摘 要：文章介紹了一種基于改進(jìn)型canny邊緣檢測(cè)算法的跑道邊緣檢測(cè)與識(shí)別方法，主要應(yīng)用于無(wú)人機(jī)自主著陸視覺(jué)導(dǎo)航技術(shù)領(lǐng)域。本方法對(duì)拍攝的跑道圖像進(jìn)行采集，得到數(shù)字圖像，進(jìn)行預(yù)處理，對(duì)處理后的圖像采用文章

引言

無(wú)人機(jī)的自主著陸導(dǎo)航指無(wú)人機(jī)機(jī)載的導(dǎo)航儀器和飛控系統(tǒng)進(jìn)行定位導(dǎo)航并最終使無(wú)人機(jī)自主準(zhǔn)確降落在指定著陸場(chǎng)的過(guò)程。要想實(shí)現(xiàn)自主著陸，無(wú)人機(jī)必須具備自主導(dǎo)航能力，因此高精度的自主著陸導(dǎo)航技術(shù)是無(wú)人機(jī)自主著陸的關(guān)鍵技術(shù)。迄今為止國(guó)內(nèi)外關(guān)于無(wú)人機(jī)自主著陸導(dǎo)航關(guān)鍵技術(shù)的研究主要包括：GPS導(dǎo)航技術(shù)研究、慣性導(dǎo)航系統(tǒng)研究、GPS、慣導(dǎo)組合系統(tǒng)的研究以及視覺(jué)導(dǎo)航系統(tǒng)的研究。其中視覺(jué)導(dǎo)航技術(shù)是一種基于機(jī)器視覺(jué)的導(dǎo)航技術(shù)，該技術(shù)利用視覺(jué)傳感器采集圖像，計(jì)算機(jī)對(duì)采集到的圖像進(jìn)行圖像處理，根據(jù)處理結(jié)果得到無(wú)人機(jī)的定位姿態(tài)參數(shù)，視覺(jué)傳感器功耗低、體積小、安裝簡(jiǎn)單方便，此外視覺(jué)導(dǎo)航還具有很高的隱蔽性。因此視覺(jué)導(dǎo)航技術(shù)應(yīng)用于無(wú)人機(jī)的自主著陸，已成為無(wú)人機(jī)研究的一個(gè)重要領(lǐng)域。

基于機(jī)器視覺(jué)的跑道邊緣檢測(cè)方法流程圖圖1。

無(wú)人機(jī)自主著陸最關(guān)鍵的技術(shù)在于如何對(duì)著陸跑道進(jìn)行精確的定位，并根據(jù)所識(shí)別出的著陸跑道和地平線進(jìn)行精確的計(jì)算得到無(wú)人機(jī)的姿態(tài)角信息和相對(duì)跑道的位置，再根據(jù)角度位置信息引導(dǎo)無(wú)人機(jī)精確對(duì)準(zhǔn)跑道，實(shí)現(xiàn)安全著陸。跑道的邊緣檢測(cè)、識(shí)別與定位隸屬于機(jī)器視覺(jué)應(yīng)用于目標(biāo)識(shí)別，是整個(gè)自主導(dǎo)航過(guò)程中對(duì)目標(biāo)識(shí)別的基礎(chǔ)。跑道的長(zhǎng)度一般在兩千米到四千米之間，寬度一般在三十米到一百米之間。有時(shí)為特征明顯，方便識(shí)別，設(shè)計(jì)為T(mén)字形，或十字形等。跑道信息反映在圖像中邊沿整齊、寬大而平直。根據(jù)跑道特點(diǎn)通常采用如下6條特征信息來(lái)描述跑道，其中的灰度特性兩條，幾何特性四條：

（1）跑道灰度值較高。（2）跑道表面灰度值相近。（3）跑道長(zhǎng)度是限值。（4）跑道寬度是有限值。（5）跑道長(zhǎng)度遠(yuǎn)大于跑道寬度。（6）有兩條及以上跑道時(shí)，跑道之間相交或平行。

文章就是根據(jù)跑道的這6個(gè)特性設(shè)計(jì)了一種采用四閾值法對(duì)跑道邊緣進(jìn)行檢測(cè)定位的改進(jìn)型canny算法。

1 傳統(tǒng)canny算法

圖像邊緣檢測(cè)是基于邊緣的像素點(diǎn)灰度較圖像中其他點(diǎn)有顯著變化，從信號(hào)研究的頻域角度而言，這些像素點(diǎn)信息屬于高頻信號(hào)區(qū)域；圖像邊緣往往都是閉合的連線。Canny邊緣檢測(cè)算子一種基于最優(yōu)化算法的邊緣檢測(cè)算子，也屬于是先平滑后求導(dǎo)數(shù)的方法，Canny算子用如下三個(gè)判別標(biāo)準(zhǔn)來(lái)評(píng)判邊緣檢測(cè)性能的優(yōu)劣：第一：要有好的信噪比，即誤判率低，將非邊緣點(diǎn)判定為邊緣點(diǎn)或者將邊緣點(diǎn)判為非邊緣點(diǎn)的概率都要低；第二：定位要準(zhǔn)確，即通過(guò)算法檢測(cè)出的圖像邊緣點(diǎn)要盡可能在實(shí)際邊緣的中心；第三：對(duì)單一邊緣有且僅有唯一響應(yīng)，即對(duì)單個(gè)邊緣產(chǎn)生多個(gè)響應(yīng)的概率要低，并且要最大程度的抑制對(duì)虛假邊緣的響應(yīng)。Canny算法因具有好的信噪比和高的檢測(cè)精度，因此應(yīng)用廣泛。用傳統(tǒng)canny邊緣檢測(cè)算子檢測(cè)圖像邊緣的步驟如下：

（1）對(duì)圖像進(jìn)行平滑處理，常采用高斯濾波器。

（2）計(jì)算圖像梯度的幅值并判定方向，經(jīng)典canny算子常采用一階偏導(dǎo)有限差分法。

（3）對(duì)步驟2中的梯度幅值進(jìn)行非極大值抑制 。

（4）用雙閾值算法檢測(cè)跑道的邊緣并對(duì)邊緣進(jìn)行連接。

基于以上四個(gè)步驟的傳統(tǒng)經(jīng)典型canny算法進(jìn)行邊緣檢測(cè)數(shù)據(jù)處理量大，實(shí)時(shí)性也有待提高，最主要的缺點(diǎn)仍是采用傳統(tǒng)方法檢測(cè)邊緣過(guò)程中易受干擾產(chǎn)生部分虛假邊緣，檢測(cè)邊緣的精度不夠高達(dá)不到單像素級(jí)。因此實(shí)際應(yīng)用中仍存在一定局限。

2 文章改進(jìn)型canny算法

文章針對(duì)此對(duì)傳統(tǒng)的canny算法進(jìn)行了改進(jìn)，采用四閾值邊緣檢測(cè)定位方法對(duì)分割后的數(shù)字圖像進(jìn)行邊緣檢測(cè)，解決現(xiàn)有技術(shù)中用canny邊緣檢測(cè)方法檢測(cè)圖像邊緣存在計(jì)算量大，實(shí)時(shí)性及精度較差的問(wèn)題，對(duì)經(jīng)過(guò)預(yù)處理完成圖像分割后的數(shù)字圖像進(jìn)行圖像平滑，經(jīng)過(guò)改進(jìn)的canny算子在很好的保持圖像邊緣灰度特性的基礎(chǔ)上極大程度的去除噪聲，且保證了圖像邊緣的清晰完整性。基于四閾值的改進(jìn)型canny邊緣檢測(cè)方法解決了傳統(tǒng)算子中雙閾值方法難以合理選擇上下限閾值的問(wèn)題，可以刪除長(zhǎng)度較短或者強(qiáng)度較弱的偽邊緣，并能保證邊緣的連續(xù)性。具體流程圖如圖2所示。

具體實(shí)施方法如下：

步驟1：對(duì)拍攝的跑道圖像進(jìn)行采集，得到數(shù)字圖像。

步驟2：對(duì)步驟1得到的數(shù)字圖像進(jìn)行預(yù)處理。其中圖像預(yù)處理包括對(duì)圖像進(jìn)行灰度濾波去噪以及圖像分割。

步驟3：采用文章提出的基于四閾值的改進(jìn)的canny算子，對(duì)預(yù)處理分割后的數(shù)字圖像進(jìn)行邊緣檢測(cè)。具體過(guò)程為：

（1）采用K近鄰均值濾波器代替高斯濾波器對(duì)步驟2得到的圖像進(jìn)行平滑處理。具體方法為：以待處理像素為中心，作一個(gè)N×N的模板（N為奇數(shù)）；然后在模板中選擇K個(gè)與待處理像素的灰度差最小的像素點(diǎn)，取其平均值，用該平均值代替原來(lái)中心點(diǎn)的像素值。

（2）對(duì)平滑后的圖像，使用微分算子求出圖像沿像素坐標(biāo)系x

軸和y軸的偏導(dǎo)數(shù)Bx和By。然后求得像素點(diǎn)的梯度模值和方位分別為：

（3）對(duì)求導(dǎo)后的圖像進(jìn)行非極大值抑制，對(duì)每個(gè)像素點(diǎn)，沿幅角方向檢測(cè)梯度模值的極大值點(diǎn)，即邊緣點(diǎn)。由此初步得到跑道邊緣點(diǎn)。

（4）采用四閾值方法對(duì)跑道邊緣點(diǎn)進(jìn)行定位。

所述四閾值邊緣檢測(cè)定位方法具體為：

a.設(shè)定上下限閾值ttop、tdown，一般取tdown=0.4ttop；

b.選擇邊緣起始點(diǎn)。選擇大于ttop的梯度模極大值點(diǎn)作為起始

點(diǎn)；

c.形成廣義邊緣鏈。具體操作如下：選擇大于tdown且與邊緣起始點(diǎn)連通的梯度模極大值點(diǎn)，將小于tdown或者無(wú)法實(shí)現(xiàn)連通的局部模極大值點(diǎn)刪除，形成廣義邊緣鏈；所述廣義邊緣鏈包括多條長(zhǎng)度不等的邊緣鏈，其最小鏈長(zhǎng)度為lmin，最大鏈長(zhǎng)度為lmax；

d.設(shè)定鏈長(zhǎng)度閾值ln（lmin

步驟4：對(duì)檢測(cè)出的圖像邊緣進(jìn)行識(shí)別，給出邊界描述。

最后文章的跑道邊緣的邊界描述采用hough變換與最小二乘法相結(jié)合，擬合跑道邊界，給出邊界直線方程。

3 具體實(shí)施驗(yàn)證

采用本實(shí)施例的方法對(duì)模擬跑道進(jìn)行檢測(cè)，得到的檢測(cè)圖像如圖3（a）所示，圖3（b）為采用傳統(tǒng)canny算子檢測(cè)到的圖像。

從兩圖對(duì)比可得到，本發(fā)明方法較傳統(tǒng)方法精度高，對(duì)虛假邊緣可以得到有效抑制。

參考文獻(xiàn)

[1]丁衛(wèi).基于超小型無(wú)人機(jī)的地面目標(biāo)實(shí)時(shí)圖像跟蹤[J].2007.

[2]Ling Bo， Wu Jing， and Xiuqing Ye. The application of the maximum entropy principle for road detection.[J].Journal of Circuits and Systems， 2005，10：78-81.

[3]烏蘭巴根，胡繼忠，徐元銘.無(wú)人直升機(jī)在移動(dòng)目標(biāo)上的自主降落[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（23）.

[4]韓九強(qiáng)，胡懷中，張新曼，等.機(jī)器視覺(jué)技術(shù)及應(yīng)用[M].高等教育出版社.

[5]陸宗騏，童韜.鏈碼和在邊界形狀分析中的應(yīng)用[J].中國(guó)圖像圖形學(xué)A輯，2002，7（12）.