原 輝，裴 楚，王 帥，李勁松，姜 敏，仝家朋

1.國(guó)網(wǎng)山西省電力公司 電力科學(xué)研究院，太原 030001

2.華北電力大學(xué) 自動(dòng)化系，河北 保定 071003

隨著無(wú)人機(jī)在各領(lǐng)域的不斷普及，對(duì)其功能的要求越來越高，其中無(wú)人機(jī)精準(zhǔn)自主降落技術(shù)是無(wú)人機(jī)自主飛行的關(guān)鍵技術(shù)。目前，大多數(shù)廠商選用全球定位系統(tǒng)（global positioning system，GPS）來進(jìn)行無(wú)人機(jī)的定位[1]，這種定位方式雖然簡(jiǎn)單易行，但是需要考慮GPS精度，而且在某些特殊環(huán)境下，GPS 信號(hào)容易受到干擾。所以，如何實(shí)現(xiàn)無(wú)人機(jī)的精準(zhǔn)降落，突破GPS 定位在特殊環(huán)境下的局限性，成為了無(wú)人機(jī)領(lǐng)域亟待解決的問題。近年來，國(guó)內(nèi)外越來越多的研究者對(duì)該領(lǐng)域做研究，南京航空航天大學(xué)的何昱等人[2]對(duì)微小型四旋翼無(wú)人機(jī)自主著陸視覺系統(tǒng)做了研究，采用嵌入式處理器設(shè)計(jì)了一種適用于微型四旋翼無(wú)人飛行器自主降落的視覺系統(tǒng)，在實(shí)際應(yīng)用中證實(shí)了嵌入式設(shè)備的實(shí)用性。湖南工業(yè)大學(xué)的羅哲[3]對(duì)著陸標(biāo)志的拍攝圖像進(jìn)行預(yù)處理后，通過改進(jìn)的Wellner自適應(yīng)閾值算法獲得二值圖像，查找輪廓并采用最小周長(zhǎng)多邊形（MPP）對(duì)輪廓進(jìn)行多邊形逼近，從而找到目標(biāo)。瓦倫西亞理工大學(xué)的Wubben等學(xué)者[4]設(shè)計(jì)了ArUco 地面標(biāo)識(shí)，通過視覺特征來計(jì)算搭載低成本相機(jī)的無(wú)人機(jī)與目標(biāo)標(biāo)記之間的相對(duì)位置，并通過實(shí)驗(yàn)驗(yàn)證了該方法的可行性。哈爾濱工業(yè)大學(xué)樊瓏[5]提出用超聲波測(cè)量高度、再通過機(jī)載相機(jī)尋找停機(jī)坪上黑白相間的圓環(huán)降落標(biāo)志來計(jì)算出無(wú)人機(jī)位置的的視覺定位方法，完成自動(dòng)降落控制。西北工業(yè)大學(xué)張咪等人[6]通過對(duì)特定地標(biāo)進(jìn)行預(yù)處理、Canny 算子二值化、腐蝕膨脹等算法進(jìn)行濾噪、提取圖像的輪廓信息并經(jīng)過校驗(yàn)后進(jìn)行位姿估計(jì)的方式，實(shí)現(xiàn)無(wú)人機(jī)的降落。

但是上述方法都有著一些問題：

（1）地標(biāo)占地面積較大，不利于在特定環(huán)境中例如電廠桿塔針對(duì)小型無(wú)人機(jī)的精準(zhǔn)降落的需求。

（2）在環(huán)境信息豐富的環(huán)境中不便于應(yīng)用，例如有著豐富物體存在的室外環(huán)境會(huì)對(duì)地標(biāo)識(shí)別造成干擾，或者誤識(shí)別。

（3）算法都需要對(duì)圖像進(jìn)行預(yù)處理等步驟，增加了圖像處理環(huán)節(jié)，不利于在嵌入式設(shè)備上計(jì)算。

考慮到無(wú)人機(jī)的自主運(yùn)行環(huán)境以及嵌入式計(jì)算設(shè)備計(jì)算力有限的問題，提出一種基于地標(biāo)的輕量化精準(zhǔn)降落算法，對(duì)ArUco地面標(biāo)識(shí)法與張咪論文中地標(biāo)過大與室外環(huán)境復(fù)雜會(huì)出現(xiàn)干擾的情況這兩個(gè)方面改進(jìn)。

（1）通過加入顏色域信息，取消了張咪、羅哲等人在圖像處理中常有的灰度化、高斯濾波等濾噪、提高對(duì)比度的環(huán)節(jié)，節(jié)省了圖像處理時(shí)間，降低了信息提取難度。

（2）通過提出基于地標(biāo)長(zhǎng)度的二維空間相對(duì)位置計(jì)算方法，取消了張咪、樊瓏等人通過無(wú)人機(jī)三維空間位姿估計(jì)方式，也避免了因機(jī)載相機(jī)的焦距計(jì)算不準(zhǔn)確帶來的影響，方便了本文算法在不同無(wú)人機(jī)、采用不同機(jī)載相機(jī)時(shí)的使用。通過識(shí)別設(shè)定的兩種形成對(duì)比的顏色和指定形狀實(shí)現(xiàn)快速實(shí)時(shí)地檢測(cè)地面標(biāo)識(shí)，然后通過二維層面相對(duì)位置計(jì)算得到無(wú)人機(jī)與降落地標(biāo)的相對(duì)位置和相對(duì)方向，從而可以引導(dǎo)無(wú)人機(jī)精準(zhǔn)降落且無(wú)人機(jī)方向準(zhǔn)確。此過程便于在復(fù)雜環(huán)境中準(zhǔn)確查找地標(biāo)，不需要考慮相機(jī)焦距，所以結(jié)果更加準(zhǔn)確且方法便于移植。

1 系統(tǒng)構(gòu)成

1.1 地標(biāo)設(shè)計(jì)

無(wú)人機(jī)的降落地標(biāo)在設(shè)計(jì)時(shí)需考慮三個(gè)重要因素，分別為標(biāo)志需要包含定點(diǎn)降落所需的信息、標(biāo)志需要是機(jī)載處理器能夠快速識(shí)別的形狀以及標(biāo)志需要容易辨識(shí)[7]。設(shè)計(jì)的降落地標(biāo)如圖1 所示，該圖形由兩個(gè)菱形疊加組成，一個(gè)是黃色菱形，另一個(gè)是比前菱形略大的藍(lán)色菱形，兩種顏色形成對(duì)比；再外圍是白色方形背景板，其可以將目標(biāo)圖像與其他有色噪聲隔離開。

圖1 降落地標(biāo)Fig.1 Landing landmark

地標(biāo)的大小視無(wú)人機(jī)降落的初始高度而定。將地標(biāo)的黃色菱形的狹長(zhǎng)邊界構(gòu)成的角記為頂角，與頂角對(duì)應(yīng)的、兩個(gè)短邊界形成的夾角記為底角，則定好地標(biāo)后，地標(biāo)的頂角角度和頂角到底角的距離可以測(cè)量得到。對(duì)地標(biāo)大小的要求是在無(wú)人機(jī)初始降落高度上機(jī)載相機(jī)拍攝圖片后地標(biāo)藍(lán)色邊界寬度要大于4個(gè)像素，而黃色菱形的底角處寬度要3 倍于藍(lán)色邊界寬度。黃色菱形的頂角弧度值要不同于另外三個(gè)角。所以使用的地標(biāo)可以根據(jù)GPS精度、無(wú)人機(jī)大小等要求自行設(shè)計(jì)其他尺寸的地標(biāo)，同時(shí)地標(biāo)的顏色構(gòu)成和頂角大小也可以自行更換。

后面的實(shí)驗(yàn)中無(wú)人機(jī)初始降落高度是10 m，地標(biāo)藍(lán)色邊界為5 cm 寬，黃色菱形頂角到底角長(zhǎng)0.45 m，頂角弧度值是0.68，且黃色菱形其余三個(gè)角度均大于此弧度。圖2 中地標(biāo)是圖1 地標(biāo)的變體，其上藍(lán)黃地標(biāo)被金屬薄片遮擋了一部分，頂角弧度大于底角弧度，用于實(shí)驗(yàn)設(shè)計(jì)地標(biāo)被遮擋時(shí)的情況。

圖2 被遮擋的地標(biāo)Fig.2 Obscured landmark

1.2 無(wú)人機(jī)架構(gòu)

無(wú)人機(jī)部分主要分為硬件部分和軟件系統(tǒng)，如圖3。硬件部分包括無(wú)人機(jī)機(jī)體、機(jī)載計(jì)算機(jī)、機(jī)載相機(jī)、機(jī)載飛控、GPS等，該部分主要完成無(wú)人機(jī)飛行、飛行動(dòng)作控制、圖像拍攝、執(zhí)行算法等功能。軟件部分主要是降落初始階段的GPS信息處理和降落第二階段的算法執(zhí)行。

圖3 無(wú)人機(jī)架構(gòu)Fig.3 UAV architecture

2 精準(zhǔn)降落算法

通過檢測(cè)地標(biāo)的兩個(gè)狹長(zhǎng)邊界線來確定地標(biāo)的位置，分析地標(biāo)位置來獲取無(wú)人機(jī)位移所需信息的。算法流程分為邊界提取、邊界篩選、確定中心、相對(duì)位置計(jì)算、無(wú)人機(jī)位移控制等步驟。下文中說的像素坐標(biāo)系即圖像處理中常用的笛卡爾坐標(biāo)系，以圖像的左上角為原點(diǎn)。

2.1 邊界提取

無(wú)人機(jī)在初始降落階段會(huì)依據(jù)GPS信息控制飛行，使無(wú)人機(jī)飛到地標(biāo)上空，以使無(wú)人機(jī)機(jī)載相機(jī)可以拍攝到地標(biāo)。接下來就進(jìn)入圖像處理的環(huán)節(jié)。

機(jī)載相機(jī)拍攝的彩色圖像從RGB顏色空間轉(zhuǎn)換到HSV空間。因?yàn)轭伾畔⒃贖SV空間中更貼近人類感官，且受光照等變化的影響更小[8-9]。地標(biāo)圖片轉(zhuǎn)化為HSV空間后，黃色在H、S、V通道上有一段對(duì)應(yīng)的閾值，其中H 通道對(duì)應(yīng)顏色色相。根據(jù)黃色的三個(gè)通道的閾值進(jìn)行二值化，做法是介于此閾值內(nèi)的像素點(diǎn)設(shè)為255，其余的都設(shè)為0。然后對(duì)該二值圖使用Robert算法[10]進(jìn)行邊緣檢測(cè)，然后使用累計(jì)概率霍夫變換[11-13]直線檢測(cè)算法進(jìn)行處理，得到的直線檢測(cè)結(jié)果。

2.2 邊界篩選

上面直線檢測(cè)結(jié)果中會(huì)存在誤檢測(cè)的線段，這種情況在復(fù)雜環(huán)境中尤為多，所以還需對(duì)邊界檢測(cè)出的線段進(jìn)行篩選和確定。

檢測(cè)上面邊界檢測(cè)結(jié)果中每個(gè)線段兩側(cè)是否分別為黃藍(lán)二色。做法是依次在每個(gè)線段左右兩側(cè)對(duì)稱位置取檢測(cè)點(diǎn)，當(dāng)驗(yàn)證檢測(cè)點(diǎn)的像素值分別屬于黃色H值和藍(lán)色H 值時(shí)，保留該線段。設(shè)當(dāng)前線段Li的兩端在像素坐標(biāo)系中坐標(biāo)值為(x1,y1)和(x2,y2)，要在Li上取Npi個(gè)等間距的分割點(diǎn)，在這些分割點(diǎn)的兩側(cè)、與Li垂直的方向上距線段Li為像素值Nin取測(cè)試點(diǎn)對(duì)，如圖4。樣本點(diǎn)集合為(xsim,ysim)。一般情況下樣本點(diǎn)的坐標(biāo)求取公式為：

圖4 線段兩側(cè)的樣本點(diǎn)(Npi=2)Fig.4 Sample points on both sides of line segment(Npi=2)

其中k=0,1,…,Npi-1。

公式（1）和（2）是針對(duì)一般情況下直線檢測(cè)結(jié)果的計(jì)算。對(duì)于水平和垂直情況下的直線檢測(cè)結(jié)果，實(shí)現(xiàn)類似計(jì)算只需對(duì)公式（1）和（2）進(jìn)行化簡(jiǎn)即可，后面所有計(jì)算公式也只針對(duì)一般情況下的直線檢測(cè)結(jié)果。

然后對(duì)上述檢測(cè)結(jié)果做同一直線的多次描述的剔除，從而實(shí)現(xiàn)一個(gè)邊界處只由一個(gè)檢測(cè)線段來描述，做法是從上述檢測(cè)結(jié)果中任選兩條直線記為L(zhǎng)1、L2，然后按照由兩直線延長(zhǎng)線夾角為θ12，當(dāng)θ12≤θpa（其中θpa為設(shè)定臨界值）時(shí)認(rèn)為兩直線為同一線，且保留L1、L2中線段長(zhǎng)度較長(zhǎng)的線段。如此將所有的線段兩兩配對(duì)且處理。

之后篩選上述結(jié)果中線段延長(zhǎng)線夾角符合地標(biāo)頂角弧度的兩個(gè)線段，這兩個(gè)線段就是最終的地標(biāo)提取結(jié)果。做法是設(shè)事先測(cè)量確定的地標(biāo)狹長(zhǎng)邊界的夾角的弧度值為θLi。設(shè)定閾值θma，當(dāng)兩線段夾角滿足|θ12-θLi|＞|θma-θLi|則認(rèn)定為不合格。在合格線段中所有兩線段之間按照直線向量的余弦值反求夾角，當(dāng)θ12滿足 |θ12-θLi|＞|θma-θLi|則此兩線段不合格；而對(duì)于合格的θ12，只保留本環(huán)節(jié)中 |θ12-θLi|最小的θ12和其對(duì)應(yīng)的兩線段。如此計(jì)算一輪后，會(huì)得到最靠近θLi的θ12和其對(duì)應(yīng)的兩線段。

此時(shí)篩選出的兩個(gè)線段準(zhǔn)確描述了圖像上地標(biāo)黃藍(lán)色交界的狹長(zhǎng)線，記為邊界描述線，用LL和LR。

2.3 確定中心

篩選出的兩個(gè)邊界描述線相交處就是地標(biāo)的頂角處。認(rèn)定地標(biāo)上從底角點(diǎn)(xb,yb)到頂角點(diǎn)(xv,yv)連線上距底角點(diǎn)S比例處就是地標(biāo)的中心點(diǎn)(xp,yp)，如圖5。若無(wú)人機(jī)準(zhǔn)確降落，機(jī)載相機(jī)光心應(yīng)該與地標(biāo)中心相重疊。

圖5 地標(biāo)的中心Fig.5 Center of landmark

先由兩個(gè)邊界描述線相交求出頂角點(diǎn)位置，做法是在兩個(gè)邊界描述線的延長(zhǎng)線上找到兩線的交點(diǎn)。一般情況下設(shè)線段LL和LR的兩端坐標(biāo)分別為(x1,y1)、(x2,y2)和(x3,y3)、(x4,y4)，則對(duì)于頂角點(diǎn)(xv,yv)有公式如下：

再求地標(biāo)的底角。做法是在兩個(gè)線段上找出距頂角點(diǎn)相同距離的點(diǎn)，記為(xD1,yD1)、(xD2,yD2)，此兩個(gè)點(diǎn)連線的中點(diǎn)(xm,ym)與頂角點(diǎn)的連線就是頂角點(diǎn)和底角點(diǎn)的共線，然后從頂角點(diǎn)沿上述連線找到第一個(gè)顏色為藍(lán)、同時(shí)倒退2 個(gè)像素后顏色為黃的點(diǎn)，此點(diǎn)就是提取到的底角點(diǎn)(xb,yb)。在一般情況下先計(jì)算(xD1,yD1)，即：

其中，Llen為L(zhǎng)L與LR中距離較小的長(zhǎng)度，(xt1,yt1)、(xt2,yt2)為方程(1+kc2)x2+(2kcbc-2xv-2kc yv)x+x2v+b2c+yv(yv-2bc)-Llen的兩個(gè)根。

LL01與LL02分別為(xt1,yt1)、(xt2,yt2)到(xc,yc)的距離。當(dāng)LL01≤LL02時(shí)，(xD1,yD1)為(xt1,yt1)，否則，(xD1,yD1)為(xt2,yt2)。

按照同樣的方式，在公式（7）的條件下求出(xD2,yD2)。

此時(shí)可得(xm,ym)為：

接下來計(jì)算底角點(diǎn)位置：

公式（10）和（11）中xadd和yadd用于表明像素坐標(biāo)系上從頂角點(diǎn)到底角點(diǎn)的過程中x方向和y方向上增長(zhǎng)趨勢(shì)。

判斷在像素坐標(biāo)系上從頂角點(diǎn)到底角點(diǎn)的過程中x方向和y方向的增長(zhǎng)快慢。

Ltpv1與Ltpv2分別為(xtp1,ytp1)、(xtp2,ytp2)到(xv,yv)的距離。

當(dāng)Ltpv1≤Ltpv2時(shí)認(rèn)為xadd方向上增長(zhǎng)較慢；否則yadd方向上增長(zhǎng)較慢。

開始通過測(cè)試找到底角點(diǎn)。設(shè)定(xla,yla)為(xv,yv)。

當(dāng)xadd方向上增長(zhǎng)相對(duì)慢時(shí)，初始n=0，

檢測(cè)點(diǎn)(xla,yla)的像素值是否為黃色H值，同時(shí)點(diǎn)(xtm,ytm)的像素值是否為藍(lán)色H 值，成立則認(rèn)定點(diǎn)(xtm,ytm)就是底角點(diǎn)(xb,yb)；否則按下面公式計(jì)算：

再令n=1，計(jì)算公式（14），并對(duì)點(diǎn)(xla,yla)和(xtm,ytm)進(jìn)行顏色檢測(cè)。如此進(jìn)行測(cè)試，直到找到底角點(diǎn)或者n等于圖像的短邊界的長(zhǎng)度值時(shí)停止。

當(dāng)yadd方向上增長(zhǎng)相對(duì)慢時(shí)，初始n=0，

檢測(cè)點(diǎn)(xla,yla)的像素值是否為黃色H值，同時(shí)點(diǎn)(xtm,ytm)的像素值是否為藍(lán)色H 值，成立則認(rèn)定點(diǎn)(xtm,ytm)就是底角點(diǎn)(xb,yb)；否則按下面公式計(jì)算：

再令n=1 ，計(jì)算公式（16），并對(duì)點(diǎn)(xla,yla)和(xtm,ytm)進(jìn)行顏色檢測(cè)。如此進(jìn)行測(cè)試，直到找到底角點(diǎn)或者n等于圖像的短邊界的長(zhǎng)度值時(shí)停止。

如此找到了底角點(diǎn)(xb,yb)，然后計(jì)算地標(biāo)中心點(diǎn)(xp,yp)，計(jì)算如下：

2.4 相對(duì)位置計(jì)算

本文無(wú)人機(jī)降落所需位置參數(shù)有三個(gè)：二維平面上無(wú)人機(jī)到地標(biāo)中心所需位移距離，分為機(jī)頭方向所需前進(jìn)距離xcmd和機(jī)身所需右移距離ycmd，參數(shù)若為負(fù)值表示需要反方向移動(dòng)；無(wú)人機(jī)機(jī)頭方向轉(zhuǎn)到地標(biāo)頂角所指方向的所需偏轉(zhuǎn)角度θL。

圖像的像素坐標(biāo)系的y軸負(fù)向?qū)?yīng)實(shí)際的無(wú)人機(jī)機(jī)頭方向。角度θL為地標(biāo)頂角方向順時(shí)針偏離圖像的像素坐標(biāo)系y軸負(fù)向的角度，如圖6。

圖6 地標(biāo)相對(duì)位置參數(shù)Fig.6 Landmark relative position parameters

確定θL的角度值。先設(shè)定兩個(gè)輔助向量Ve和Le，其中Ve=( 0,-10 )，Le=(1 0,0 )。設(shè)底角點(diǎn)指向頂角點(diǎn)的向量為Mi。計(jì)算出Mi和Ve的夾角θVM，同樣計(jì)算出Mi和Le的夾角θLM。計(jì)算θL為：

然后開始計(jì)算地標(biāo)相對(duì)位置。計(jì)算過程是按照針孔成像的原理，通過二次對(duì)比信息應(yīng)用地標(biāo)長(zhǎng)度和像素?cái)?shù)直接測(cè)得相對(duì)位置，不用測(cè)量相機(jī)的焦距。原理如圖7所示。

圖7 地標(biāo)相對(duì)位置原理Fig.7 Principle of relative position of landmark

圖7 中f是機(jī)載相機(jī)的焦距，H是相機(jī)光心的對(duì)地高度，Pcmd是地標(biāo)中心到圖像中心的像素值，Pla是地標(biāo)頂角點(diǎn)到底角點(diǎn)的像素值，Lcmd是實(shí)際中地標(biāo)中心到相機(jī)光心的平面距離，Lla是實(shí)際中地標(biāo)頂角點(diǎn)到底角點(diǎn)的平面距離。Lla可以被事先很方便地測(cè)量得到；要得到f需要對(duì)所用相機(jī)進(jìn)行測(cè)量，而且每個(gè)相機(jī)需要單獨(dú)去測(cè)，機(jī)載相機(jī)更換就需要重新測(cè)；要測(cè)得H需要讀取無(wú)人機(jī)GPS 信息或者氣壓計(jì)，有較大誤差；Lcmd是需要得到的數(shù)值。根據(jù)針孔成像原理可以得到：

所以可以得到：

這樣Lcmd可以十分方便地通過計(jì)算得到，而且當(dāng)無(wú)人機(jī)更換機(jī)載相機(jī)時(shí)也不需要重新測(cè)量焦距。

計(jì)算xcmd和ycmd，設(shè)像素坐標(biāo)系上圖像寬Lcol和圖像長(zhǎng)Lrow，Lla是實(shí)際中地標(biāo)頂角點(diǎn)到底角點(diǎn)的平面長(zhǎng)度，參數(shù)Rt記錄比例。

2.5 無(wú)人機(jī)位移控制

計(jì)算出xcmd、ycmd和θL，當(dāng)無(wú)人機(jī)按照該參數(shù)移動(dòng)后，無(wú)人機(jī)的相機(jī)光心就會(huì)與地標(biāo)中心重疊且無(wú)人機(jī)機(jī)頭方向與地標(biāo)頂角的指向相同。

無(wú)人機(jī)在計(jì)算出上述參數(shù)后，就進(jìn)入比例-積分-微分（PID）控制器[14-16]進(jìn)行無(wú)人機(jī)位移控制，使無(wú)人機(jī)邊下降邊靠近地標(biāo)中心。這個(gè)調(diào)節(jié)過程是分為兩步進(jìn)行的，先迅速進(jìn)行水平上的位置調(diào)整，再立即進(jìn)行方向調(diào)整且同時(shí)下降一定高度。這樣無(wú)人機(jī)一邊調(diào)整一邊降落。待地標(biāo)在機(jī)載相機(jī)中邊界超出圖像拍攝范圍時(shí)，無(wú)人機(jī)就停止位置調(diào)整，只進(jìn)行降落和停機(jī)。至此無(wú)人機(jī)完成整個(gè)降落環(huán)節(jié)。

3 實(shí)驗(yàn)對(duì)比與性能分析

本文采用的飛行平臺(tái)是大疆經(jīng)緯M210 RTK V2無(wú)人機(jī)，垂直懸停精度為±0.1 m，水平懸停精度為±0.3 m；計(jì)算核心使用的配套的妙算2 模塊。衡量降落方案的精準(zhǔn)程度，需要比較降落結(jié)果的誤差，首先需要對(duì)圖標(biāo)建立平面坐標(biāo)系，如圖8 所示，圖中O處就是地標(biāo)中心。根據(jù)無(wú)人機(jī)降落后相機(jī)光心與地標(biāo)中心的相對(duì)位置，就可以看出降落的精準(zhǔn)程度。圖中AO距離為直線誤差，AB向量與CO向量的夾角為無(wú)人機(jī)降落角度誤差。

圖8 降落圖標(biāo)坐標(biāo)系Fig.8 Landing icon coordinate system

3.1 圖片的處理效果

優(yōu)化后的算法在實(shí)際應(yīng)用中有著顯著效果，如圖9到圖13 表示了算法在不同距離情況下檢測(cè)地標(biāo)的效果。圖中青色線段表示檢測(cè)到的邊界線，黃色點(diǎn)表示頂角點(diǎn)和底角點(diǎn)，紅色點(diǎn)表示S=0.3 時(shí)地標(biāo)中心點(diǎn)。從圖中可以看出，算法可以明顯對(duì)抗距離變化和地標(biāo)旋轉(zhuǎn)。

圖9 地標(biāo)距相機(jī)1 mFig.9 Result when distance from landmark to camera is 1 m

圖13 地標(biāo)距相機(jī)5 m且左轉(zhuǎn)Fig.13 Result when distance from landmark to camera is 5 m and turning left

圖14展示算法在地標(biāo)被遮擋或者地標(biāo)與其他功能相結(jié)合時(shí)的應(yīng)用情況。圖14中是地標(biāo)上貼有兩塊用于無(wú)人機(jī)充電的電擊貼片，對(duì)于地標(biāo)識(shí)別來說，這是很大的遮擋物。但是從圖14中可以看出地標(biāo)識(shí)別情況依然良好。

圖14 地標(biāo)距相機(jī)2 m且地標(biāo)后側(cè)被占用Fig.14 Result when distance between landmark and camera is 2 m and landmark is blocked

3.2 算法降落實(shí)驗(yàn)

為了驗(yàn)證降落策略的可行性，實(shí)驗(yàn)采用的降落方案分為三個(gè)階段，第一階段為GPS 位移，無(wú)人機(jī)以固定高度采用GPS信息移動(dòng)到地標(biāo)上空，使地標(biāo)在相機(jī)“視野”范圍內(nèi)；第二階段為算法執(zhí)行階段，無(wú)人機(jī)根據(jù)地標(biāo)測(cè)算出相對(duì)位置信息后，立即調(diào)整無(wú)人機(jī)位移和方向，使無(wú)人機(jī)飛到地標(biāo)中心正上方且其機(jī)頭方向與地標(biāo)正向相同，同時(shí)無(wú)人機(jī)勻速下降；第三階段為無(wú)人機(jī)只執(zhí)行降落指令，當(dāng)圖像匹配程序執(zhí)行完畢之后，無(wú)人機(jī)只執(zhí)行降落指令，完成降落。

圖10 地標(biāo)距相機(jī)3 mFig.10 Result when distance from landmark to camera is 3 m

圖11 地標(biāo)距相機(jī)5 mFig.11 Result when distance from landmark to camera is 5 m

圖12 地標(biāo)距相機(jī)5 m且右轉(zhuǎn)Fig.12 Result when distance from landmark to camera is 5 m and turning right

實(shí)驗(yàn)的過程如下，設(shè)定無(wú)人機(jī)的初始高度為10 m，在下降過程中使用圖1 地標(biāo)，當(dāng)無(wú)人機(jī)降落到1 m 高度時(shí)無(wú)人機(jī)開始進(jìn)行只降落階段。無(wú)人機(jī)的高度變化如圖15所示，無(wú)人機(jī)的姿態(tài)橫滾角變化如圖16所示，俯仰角變化如圖17所示，降落結(jié)果如圖18所示。

圖15 高度變化Fig.15 Height change

圖16 橫滾角變化Fig.16 Roll angle change

圖17 俯仰角變化Fig.17 Pitch angle change

圖18 降落結(jié)果Fig.18 Landing results

3.3 性能分析

本文算法、基于地標(biāo)的TLD 算法[17]、基于ArUco 標(biāo)記的方法[4]和大疆無(wú)人機(jī)基于GPS 的自有返航功能進(jìn)行降落效果對(duì)比如表1所示。其中本文算法進(jìn)行8次實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果使用8 次實(shí)驗(yàn)的平均數(shù)，降落用時(shí)只計(jì)算第二階段和第三階段用時(shí)；大疆無(wú)人機(jī)返航功能定返航高度為10 m，降落用時(shí)只計(jì)算下降所用時(shí)間。其他方法使用對(duì)應(yīng)論文中的結(jié)果。

表1 算法平均降落精度對(duì)比Table 1 Comparison of algorithm average landing accuracy

從表1 可以看出本文算法的位置精度和角度精度都相對(duì)較高。與基于地標(biāo)的TLD 方式和基于ArUco 標(biāo)記的方法相對(duì)比，本文算法位置誤差更小，且增加一個(gè)角度判斷功能。與基于GPS的自有返航功能進(jìn)行對(duì)比，具有明顯的實(shí)用性。

本文算法與TLD的平均幀率如表2所示，本文算法的平均幀率達(dá)到了25.97 frame/s，雖然與TLD、KCF 方式的幀率相比略差了一些，但是在成功率上有了較為明顯的提升，不僅如此本文算法還考慮了角度方向的偏差，綜合整體而言，本文算法在本文所設(shè)定環(huán)境下性能是要明顯優(yōu)于這兩種算法的，而且本文算法處理幀率完全滿足飛行過程中的需求，因此在實(shí)時(shí)性上也得到了一定的保證。

表2 算法平均幀率對(duì)比Table 2 Algorithm average frame rate comparison

4 結(jié)束語(yǔ)

針對(duì)無(wú)人機(jī)自主降落精度不高的問題，提出基于地標(biāo)的輕量化精準(zhǔn)降落算法，通過識(shí)別構(gòu)成對(duì)比的顏色和地標(biāo)形狀實(shí)現(xiàn)快速實(shí)時(shí)地檢測(cè)著陸標(biāo)識(shí)，圖像處理流程簡(jiǎn)單快速且準(zhǔn)確，然后通過相對(duì)位置計(jì)算在二維層面得到無(wú)人機(jī)對(duì)于降落地標(biāo)的相對(duì)位置和方向，引導(dǎo)無(wú)人機(jī)精準(zhǔn)降落。算法執(zhí)行過程不需要考慮相機(jī)焦距，無(wú)需事先進(jìn)行相機(jī)標(biāo)定，在一定遮擋情況下也能精準(zhǔn)識(shí)別。圖像計(jì)算過程盡可能簡(jiǎn)單，無(wú)需進(jìn)行圖像降噪濾波等預(yù)處理，減少了圖像處理時(shí)間和對(duì)計(jì)算平臺(tái)計(jì)算力的需求。實(shí)驗(yàn)結(jié)果表明，本文提出的策略能大大提高無(wú)人機(jī)自動(dòng)降落的精度，在地標(biāo)大小設(shè)計(jì)合適的情況下，無(wú)人機(jī)完全可以降落在地標(biāo)上，且方向準(zhǔn)確。