基于視覺的無人機(jī)著陸地標(biāo)設(shè)計(jì)與識(shí)別算法研究

于 洋，畢宏帥

(沈陽理工大學(xué) 自動(dòng)化與電氣工程學(xué)院，沈陽 110159)

目前，無人機(jī)主要的導(dǎo)航方式有INS(慣性導(dǎo)航)、INS/GPS組合導(dǎo)航、視覺導(dǎo)航[1]。慣性導(dǎo)航的定位誤差隨時(shí)間積累越來越大，無法滿足自主著陸的精度要求。INS/GPS組合導(dǎo)航系統(tǒng)在無人機(jī)大部分的自主飛行任務(wù)中均能起到很好的作用，但一些特定的環(huán)境中，如在室內(nèi)，無人機(jī)無法獲得足夠精確的GPS信號(hào)[2]，影響導(dǎo)航效果。

基于視覺的無人機(jī)導(dǎo)航因不受外界電磁干擾，導(dǎo)航精度高[3]，利用機(jī)載攝像機(jī)采集圖像，用數(shù)字圖像處理方法進(jìn)行預(yù)處理，以特征提取等方式將地標(biāo)特征點(diǎn)轉(zhuǎn)換成對(duì)無人機(jī)的姿態(tài)估計(jì)，因此，將簡單且具備顯著特征的地標(biāo)作為視覺導(dǎo)航的參照，是提高圖像識(shí)別算法精準(zhǔn)性的關(guān)鍵[4]。Lee S等[5]設(shè)計(jì)了一種外部圓形，內(nèi)“H”的地標(biāo)圖案，并提出了一種識(shí)別國際標(biāo)準(zhǔn)直升機(jī)停機(jī)坪的視覺算法，通過地標(biāo)圖案的邊緣分布函數(shù)，對(duì)其數(shù)學(xué)計(jì)算，可實(shí)現(xiàn)對(duì)著陸標(biāo)志的識(shí)別，但并未對(duì)無人機(jī)進(jìn)行姿態(tài)的估計(jì)。劉士清等[6]提出了一個(gè)包含四組平行線的平面著陸合作目標(biāo)，通過機(jī)載相機(jī)獲取含有合作目標(biāo)的圖片，估計(jì)出無人機(jī)與該目標(biāo)的相對(duì)位姿信息，但會(huì)出現(xiàn)較多的錯(cuò)檢和漏檢情況。張廣軍等[7]設(shè)計(jì)了一個(gè)雙圓特征圖案，該地標(biāo)最顯著的特征是由兩個(gè)圓形圖案組合而成，且左側(cè)地標(biāo)圖案為同心圓；基于該圖案設(shè)計(jì)了一套特征點(diǎn)提取算法，仿真結(jié)果表明，該算法對(duì)于地標(biāo)的檢測(cè)提取具有很好的抗噪能力，且能滿足對(duì)無人機(jī)姿態(tài)信息采集的實(shí)時(shí)性[8]，但該方法只適用于遠(yuǎn)距離導(dǎo)航的情況。

根據(jù)以上研究，本文設(shè)計(jì)出一種同心圓環(huán)和正方形組合的合作地標(biāo)，對(duì)其進(jìn)行識(shí)別、計(jì)算，得到無人機(jī)的位姿參數(shù)；其特點(diǎn)是利用圖像幾何信息可以快速提取的優(yōu)勢(shì)，以滿足無人機(jī)的實(shí)時(shí)性。

1 著陸地標(biāo)的設(shè)計(jì)

考慮到無人機(jī)對(duì)地標(biāo)響應(yīng)的快速性，地標(biāo)的設(shè)計(jì)應(yīng)滿足以下條件：一是標(biāo)志應(yīng)能包含無人機(jī)定點(diǎn)自主降落所能夠識(shí)別的信息，并提取地標(biāo)特征解算出與降落標(biāo)志的相對(duì)位置；二是標(biāo)志不應(yīng)太復(fù)雜，盡量避免復(fù)雜的模式識(shí)別和學(xué)習(xí)等過程，從而保證識(shí)別算法的實(shí)時(shí)性；三是標(biāo)志要保證輪廓清晰，易于區(qū)別其他地面輪廓，保證不會(huì)出現(xiàn)誤識(shí)別而發(fā)生不可預(yù)測(cè)的錯(cuò)誤[9]。

基于上述要求，本文設(shè)計(jì)了新的著陸地標(biāo)和與之相對(duì)應(yīng)的識(shí)別算法。該標(biāo)識(shí)中，以白色作為著陸背景，將該地標(biāo)分解為兩部分，其中R為外圓半徑，r為內(nèi)圓半徑，a為空心正方形邊長，b為實(shí)心正方形邊長；實(shí)際值分別為：R=28cm，r=20cm，a=7cm，b=3.5cm，正方形黑邊寬度為1.2cm，著陸地標(biāo)如圖1所示。

圖1 著陸地標(biāo)

當(dāng)無人機(jī)高度足夠高時(shí)，圓環(huán)部分用來做無人機(jī)的初始估計(jì)，隨著無人機(jī)高度的下降，只有正方形部分被機(jī)載相機(jī)捕獲。此時(shí)正方形的作用有兩個(gè)，其一是在圓環(huán)檢測(cè)后，對(duì)無人機(jī)質(zhì)心與地標(biāo)中心點(diǎn)位置的糾偏；其二是實(shí)現(xiàn)無人機(jī)在偏航方向角度的矯正。

2 地標(biāo)識(shí)別策略

在算法的實(shí)現(xiàn)上，目前通過大量訓(xùn)練樣本學(xué)習(xí)方式較為流行，但這類方式會(huì)導(dǎo)致機(jī)載處理器承擔(dān)大量計(jì)算的高負(fù)荷工作，對(duì)實(shí)時(shí)性有所影響。因此，本文根據(jù)所設(shè)計(jì)的地標(biāo)提出了兩階段識(shí)別算法以克服上述問題。

基于第一節(jié)所設(shè)計(jì)的著陸地標(biāo)，在經(jīng)圖像預(yù)處理后，識(shí)別過程一共分為兩個(gè)階段：第一階段無人機(jī)在相對(duì)位置較高處對(duì)地標(biāo)的定位和追蹤，這階段通過識(shí)別圓的特征信息實(shí)現(xiàn)；當(dāng)無人機(jī)距地面較低時(shí)，第二階段通過識(shí)別正方形的特征實(shí)現(xiàn)對(duì)無人機(jī)位置與偏航方向的調(diào)整。地標(biāo)檢測(cè)算法流程如圖2所示。

圖2 地面標(biāo)識(shí)檢測(cè)算法流程圖

2.1 地標(biāo)預(yù)圖像處理

圖像預(yù)處理可以減少噪聲的影響并突出細(xì)節(jié)部分，能夠更為準(zhǔn)確地將地標(biāo)前景和地面背景分離開來。首先灰度處理，其目的是減小機(jī)載處理器的計(jì)算量，保證響應(yīng)的速度。首先將機(jī)載攝像頭捕獲到的彩色圖像轉(zhuǎn)為單通道的灰度圖像，采用的方法是加權(quán)平均法，公式如式(1)所示[10]。

f(x，y)=0.229R(x，y)+0.587G(x，y)+
0.114B(x，y)

(1)

式中：x、y分別代表圖像像素的橫、縱坐標(biāo)；f(x，y)為該點(diǎn)灰度值；R(x，y)、G(x，y)、B(x，y)各代表圖像中紅綠藍(lán)分量的灰度值。然后進(jìn)行圖像濾波，作用是消除周圍環(huán)境帶來的細(xì)微影響，達(dá)到去除噪聲的效果，方法采用的是平均值濾波。

(2)

式中：w(x，y)為濾波后圖像的灰度值，采用的掩模是3×3的方塊區(qū)域；i為9個(gè)方塊區(qū)域中的第i個(gè)方塊。最后的預(yù)處理操作將得到的灰度圖像轉(zhuǎn)換為二值圖像，目的是能更好地將地標(biāo)前景和地面背景分割開來，進(jìn)而為下一步檢測(cè)識(shí)別剔除不必要的干擾。圖像二值化處理的方法是通過設(shè)定一個(gè)固定的閾值(threshold)，并將圖像中所有像素與該閾值逐一進(jìn)行對(duì)比，當(dāng)某一個(gè)像素點(diǎn)的灰度值大于這個(gè)閾值，則該像素點(diǎn)值取255，否則取0。

(3)

式中：pixel為單個(gè)像素點(diǎn)的灰度值；result為二值化處理后的結(jié)果；threshold為整個(gè)圖像像素值的平均值。

2.2 地標(biāo)特征的識(shí)別

2.2.1 地標(biāo)圓形特征的識(shí)別

理論上，經(jīng)上述預(yù)處理后得到僅包含地標(biāo)前景的二值圖像，但機(jī)載相機(jī)捕捉圖片時(shí)有光照、地面裂紋等其他因素的影響，二值圖像可能出現(xiàn)一些細(xì)小輪廓，需對(duì)其進(jìn)行特征篩選以排除干擾。首先，利用圓的圓度特征進(jìn)行篩選，公式為

(4)

式中：F為篩選后所保留區(qū)域的面積；max為各區(qū)域中心到所有輪廓像素的最大距離；C1為比例因子；C2為形狀因子，規(guī)定圓的形狀因子C2為1，如果是橢圓則C2小于1。由于拍攝角度等問題，圖像可能會(huì)產(chǎn)生形變，所以s閾值設(shè)為0.85，當(dāng)C2小于0.85時(shí)，此輪廓將會(huì)被剔除。上述圓形檢測(cè)過程完成后，由于環(huán)境等其他因素的影響，可能待選輪廓中還存在干擾，需根據(jù)同心圓相關(guān)特征進(jìn)一步判定。然后，根據(jù)候選輪廓到質(zhì)心坐標(biāo)，通過圓心間歐氏距離及其半徑比對(duì)同心圓進(jìn)行判定，歐氏距離的定義為[11]

(5)

式中j為當(dāng)前輪廓。根據(jù)本文設(shè)計(jì)的地標(biāo)中兩圓的半徑比為1.08，同心圓篩選判定條件為

(6)

式中：δRist代表相對(duì)半徑閾值；δRadiusRatio代表歐氏距離的閾值。最后，計(jì)算地標(biāo)與目標(biāo)輪廓中心偏移量，分別得到x方向與y方向各需要移動(dòng)的距離，通過與飛控通信將得到的位姿信息轉(zhuǎn)換為操作指令，控制無人機(jī)實(shí)現(xiàn)第一階段對(duì)地標(biāo)的跟蹤。

2.2.2 地標(biāo)方形特征的識(shí)別與無人機(jī)偏航角計(jì)算

經(jīng)上述第一階段對(duì)地標(biāo)的跟蹤后，得到的位姿信息可能會(huì)出現(xiàn)誤差較大的情況，需配合第二次方形識(shí)別進(jìn)一步糾偏，方法是利用正方形輪廓的矩形度擬合矩形質(zhì)心，進(jìn)而解算無人機(jī)與著陸地標(biāo)間的相對(duì)位姿關(guān)系。設(shè)矩形擬合因子N為

(7)

式中：S1是待檢測(cè)區(qū)域的面積；Sext是該區(qū)域最小外接矩形的曲積。矩形擬合因子的值為0～1，對(duì)于矩形物體N取最大值1；對(duì)于圓形物體N取最小值0，利用這個(gè)特征可以把方形物體識(shí)別出來。由于飛行器拍攝角度等帶來的誤差問題，本文研究的正方形擬合因子的值限定在0.7～1。

通過對(duì)篩選后得到的區(qū)域進(jìn)行擬合得到正方形質(zhì)心的像素坐標(biāo)。但此時(shí)不能獲得無人機(jī)的偏航角，為解決該問題，推導(dǎo)了偏航角計(jì)算方法，示意圖如圖3所示。

圖3 偏航角計(jì)算示意圖

該地標(biāo)以黑色實(shí)心部分的正方形作為參考，對(duì)角線為OB，與地標(biāo)橫坐標(biāo)正方向的夾角為θ；坐標(biāo)軸Ox與邊長為a的正方形交點(diǎn)為A，兩個(gè)端點(diǎn)坐標(biāo)分別為A(u1，v1)和B(u2，v2)。在無人機(jī)降落過程，飛控發(fā)出指令將計(jì)算得到的無人機(jī)偏航角順時(shí)針轉(zhuǎn)至零，便可成功矯正無人機(jī)的偏航角度，其中偏航角φ計(jì)算公式為

(8)

3 實(shí)驗(yàn)結(jié)果與誤差分析

為對(duì)本文提出的方案加以驗(yàn)證，利用TELLO無人機(jī)進(jìn)行實(shí)機(jī)測(cè)試，在多組實(shí)驗(yàn)數(shù)據(jù)中選取其中一組實(shí)驗(yàn)數(shù)據(jù)用來分析誤差。圖4分別是無人機(jī)在不同高度下地標(biāo)檢測(cè)結(jié)果。

圖4 不同高度檢測(cè)結(jié)果

圖4a和圖4b為高度較高時(shí)對(duì)圓環(huán)檢測(cè)，此時(shí)不計(jì)算無人機(jī)的偏航角。圖4c和圖4d為無人機(jī)降低到一定高度后，圓環(huán)已經(jīng)在視野外，進(jìn)行第二階段的方形檢測(cè)和偏航角計(jì)算。檢測(cè)結(jié)果中不同階段對(duì)地標(biāo)的識(shí)別結(jié)果會(huì)用不同形狀的框標(biāo)出，兩個(gè)“×”點(diǎn)分別是無人機(jī)當(dāng)前坐標(biāo)和地面標(biāo)識(shí)的中心，通過計(jì)算得到兩點(diǎn)分別在x軸和y軸兩方向的偏差的估計(jì)值，并與真實(shí)值進(jìn)行比較；同一高度下，x、y方向上估計(jì)值與真實(shí)值相對(duì)誤差較大的值作為該高度下系統(tǒng)的相對(duì)誤差。表1為不同高度下無人機(jī)對(duì)地標(biāo)識(shí)別的檢測(cè)時(shí)間、質(zhì)心距地標(biāo)中心的二維偏差以及無人機(jī)偏航角，表2為不同高度下無人機(jī)位姿的真實(shí)值及與表1估計(jì)值間的相對(duì)誤差。

表1 不同高度下無人機(jī)位姿估計(jì)值與響應(yīng)時(shí)間

表2 不同高度下無人機(jī)位姿真實(shí)值與相對(duì)誤差

實(shí)驗(yàn)數(shù)據(jù)表明，該算法最大檢測(cè)時(shí)間為110.964ms，遠(yuǎn)低于無人機(jī)執(zhí)行一條控制指令所需要的時(shí)間350ms，所以滿足系統(tǒng)的實(shí)時(shí)響應(yīng)需求。此外，在高度為2m時(shí)出現(xiàn)該系統(tǒng)最大誤差，為7.49%，滿足無人機(jī)精準(zhǔn)著陸位置誤差在8%以下的要求。

4 結(jié)論

提出了基于視覺的無人機(jī)著陸時(shí)的檢測(cè)方法。首先設(shè)計(jì)了同心圓和正方形復(fù)合的合作地標(biāo)，在地標(biāo)實(shí)時(shí)檢測(cè)中，對(duì)機(jī)載相機(jī)捕獲的圖像進(jìn)行灰度化、均值濾波、二值化等預(yù)處理，然后利用兩階段位姿估計(jì)法實(shí)現(xiàn)無人機(jī)位姿姿態(tài)的獲取，并與無人機(jī)的真實(shí)值進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，算法能快速準(zhǔn)確地檢測(cè)到地面標(biāo)識(shí)、求得無人機(jī)

與地標(biāo)相對(duì)的位姿信息和不同高度下該方案求解出的無人機(jī)位姿估計(jì)的最大相對(duì)誤差。誤差在可接受的范圍內(nèi)，滿足實(shí)際應(yīng)用需求，驗(yàn)證了該方案的有效性。