針對小型無人機自主降落的視覺分級地標定位識別方法
【專利摘要】本發(fā)明公開了一種針對小型無人機自主降落的視覺分級地標定位識別方法，包括視覺分級地標設計和視覺分級地標定位識別兩個步驟；通過視覺分級地標定位識別，對機載攝像頭獲取的圖像進行處理，給出降落地標的定位信息；在小型無人機離地高度較高時，提供分級地標粗定位的結果；當小型無人機逐步降落，離地高度較低時，對分級地標進行細定位與識別。本發(fā)明采用視覺分級地標避免使用單級地標時由于離地高度變化而圖像分辨率固定而導致地標的尺度變化問題。在整個自主降落的過程中，通過算法計算得到的相關信息經(jīng)過經(jīng)過投影幾何關系轉(zhuǎn)換反饋給飛行控制計算機，輔助小型無人機進行精準自主降落。
【專利說明】針對小型無人機自主降落的視覺分級地標定位識別方法

【技術領域】
[0001]本發(fā)明屬于空中機器人與計算機視覺的交叉領域，涉及無人機自主降落時的分級地標設計與定位識別問題，尤其涉及一種針對小型無人機自主降落的視覺分級地標定位識別方法。

【背景技術】
[0002]當今，小型無人直升機的研究與應用越來越普遍，被廣泛地用于監(jiān)視、偵查、預警、電子對抗、通信中繼等軍用場合與環(huán)境監(jiān)測、航測航拍、氣象預測、地震火災等災害搜救、輸電線路與鐵路線路的巡視等民用場合。由于無人機在設計時無需考慮人的生理和心理承受極限，因此可以具有更高的機動性和靈活性。
[0003]然而，小型無人直升機復雜環(huán)境下的自主回收降落既是技術難點，也是我們越來越關注的焦點。目前GPS/INS組合導航系統(tǒng)在小型無人直升機大部分的自主飛行任務中均能起到很好的作用，但是由于在自主降落過程中，GPS被遮擋或者中斷，導航精度不足，則會導致自主降落失誤，因而GPS/INS并不能確保小型無人機完成自主降落的任務。同時，復雜的降落環(huán)境，以及機體位姿在降落過程中改變，也會影響導航信息的準確性。小型無人直升機存在靜不穩(wěn)定性，其水平方向的位移會使降落地標逃出視野，而其垂直方向的變化，則使得機載攝像頭的可視范圍發(fā)生變化。
[0004]針對以上面對的問題，在小型無人機自主降落的過程中，合理設計人工降落地標，以及利用機載攝像頭獲取圖像，并設計算法提取降落地標特征信息，輔助小型無人機自主降落，顯得尤為重要。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于針對現(xiàn)有使用GPS/INS組合導航系統(tǒng)的不足，小型無人機自主降落時環(huán)境的復雜，以及自主降落時視覺系統(tǒng)所面臨的問題，提出一種針對小型無人機自主降落的視覺分級地標定位識別方法，輔助小型無人機進行精準自主降落。
[0006]本發(fā)明解決其技術問題是通過以下技術方案來實現(xiàn)的:一種針對小型無人機自主降落的視覺分級地標定位方法，包括視覺分級降落地標設計與視覺分級地標定位識別兩步驟，具體如下:
[0007](I)視覺分級地標設計，該步驟包括以下子步驟:
[0008](1.1)確定視覺分級地標形狀:視覺分級地標由同心正方形組成；同心正方形的邊長由內(nèi)至外呈等差數(shù)列依次遞增；設視覺分級地標最內(nèi)部正方形的邊長為L1，公差為d，則第η個正方形的邊長為Ln = U+O1-Dd ;其中L1與d由小型無人機停置在地面時機載攝像頭可看到的矩形地面視野面積S確定，滿足(U+d)2彡S與L1彡d ;
[0009](1.2)確定視覺分級地標顏色:視覺分級地標包含黑白兩種顏色，其中視覺分級地標最內(nèi)部正方形填充為黑色，第2m-l至第2m個正方形之間的部分填充白色，第2m至第2m+1個正方形之間的部分填充黑色，其中m為大于O的整數(shù)；
[0010](1.3)確定視覺分級地標級數(shù):將視覺分級地標中由內(nèi)至外的第2m_l至第2m個正方形之間的白色框，稱為第m級地標；設視覺分級地標中正方形的總數(shù)為N，則分級的總級數(shù)為M滿足:2M+1 = N ;設外內(nèi)輪廓面積比為Qni = (L2mZL2m^1)2 ；
[0011](1.4)確定視覺分級地標尺寸:視覺分級地標的尺寸就是最外部正方形的邊長Ln，Ln的大小介于起落架尺寸與翼展尺寸之間；確定正方形的總數(shù)N與地標總級數(shù)M，然后調(diào)整L1與d的值，即可計算出所需降落地標的尺寸Ln和各級地標的外內(nèi)輪廓面積比Qm ；
[0012](2)視覺分級地標定位識別，該步驟包括以下子步驟:
[0013](2.1)在線圖像自適應閾值分割二值化:通過小型無人機機載攝像頭獲取RGB格式的視覺分級地標圖像，將獲取的圖像轉(zhuǎn)化為灰度圖像，然后使用最大類間方差法進行自適應閾值分割，轉(zhuǎn)化為二值化圖像；
[0014](2.2)基于圖像形態(tài)學的分級降落地標粗定位:對步驟2.1得到的二值化圖像進行形態(tài)學閉運算，去除噪點，得到連通域輪廓圖像，連通各分級地標，確定地標在圖像中的區(qū)域位置；
[0015](2.3)基于樹形輪廓和直線特征的分級降落地標細定位:以樹形結構的鏈碼表示步驟2.2得到的連通域輪廓圖像；在根節(jié)點輪廓中以漸進式概率Hough變換算法檢測分級降落地標的直線特征，然后細定位降落地標所在連通域的精細位置；
[0016](2.4)基于輪廓面積比的分級降落地標識別:通過計算圖像中正方形邊框外內(nèi)輪廓像素面積比，根據(jù)先驗信息區(qū)分識別各級地標，并以漸進式概率Hough變換算法識別各級地標的特征直線，輸出識別地標具體位置信息以及機體相對于地標的偏航信息。
[0017]進一步地，所述步驟2.3具體包括以下子步驟:
[0018](2.3.1)以序列的形式存儲步驟2.2得到的連通域輪廓圖像，并形成輪廓樹；
[0019](2.3.2)分別計算根節(jié)點輪廓的像素面積Ai, minArea為圖片總像素個數(shù)的5%，當滿足條件minArea^i時,根節(jié)點輪廓為有效根節(jié)點輪廓,不滿足上述條件時,根節(jié)點輪廓視為背景噪點，記錄有效根節(jié)點輪廓個數(shù)為count ;若count等于0，表明分級降落地標沒有在圖像視野中，若count等于1，則計算出該輪廓的位置即為地標在圖像視野中的位置，轉(zhuǎn)步驟2.3.4 ;若是count大于I則執(zhí)行步驟2.3.3 ;
[0020](2.3.3)以漸進式概率Hough變換算法檢測連通域輪廓圖像的直線，記錄所識別直線的兩端點坐標及輪廓樹各有效根節(jié)點輪廓的外包矩形，設有直線段Ii,端點坐標分別為Pil (xn, yn)，Pi2 (xi2, yi2)，識別出的直線段總數(shù)為Ii1,根節(jié)點輪廓Seqj,其外包矩形Rj,對角頂點分別為 Pj1 (Xj1, Yji)，Pj2 (Xj2, yJ2)，其中 i e [I, nj , j e [I, count], Xj^Xj2, Yj^yj2,則端點Pi落于外包矩形&的判定條件為:
[0021]Xjl - δ <xi<xJ2+ δ 且 Yjl - δ <yi<yJ2+ δ
[0022]其中，δ為容錯裕度，根據(jù)圖像分辨率選??；統(tǒng)計&包含端點的總數(shù)％滿足條件:Nj> a 2?時,其中a e [0.7，I],即可定位Seqj為分級地標目標的位置；
[0023](2.3.4)輸出地標的細定位輪廓區(qū)域與像素坐標，分級降落地標細定位結束。
[0024]進一步地，所述步驟2.4具體包括以下子步驟:
[0025](2.4.1)在細定位輪廓區(qū)域構建輪廓樹,選擇具有孔的節(jié)點輪廓Seqi作為有效地標，i e[1，M]，若有效地標數(shù)為零，則圖像視野中沒有地標；若非零，執(zhí)行步驟2.4.2;
[0026](2.4.2)由內(nèi)至外分別計算各級有效地標的外內(nèi)輪廓面積比，確定圖像視野范圍內(nèi)存在的有效地標的級數(shù)，至少連續(xù)兩級地標面積比正確或者只識別到最外層輪廓SeqM，即可識別為降落地標；
[0027](2.4.3)計算識別的降落地標的最外層地標的位置信息，即計算最外層地標輪廓的重心，作為輸出地標位置信息；
[0028](2.4.4)用漸進式概率Hough變換算法檢測最外層地標輪廓的直線段，計算兩兩平行的直線與圖像坐標軸的夾角，作為機體相對于地標的偏航信息。
[0029]本發(fā)明與現(xiàn)有技術相比具有以下顯著的優(yōu)點:1)采用攝像機，可以彌補INS誤差隨著時間和距離的增加會越來越大的問題。2)采用攝像機可以補償GPS信號在某些地域信號很弱或者中斷的問題，也可避免GPS信號跳變的問題。3)分級地標的采用避免使用單級地標時由于離地高度變化而圖像分辨率固定而導致地標的尺度變化問題。4)分級地標使得當?shù)貥酥挥胁糠衷谝曇爸袝r也能準確定位出來。

【專利附圖】

【附圖說明】
[0030]圖1是本發(fā)明的視覺分級降落地標設計示例；
[0031]圖2是本發(fā)明的視覺分級降落地標輔助小型無人直升機降落示意圖；
[0032]圖3是本發(fā)明的視覺分級降落地標適用的特殊情況示意圖，(a)為近距離下的視野局限的情況；(b)為中等距離下地標圖像即將離開視野的情況；(c)為中等距離下內(nèi)級地標無法可靠識別的情況；
[0033]圖4是本發(fā)明不同狀態(tài)下閉運算處理實驗示意圖，(a)為近距離下視野受限只顯示部分分級地標的情況，(b)為中等距離地標只有部分在視野中的情況，(c)和(d)為相應的閉運算結果示意圖；
[0034]圖5是本發(fā)明的視覺分級降落地標的定位識別流程圖。

【具體實施方式】
[0035]下面以設計適用于小型直升機的四級分級降落地標為例，具體闡述用于小型無人直升機自主降落的視覺分級地標定位識別方法，包括如下步驟:
[0036](I)視覺分級降落地標設計，該步驟包括以下子步驟:
[0037](1.1)確定視覺分級地標形狀:視覺分級地標由同心正方形組成；同心正方形的邊長由內(nèi)至外呈等差數(shù)列依次遞增；設視覺分級地標最內(nèi)部正方形的邊長為L1，公差為d，則第η個正方形的邊長為Ln = U+O1-Dd ;其中L1與d由小型無人機停置在地面時機載攝像頭可看到的矩形地面視野面積S確定，滿足(U+d)2彡S與L1彡d ;
[0038](1.2)確定視覺分級地標顏色:視覺分級地標包含黑白兩種顏色，其中視覺分級地標最內(nèi)部正方形填充為黑色，第2m-l至第2m個正方形之間的部分填充白色，第2m至第2m+1個正方形之間的部分填充黑色，其中m為大于O的整數(shù)；
[0039](1.3)確定視覺分級地標級數(shù):將視覺分級地標中由內(nèi)至外的第2m_l至第2m個正方形之間的白色框，稱為第m級地標；設視覺分級地標中正方形的總數(shù)為N，則分級的總級數(shù)為M滿足:2M+1 = N ;設外內(nèi)輪廓面積比為Qni = (L2mZL2m^1)2 ；
[0040](1.4)確定視覺分級地標尺寸:視覺分級地標的尺寸就是最外部正方形的邊長Ln，Ln的大小介于起落架尺寸與翼展尺寸之間；確定正方形的總數(shù)N與地標總級數(shù)M，然后調(diào)整L1與d的值，即可計算出所需降落地標的尺寸Ln和各級地標的外內(nèi)輪廓面積比Qm ；
[0041]根據(jù)以上步驟1.1至1.4，為本發(fā)明設計了如圖1所示的四級視覺分級降落地標示例，即M = 4,第I至第4級地標分別為由內(nèi)至外的4個白色框,其中N = 9山=0.15m,d = 0.15m，則分級降落地標的外圍尺寸為L9 = 1.35m，而實驗所用小型無人機為Hirobo90直升機，其翼展為1.56m，可滿足其降落需求，同時分級降落地標外內(nèi)輪廓面積比Qm分別如下表所示。
[0042]
地標級數(shù)m12 3 4
外內(nèi)輪廓面積比Qm~ 4 1.78 1.44~Ol
[0043]由表可知，設計的視覺分級降落地標的各級地標的外內(nèi)輪廓面積比由內(nèi)至外逐漸減少，并且具備區(qū)分度。在實際使用時，視覺分級地標級數(shù)可根據(jù)測量范圍作相應調(diào)整，地標的實際尺寸并非如圖1的所示尺寸固定不變，而是只要保持具有區(qū)分度的面積比則可以被有效而準確地有效識別。因此，只要采用分級地標的設計思想，不管是設計的降落地標的級數(shù)是多少，以及各級地標的尺寸如何，都屬于該發(fā)明的內(nèi)容。
[0044]本發(fā)明設計的視覺分級降落地標，能夠處理以下幾種特殊情況:1)近距離下的視野局限的情況，如圖3(a)所示；2)中等距離下地標圖像即將離開視野的情況，如圖3(b)所示；3)中等距離下內(nèi)級地標無法可靠識別的情況，如圖3(c)所示。設近距離及中等距離時第一級地標占總圖像面積百分比分別為K1, Km大致確定為K1) = 65%，5%〈Km〈65%。
[0045](2)視覺分級地標定位識別
[0046]視覺分級地標定位識別將要處理在小型無人機自主降落時的各種狀態(tài)下識別降落地標，并考慮實時性并最終從圖像中提取導航解算所需的有效信息。小型無人機自主降落時的各種狀態(tài)是指小型無人直升機離地高度不同，直升機與降落地標的相對位置不同，機載攝像頭視野發(fā)生變化或者出現(xiàn)部分遮擋等情況。此外，本實施方式中的機載攝像頭在小型無人直升機上的安裝位置是垂直向下，機載攝像機為CCD圖像傳感器，視覺處理硬件為 CAPA800。
[0047]本發(fā)明采用漸進的視覺分級地標定位識別方法，重點解決實時性及目標遮擋的目標識別問題，最終以分級地標的直線特征，外內(nèi)輪廓的樹形結構及像素面積比等特征對各級地標進行定位與識別，具體包括如下步驟:
[0048](2.1)在線圖像自適應閾值分割二值化:通過小型無人機機載攝像頭獲取RGB格式的視覺分級地標圖像，首先使用OpenCV庫的cvCvtColor函數(shù)將獲取的圖像轉(zhuǎn)化為灰度圖像，然后使用最大類間方差法進行自適應閾值分割，轉(zhuǎn)化為二值化圖像；
[0049](2.2)基于圖像形態(tài)學的分級降落地標粗定位:對步驟(2.1)得到的二值化圖像，使用cvMorphologyEx函數(shù)進行形態(tài)學閉運算，去除噪點，得到連通域輪廓圖像,連通各分級地標，確定地標在圖像中的區(qū)域位置；如圖4所示為不同狀態(tài)下閉運算處理示意圖，圖4(a)為近距離下視野受限只顯示部分分級地標的情況，圖4(b)為中等距離地標只有部分在視野中的情況，圖4(c)和圖4(d)為相應的具體閉運算結果。遠距離下通過連通分級地標，更易于小目標的處理，而中遠距離，閉運算并不改變分級地標的各級特征。
[0050](2.3)基于樹形輪廓和直線特征的分級降落地標細定位:使用cvFindContours函數(shù)以樹形結構的鏈碼表示步驟(2.2)粗定位得到的連通域輪廓；在根節(jié)點輪廓中使用cvHoughLines2函數(shù)以漸進式概率Hough變換算法檢測分級地標的直線特征,然后細定位降落地標所在連通域的精細位置；具體包括以下子步驟:
[0051](2.3.1)使用cvFindContours函數(shù)以序列的形式存儲步驟(2.2)得到的連通域輪廓圖像，并形成輪廓樹；
[0052](2.3.2)分別計算根節(jié)點輪廓的像素面積Ai, minArea為圖片總像素個數(shù)的5%，當滿足條件minArea^i時,根節(jié)點輪廓為有效根節(jié)點輪廓,不滿足上述條件的根節(jié)點輪廓視為背景噪點，記錄有效根節(jié)點輪廓個數(shù)為count ;若count等于O時，表明降落地標沒有在圖像視野中，若是count等于I時，則計算出該輪廓的位置即為地標在圖像視野中的位置，轉(zhuǎn)步驟(2.3.4);若是count大于I則執(zhí)行步驟(2.3.3)；
[0053](2.3.3)使用cvHoughLines2函數(shù)以漸進式概率Hough變換算法檢測連通域輪廓圖像的直線，記錄所識別直線的兩端點坐標及輪廓樹各有效根節(jié)點輪廓的外包矩形，設有直線段Ii,端點坐標分別為Pil (Xil, Yn)，Pi2(xi2, yi2)，識別出的直線段總數(shù)為nl，根節(jié)點輪廓Seqj,其外包矩形R」，對角頂點分別為PjlUjl, Yj1), Pj2(xJ2, yJ2)，其中i e [1,?],j e [I, count], Xj^Xj2,則端點Pi落于外包矩形Rj的判定條件為:
[0054]Xjl - δ <xi<xJ2+ δ 且 y” - δ <yi<yJ2+ δ
[0055]其中，δ為容錯裕度，根據(jù)圖像分辨率選取。統(tǒng)計&包含端點的總數(shù)％滿足條件:Nj> a 2?時,其中a e [0.7，I],即可定位Seqj為分級地標目標的位置。
[0056](2.3.4)輸出地標的細定位輪廓區(qū)域與像素坐標，分級降落地標細定位結束。
[0057](2.4)基于輪廓面積比的分級降落地標識別:通過計算圖像中正方形邊框外內(nèi)輪廓像素面積比，根據(jù)先驗信息區(qū)分識別各級地標，并以漸進式概率Hough變換算法識別各級地標的特征直線，輸出識別地標具體位置信息以及機體相對于地標的偏航信息，具體包括以下子步驟:
[0058](2.4.1)在細定位輪廓區(qū)域構建輪廓樹,選擇具有孔的節(jié)點輪廓Seqi作為有效地標，i e [1，M]，若有效地標數(shù)為零，則圖像視野中沒有地標；若非零，執(zhí)行步驟(2.4.2)；
[0059](2.4.2)由內(nèi)至外分別計算各級有效地標的外內(nèi)輪廓面積比，確定圖像視野范圍內(nèi)存在的有效地標的級數(shù)，至少連續(xù)兩級地標面積比正確或者只識別到最外層輪廓SeqM，即可識別為降落地標；
[0060](2.4.3)計算識別的降落地標的最外層地標的位置信息，即計算最外層地標輪廓的重心，作為輸出地標位置信息；
[0061](2.4.4)使用cvHoughLines2函數(shù)以漸進式概率Hough變換算法檢測最外層地標輪廓的直線段，計算兩兩平行的直線與圖像坐標軸的夾角，作為機體相對于地標的偏航信肩、O
[0062]在小型無人直升機進行自主降落時，小型無人機可能面臨各種狀態(tài)，比如小型無人直升機離地高度發(fā)生變化，導致降落地標在視野中的形狀與尺寸發(fā)生變化；小型無人直升機與降落地標的相對位置發(fā)生變化，機載攝像頭視野發(fā)生變化，導致降落地標出現(xiàn)部分遮擋，顯示不完整的情況；降落環(huán)境發(fā)生變化，光照等發(fā)生變化，也會影響小型無人機自主降落。本發(fā)明設計視覺分級降落地標，用于輔助小型無人直升機自主降落。通過以上分級地標定位識別的方法步驟，都能對機載攝像頭獲取的圖像進行處理，給出降落地標的定位信息，以及細分的地標特征。在小型無人機離地高度較高時，算法提供分級地標粗定位的結果即可；當小型無人機逐步降落，離地高度較低時，則需要對分級地標進行細定位與識別。在整個自主降落的過程中，通過算法計算得到的相關信息經(jīng)過經(jīng)過投影幾何關系轉(zhuǎn)換反饋給飛行控制計算機，輔助小型無人機進行精準自主降落。
【權利要求】
1.一種針對小型無人機自主降落的視覺分級地標定位識別方法，其特征在于，包括以下步驟: (1)視覺分級地標設計，該步驟包括以下子步驟: (1.1)確定視覺分級地標形狀:視覺分級地標由同心正方形組成；同心正方形的邊長由內(nèi)至外呈等差數(shù)列依次遞增；設視覺分級地標最內(nèi)部正方形的邊長為L1，公差為d，則第η個正方形的邊長為Ln = U+O1-Dd ;其中L1與d由小型無人機停置在地面時機載攝像頭可看到的矩形地面視野面積S確定，滿足(U+d)2彡S與L1彡d ; (1.2)確定視覺分級地標顏色:視覺分級地標包含黑白兩種顏色，其中視覺分級地標最內(nèi)部正方形填充為黑色，第2m-l至第2m個正方形之間的部分填充白色,第2m至第2m+l個正方形之間的部分填充黑色，其中m為大于O的整數(shù)； (1.3)確定視覺分級地標級數(shù):將視覺分級地標中由內(nèi)至外的第2m-l至第2m個正方形之間的白色框，稱為第m級地標；設視覺分級地標中正方形的總數(shù)為N，則分級的總級數(shù)為M滿足:2M+1 = N ;設外內(nèi)輪廓面積比為Qm = (L2nA2lrt)2 ； (1.4)確定視覺分級地標尺寸:視覺分級地標的尺寸就是最外部正方形的邊長LN，Ln的大小介于起落架尺寸與翼展尺寸之間；確定正方形的總數(shù)N與地標總級數(shù)M，然后調(diào)整L1與d的值，即可計算出所需降落地標的尺寸Ln和各級地標的外內(nèi)輪廓面積比Qm ； (2)視覺分級地標定位識別，該步驟包括以下子步驟: (2.1)在線圖像自適應閾值分割二值化:通過小型無人機機載攝像頭獲取RGB格式的視覺分級地標圖像，將獲取的圖像轉(zhuǎn)化為灰度圖像，然后使用最大類間方差法進行自適應閾值分割，轉(zhuǎn)化為二值化圖像； (2.2)基于圖像形態(tài)學的分級降落地標粗定位:對步驟2.1得到的二值化圖像進行形態(tài)學閉運算，去除噪點，得到連通域輪廓圖像，連通各分級地標，確定地標在圖像中的區(qū)域位置； (2.3)基于樹形輪廓和直線特征的分級降落地標細定位:以樹形結構的鏈碼表示步驟2.2得到的連通域輪廓圖像；在根節(jié)點輪廓中以漸進式概率Hough變換算法檢測分級降落地標的直線特征，然后細定位降落地標所在連通域的精細位置； (2.4)基于輪廓面積比的分級降落地標識別:通過計算圖像中正方形邊框外內(nèi)輪廓像素面積比，根據(jù)先驗信息區(qū)分識別各級地標，并以漸進式概率Hough變換算法識別各級地標的特征直線，輸出識別地標具體位置信息以及機體相對于地標的偏航信息。
2.根據(jù)權利要求1所述一種針對小型無人機自主降落的視覺分級地標定位識別方法，其特征在于，所述步驟2.3具體包括以下子步驟: (2.3.1)以序列的形式存儲步驟2.2得到的連通域輪廓圖像，并形成輪廓樹； (2.3.2)分別計算根節(jié)點輪廓的像素面積Ai, minArea為圖片總像素個數(shù)的5%，當滿足條件minArea^i時,根節(jié)點輪廓為有效根節(jié)點輪廓,不滿足上述條件時,根節(jié)點輪廓視為背景噪點，記錄有效根節(jié)點輪廓個數(shù)為count ;若count等于0，表明分級降落地標沒有在圖像視野中，若count等于1，則計算出該輪廓的位置即為地標在圖像視野中的位置，轉(zhuǎn)步驟2.3.4 ;若是count大于I則執(zhí)行步驟2.3.3 ; (2.3.3)以漸進式概率Hough變換算法檢測連通域輪廓圖像的直線，記錄所識別直線的兩端點坐標及輪廓樹各有效根節(jié)點輪廓的外包矩形，設有直線段Ii，端點坐標分別為Pii (xii，yn), Pi2(Xi2.yi2)，識別出的直線段總數(shù)為Ii1,根節(jié)點輪廓Seqj,其外包矩形Rj，對角頂點分別為 Pj1 (Xj1Jj1)1Pj2(Xj2lyj2),其中 i e [l’nj’j e [1，count], χ」1〈χ」2, YjlOj2,則端點Pi落于外包矩形&的判定條件為:
Xj1 — δ <xi<xJ2+ δ 且 Yjl - δδ 其中，S為容錯裕度，根據(jù)圖像分辨率選?。唤y(tǒng)計&包含端點的總數(shù)％滿足條件:Nj> a 2?時,其中a e [0.7，I],即可定位Seqj為分級地標目標的位置； (2.3.4)輸出地標的細定位輪廓區(qū)域與像素坐標，分級降落地標細定位結束。
3.根據(jù)權利要求1所述一種針對小型無人機自主降落的視覺分級地標定位識別方法，其特征在于，所述步驟2.4具體包括以下子步驟: (2.4.1)在細定位輪廓區(qū)域構建輪廓樹,選擇具有孔的節(jié)點輪廓Seqi作為有效地標，i e [1，M]，若有效地標數(shù)為零，則圖像視野中沒有地標；若非零，執(zhí)行步驟2.4.2; (2.4.2)由內(nèi)至外分別計算各級有效地標的外內(nèi)輪廓面積比，確定圖像視野范圍內(nèi)存在的有效地標的級數(shù)，至少連續(xù)兩級地標面積比正確或者只識別到最外層輪廓SeqM，即可識別為降落地標； (2.4.3)計算識別的降落地標的最外層地標的位置信息，即計算最外層地標輪廓的重心，作為輸出地標位置信息； (2.4.4)用漸進式概率Hough變換算法檢測最外層地標輪廓的直線段，計算兩兩平行的直線與圖像坐標軸的夾角，作為機體相對于地標的偏航信息。
【文檔編號】G06K9/46GK104166854SQ201410378266
【公開日】2014年11月26日 申請日期:2014年8月3日 優(yōu)先權日:2014年8月3日
【發(fā)明者】張 林, 張宇, 李平 申請人:浙江大學