針對(duì)固定翼無(wú)人機(jī)自主著陸需求,結(jié)合旋翼機(jī)自主著陸方法優(yōu)勢(shì),提出一種基于雙目視覺(jué)的固定翼無(wú)人機(jī)自主著陸方法。分析無(wú)人機(jī)著陸過(guò)程,設(shè)計(jì)地標(biāo)形狀及其擺放方式;基于輪廓幾何特征及SVM分類(lèi)器完成目標(biāo)識(shí)別。為保證算法實(shí)時(shí)性,對(duì)目標(biāo)圖像進(jìn)行網(wǎng)格采樣,以基于前后雙向跟蹤誤差與相鄰幀局部區(qū)域圖像相似性約束改進(jìn)的金字塔L-K光流法為核心對(duì)采樣點(diǎn)進(jìn)行跟蹤;設(shè)計(jì)目標(biāo)再搜索算法,進(jìn)行跟蹤失敗再搜索,保證跟蹤穩(wěn)定性。最后,提取亞像素級(jí)特征角點(diǎn),基于透視投影理論完成相對(duì)位姿解算,并進(jìn)行雙目均值融合。實(shí)驗(yàn)結(jié)果表明:算法實(shí)時(shí)性、穩(wěn)定性較好,有較高估計(jì)精度,可滿(mǎn)足固定翼無(wú)人機(jī)自主著陸需求。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 系統(tǒng)總覽
    1.1 合作地標(biāo)設(shè)計(jì)
    1.2 著陸流程設(shè)計(jì)
2 合作地標(biāo)檢測(cè)識(shí)別
    2.1 目標(biāo)檢測(cè)
    2.2 目標(biāo)識(shí)別
        2.2.1 SURF-BoW特征提取
        2.2.2 SVM分類(lèi)器
3 合作地標(biāo)跟蹤
    3.1 改進(jìn)的金字塔L-K光流法
        3.1.1 前后雙向跟蹤誤差
        3.1.2 相鄰幀局部圖像相似性約束
        3.1.3 跟蹤失敗后目標(biāo)再搜索
    3.2 跟蹤算法性能測(cè)試與結(jié)果分析
4 無(wú)人機(jī)相對(duì)位姿估計(jì)
    4.1 基于透視投影理論的相對(duì)位姿估計(jì)
    4.2 算法測(cè)試結(jié)果與分析
5 結(jié)論



本文編號(hào)：3923851