论文部分内容阅读
目前在海上作战领域,无人机是人们研究的热点。无人机要在各种复杂的任务环境中,自主完成起飞、导航以及着陆等一系列任务,其中着陆阶段是故障高发阶段。因此研究一种辅助无人机安全自主着舰的系统迫在眉睫,由于视觉导航系统具有功耗低、体积小、非接触、易于隐藏、抗干扰能力强等优点,因此本文提出了一种强拒止环境下的视觉辅助无人机自主着舰系统。本系统基于单目视觉获取无人机六自由度位姿的技术,并基于kalman滤波器实现了视觉导航、INS以及雷达高度计的组合导航、INS累积误差校正以及舰船速度信息的预估计。本文主要研究内容总结如下:1)首先在形状、尺寸、颜色以及材质等方面对合作目标进行了设计,使得合作目标不仅结构简单包含足够的特性信息,且具有方向引导性、远近距离均适用性以及全天候等性质。此外为了提高系统的实时性,本文对摄像机成像模型进行了研究并对其进行了离线标定。2)本文针对合作目标内外部的不同特征本文提出了远距离在RGB颜色空间、近距离在HSV颜色空间的图像预处理方案,减少了后续视觉处理算法的计算量。3)为了在无人机自主着降的过程中识别由合作目标标识的安全着降平台,提出了远距离合作目标完全可见时应用基于Freeman链码与合作目标几何特征结合的识别方案,近距离合作目标不完全可见时基于AMIs的椭圆识别方案。4)由于舰船处于运动状态,为了防止目标丢失,提出了远距离时应用基于金字塔LK光流法的角点跟踪方法。近距离时利用合作目标的颜色特征,采用基于颜色直方图的CAMShift跟踪方法,并且实现了两种跟踪算法的自动切换,提高了视觉导航系统的实时性。5)为了解决视觉导航系统中的位姿解算问题,对系统涉及到的多个坐标系以及坐标系之间的转换关系进行了研究。为了实现合作目标3D特征点与其2D投影点之间的一一对应,提出了远距离采用基于DP算法的特征点提取算法,以及基于合作目标几何特征的特征点排序算法;近距离基于椭圆拟合以及椭圆投影模型的椭圆四点提取算法,最后采用PnP算法结合摄像机内参数对无人机的位姿进行了解算。为了提高导航系统的精度与鲁棒性,引入了 INS与雷达高度计两种传感器,设计了基于Kalman滤波器的多速率信息融合方案,充分利用了系统传感器信息,并在Kalman状态方程中引入了速度状态,对船舶的速度进行了预估计。研究了 INS 了误差累积模型,并基于该模型与Kalman滤波器提出了一种INS误差校正方案。为了验证本文提出的导航系统,利用实时三维虚拟现实开发技术设计了三维验证验证场景,对海洋状态进行了统计,并分析了其对舰船的影响,研究了现存舰船的运动参数,创建了更加符合现实的舰船运动模型。参考导航级INS的精度以及雷达高度计的精度,对INS与雷达高度计进行了仿真。最后对验证验证系统的结果进行了分析,实时性方面,视觉导航系统的帧率至少可达17帧,满足实时性要求;精度方面,位置精度为0.5m,姿态角精度为1.5?,速度精度为0.8m/s。证明了本文提出的视觉导航系统以及数据融合与INS校正方案的可行性。