方法姿態(tài)導(dǎo)航數(shù)據(jù)相融合的方法，并

圖1.2T型地標(biāo)和T型翼立式垂直起落無(wú)人機(jī)SHaowuYang等人[6]

圖1.2T型地標(biāo)和T型翼立式垂直起落無(wú)人機(jī)wuYang等人[6]設(shè)計(jì)了一種如圖1.3所示的人工標(biāo)志，是有H和圓雜的自然環(huán)境中，成功的分割出了人工標(biāo)志物圖像，并使用投影個(gè)自由度位姿，使用IMU估計(jì)的重力矢量，該估計(jì)方法解算出1.5°左右。

圖1.4平行線合作目標(biāo)張廣軍等人設(shè)計(jì)了一種新型雙圓著陸平面靶標(biāo)圖像

圖1.4平行線合作目標(biāo)種新型雙圓著陸平面靶標(biāo)圖像[8]，利變性的特征點(diǎn)，通過(guò)特征點(diǎn)的信息解圖案的清晰度和分辨率要求很高。苗等人[9]提出了一種基于單幅圖片的

圖1.5T型合作目標(biāo)[12]

圖1.5T型合作目標(biāo)張宇等人[12]設(shè)計(jì)了一種基于視覺(jué)分級(jí)的地標(biāo)定，該方法解決了地標(biāo)尺度隨無(wú)人機(jī)位置高度變相間的正方形環(huán)，如圖1.6所示，運(yùn)用的位姿

本文編號(hào)：4032282