基于序列圖像的固定翼無(wú)人機(jī)著陸跑道識(shí)別技術(shù)與跟蹤算法驗(yàn)證

張衛(wèi)星

（蘇州工業(yè)職業(yè)技術(shù)學(xué)院，江蘇 蘇州 215104）

由于無(wú)人機(jī)在著陸時(shí)移動(dòng)速度快，加上地面干擾因素多，使得無(wú)人機(jī)很難在既定跑道上平穩(wěn)著陸，容易發(fā)生安全事故?，F(xiàn)階段關(guān)于無(wú)人機(jī)自主著陸的技術(shù)研究，主要還是利用導(dǎo)引定位（如GPS 導(dǎo)航、INS 導(dǎo)航等）輔助無(wú)人機(jī)不斷調(diào)整飛行角度、對(duì)準(zhǔn)跑道，然后改變下滑角進(jìn)場(chǎng)。但是這種導(dǎo)引定位方法無(wú)法識(shí)別跑道內(nèi)部與周邊的障礙，可能會(huì)在著陸時(shí)發(fā)生事故?；谝曈X(jué)信息系統(tǒng)的無(wú)人機(jī)導(dǎo)引飛行技術(shù)，可以準(zhǔn)確識(shí)別跑道內(nèi)部與周邊信息，為無(wú)人機(jī)著陸提供更加豐富的參考依據(jù)，對(duì)無(wú)人機(jī)的自主、穩(wěn)定著陸有積極幫助。

1 基于序列圖像的固定翼無(wú)人機(jī)著陸跑道識(shí)別技術(shù)

1.1 圖像預(yù)處理

固定翼無(wú)人機(jī)的視覺(jué)信息系統(tǒng)主要完成兩項(xiàng)任務(wù)，即識(shí)別跑道與動(dòng)態(tài)跟蹤。其中，著陸跑道識(shí)別是通過(guò)采集、分析圖像數(shù)據(jù)實(shí)現(xiàn)的。由于跑道識(shí)別與跟蹤中無(wú)人機(jī)始終處于動(dòng)態(tài)飛行狀態(tài)，為了更加方便、準(zhǔn)確地獲取跑道目標(biāo)的特征，必須對(duì)獲取的著陸圖像進(jìn)行預(yù)處理[1]。常用的圖像預(yù)處理方式有多分辨率處理、灰度化處理、邊緣檢測(cè)等?？紤]著陸跑道與兩側(cè)環(huán)境（如綠地）有明顯界限，因此研究選擇邊緣檢測(cè)法，以便于無(wú)人機(jī)在不同著陸階段都能快速、精確地提取跑道目標(biāo)的區(qū)域特征、邊緣直線特征，從而使無(wú)人機(jī)可以成功著陸。

1.2 圖像邊緣檢測(cè)

本研究使用LSD 算法進(jìn)行邊緣檢測(cè)，其處理流程為：利用外接矩形進(jìn)行逼近，尋找到包含了所有亮度變化明顯像素點(diǎn)的最小外接矩形，此時(shí)矩形的長(zhǎng)度和寬度均為最小值。然后求出外接矩形的長(zhǎng)寬比，并根據(jù)這一數(shù)字確定特征直線。如果長(zhǎng)寬比超過(guò)某個(gè)閾值，則將該外接矩形的軸長(zhǎng)作為特征直線。外接矩形及其區(qū)域參數(shù)見(jiàn)圖1。

圖1 矩形區(qū)域參數(shù)示意圖

圖1 中，矩形區(qū)域的重心為O，其坐標(biāo)為（Cx,Cy），L和W 分別為外接矩形的長(zhǎng)和寬，θ 為傾角。假設(shè)該外接矩形中存在n 個(gè)像素點(diǎn)，則這些像素點(diǎn)的坐標(biāo)集合P 可表示為

則重心O 的兩個(gè)坐標(biāo)分別表示為

矩形長(zhǎng)（KL）與寬（KW）的斜率計(jì)算公式為

求出該矩形的長(zhǎng)（L）和寬（W）分別為

確定了L 和W 的值后，即可確定外接矩形的面積。同時(shí)，進(jìn)一步判定長(zhǎng)寬比和閾值（λ）的關(guān)系，如果存在L/M＞λ，則確定該外接矩形的中心軸為特征線；如果L/M≤λ，則認(rèn)為該外接矩形的中心軸不是要求的特征線。

1.3 提取跑道特征直線

提取跑道特征直線是固定翼無(wú)人機(jī)視覺(jué)信息著陸中的重要環(huán)節(jié)，也是保證相對(duì)位置精確、進(jìn)而實(shí)現(xiàn)安全著陸的關(guān)鍵。經(jīng)過(guò)上文的圖像預(yù)處理以及邊緣直線檢測(cè)等操作后，可以在無(wú)人機(jī)高清攝像頭拍攝所得圖像中標(biāo)記出清晰的特征直線。在實(shí)際中，跑道兩側(cè)邊緣線均分布在特定的范圍內(nèi)，其中左側(cè)邊緣線的分布角度集中在[0°,90°]之間，而右側(cè)邊緣線的分布角度集中在[90°，180°]之間[2]。另外，如果同一副圖像中經(jīng)過(guò)預(yù)處理與檢測(cè)，出現(xiàn)了2 條或多條直線，則僅取長(zhǎng)度最長(zhǎng)的2 條。

1.4 跑道識(shí)別

將無(wú)人機(jī)高清攝像頭拍攝到的圖像作預(yù)處理后，綜合考慮跑道目標(biāo)與背景亮度，或者是跑道周邊其他特征目標(biāo)的位置，可以確定該圖像中跑道的所在位置。然后基于不變矩方法進(jìn)行跑道目標(biāo)提取。將提取到的數(shù)據(jù)，與系統(tǒng)模板庫(kù)中的預(yù)設(shè)模板進(jìn)行配對(duì)，如果匹配度在99%以上，則說(shuō)明該區(qū)域即為跑道目標(biāo)，至此完成跑道識(shí)別；如果匹配度達(dá)不到這一要求，說(shuō)明識(shí)別到的跑道目標(biāo)與實(shí)際跑道還有一定差異，需要繼續(xù)搜索、修整，直到識(shí)別跑道為止[3]。在此基礎(chǔ)上，利用跑道識(shí)別算法處理，可以求得跑道目標(biāo)坐標(biāo)和無(wú)人機(jī)相對(duì)于跑道的航向角。

2 基于序列圖像的固定翼無(wú)人機(jī)著陸跑道跟蹤算法驗(yàn)證

2.1 實(shí)驗(yàn)方案設(shè)計(jì)

本次實(shí)驗(yàn)所用無(wú)人機(jī)為SZD-45 型滑翔機(jī)，基本參數(shù)見(jiàn)表1。

表1 滑翔機(jī)基本參數(shù)

該無(wú)人機(jī)搭載的高清攝像機(jī)，內(nèi)置LED 照明與補(bǔ)光燈，有180°廣角仿人眼鏡頭和600 萬(wàn)高清CMOS圖像感應(yīng)器，支持3 種高清拍攝模式，分別為1080P 30FPS、720P 30/60FPS 和WVGA 30/60FPS。提 供HDMI 高清視頻和CVBS 普通視頻2 種輸出模式[4]。選擇一處長(zhǎng)度為200 m 的平整道路作為無(wú)人機(jī)著陸跑道，該道路背景、灰度值均勻，邊緣直線清晰可見(jiàn)，為著陸跑道識(shí)別提供了一定的便利。

2.2 飛行實(shí)驗(yàn)

2.2.1 確定圖像分辨率

實(shí)驗(yàn)中分別設(shè)置了3 種不同的圖像分辨率，即P級(jí)、P-1 級(jí)、P-2 級(jí)。其中，P 級(jí)圖像代表無(wú)人機(jī)高清攝像頭拍攝所得原圖，其分辨率為1 920×1 080；P-1級(jí)圖像的分辨率為480×270；P-2 級(jí)圖像的分辨率為120×67。對(duì)拍攝所得圖像做邊緣直線提取處理，其結(jié)果見(jiàn)圖2。

圖2 抽圖像邊緣直線提取處理

結(jié)合圖2 可知，P-2 級(jí)圖像與P 級(jí)（原圖）相比，直線特征的清晰度較差；P-1 級(jí)圖像與P 級(jí)圖像在指向特征清晰度上沒(méi)有明顯差異，但是由于分辨率較小，圖像中包含的像素點(diǎn)數(shù)量較少，計(jì)算量較小[5]。因此，本次實(shí)驗(yàn)中選擇P-1 級(jí)圖像分辨率為480×270 的圖像作為輸入數(shù)據(jù)。

2.2.2 識(shí)別與跟蹤結(jié)果

本次實(shí)驗(yàn)中采用實(shí)施壓縮跟蹤方法獲取圖像中特征點(diǎn)的坐標(biāo)信息，然后再通過(guò)不變矩方法求得無(wú)人機(jī)的相對(duì)航向角（即特征點(diǎn)主軸與圖像坐標(biāo)系y 軸的夾角），記錄不同幀數(shù)下相對(duì)位置數(shù)據(jù)在x 坐標(biāo)、y 坐標(biāo)以及相對(duì)航向角上的誤差，結(jié)果見(jiàn)表2。

表2 相對(duì)位置數(shù)據(jù)分析

結(jié)合表2 的數(shù)據(jù)可知，本次實(shí)驗(yàn)采用壓縮跟蹤算法，可以在目標(biāo)與背景顏色差異較小的動(dòng)態(tài)圖像中，做到較為準(zhǔn)確的實(shí)時(shí)跟蹤，同時(shí)保證了所得目標(biāo)坐標(biāo)信息與相對(duì)航向角的測(cè)量結(jié)果較為準(zhǔn)確。

2.2.3 跑道邊緣直線提取結(jié)果

在無(wú)人機(jī)高清攝像頭拍攝圖像的基礎(chǔ)上，分別對(duì)其做直線檢測(cè)處理、直線提取處理，然后觀察實(shí)驗(yàn)效果，見(jiàn)圖3。

圖3 飛行跑道邊緣直線提取效果

結(jié)合圖3 可知，經(jīng)過(guò)跑道邊緣直線的提取處理后，圖像中2 條相交直線（左、右邊緣線）的角平分線，即為該跑道的中線。在根據(jù)角平分線與原圖像在坐標(biāo)系中的相對(duì)位置，計(jì)算出相對(duì)航向角。隨機(jī)抽選4 副圖像，并分別提取直線現(xiàn)象與相對(duì)航向角數(shù)據(jù)，統(tǒng)計(jì)結(jié)果見(jiàn)表3。

結(jié)合表3 的數(shù)據(jù)可知，在無(wú)人機(jī)著陸跑道邊緣沒(méi)有明顯陰影，或者其他干擾物數(shù)量較少、體積較小的情況下，在本次實(shí)驗(yàn)中可以較為準(zhǔn)確地識(shí)別跑道邊緣，并提取出清晰的邊緣直線，在此基礎(chǔ)上準(zhǔn)確估算無(wú)人機(jī)與跑道中線的相對(duì)位置，為無(wú)人機(jī)在跑道上安全著陸提供了幫助。

表3 飛行實(shí)驗(yàn)直線參數(shù)及相對(duì)航向角

3 結(jié)論

無(wú)人機(jī)執(zhí)行飛行任務(wù)包括起飛、飛行和著陸三個(gè)階段，其中無(wú)人機(jī)自主和穩(wěn)定著陸是現(xiàn)階段無(wú)人機(jī)自主控制技術(shù)中的研究熱點(diǎn)。本研究提出的基于序列圖像的無(wú)人機(jī)著陸跑道識(shí)別技術(shù)與跟蹤算法，在飛行實(shí)驗(yàn)中可以準(zhǔn)確識(shí)別和提取跑道邊緣直線，并基于跟蹤算法實(shí)時(shí)調(diào)整無(wú)人機(jī)與跑道的相對(duì)位置，保證了無(wú)人機(jī)在跑道上精準(zhǔn)、安全著陸，實(shí)際應(yīng)用效果良好。