研究及在DSP上实现无人机单目机器视觉着降定位的算法

机器视觉主要用计算机来模拟人的视觉功能。它从客体的图像中提取信息并对这些信息进行处理，最终用于实际检测、测量和控制。   机器视觉的研究目标是使计算机具有通过二维图像认知三维环境信息的能力。这种能力不仅使机器能感知三维环境中物体的儿何信息，包括它的形状、位置、姿态、运动等，而∏能对它们进行描述、存储、识别与理解本文的研究工作源于个无人机自主着降的项目，主要研究了在无人机着陆过程中，利用机载照相设备获取图像，在做·些必要的处理之后获取所需的客体信息最终检测得出无人机着陆姿态及其位置的技术无人机的飞速发展和广泛运用是在海湾战争后。以美国为首的西方国家充分认识到无人机在战争中的作用，竞相把高新技术应用到无人机的研制与发展上比如先进的信号处理与通信技术能提高无人机的图像数字化传输速度。其他些更先进的技术装备，比如高级窃听装置、穿透树叶的雷达等也将被安装到无人机上。无人机的回收在无人机飞行安全中占有很重要的位置，因此无人札的回收技术在不断得到发展，其全自动降落技术是无人机研究的个重点。   无人机的姿态角和对跑道的相对位置是它稳定飞行和安全着陆必备的导航参数。本文研究的通过视觉方法获取无人机姿态角和位置的方法对无人札实现自主着陆具有重要意义。囿于试验条件和器材所限，本人以飞机三维飞行模拟软件产生的图像作为研究材料。本文对地平线和跑道的边界直线与无人机姿态角和位置之间的关系做了详细深入的分析，学习并最终确定了从地平线直线参数中求解无人机滚转角和俯仰角的方法，以及从跑道边界直线参数中求解无人机偏航角的方法。在得到无人机的姿态角之后，分析了无人机姿态角与相对《机跑道位置参数之间的关系，最终确定求解无人机位置参数的方法。这样可以得到无人机的六个空间*度（即无人机在着降区坐标系中的xy坐标，俯仰角6、偏航角坐、滚转角Φ）。最后在基于DM642的硬件平台上实现了该算法，并做了深入优化。   该方案成本低，简单实用，为研制实际的自主着降系统提供了理论基础和解决方案，对无人机导航定位技术的发展具有参考价值。