基于计算机视觉/INS的无人机自主着陆组合导航研究

提出了一种基于单目视觉/INS组合导航的无人机自主着陆末端导航信息提取的新方法;它只需要检测跑道上的两个特征点再结合?导系统的姿态角信息,就可以直接解算出飞机相对于机场的位置矢量;由于直线具有明显的可观性,所以对于特征点较难提取的可以通过对两条跑道边缘线和一条着陆阈值线进行检测,然后取阈值线与跑道边缘线的交点作为特征点;依据成像的几何原理,对算法进行了详细的推导,最后通过着陆实验表明该方法的提取与转换是切实可行的。     

基于视觉的无人机着陆时机场标记的检测与识别

主要研究基于视觉的无人机在自主着陆时,机场跑道在图像中的检测和识别问题.首先,提取一些高亮度斑点,然后采用特殊聚类处理算法对这些含背景噪声、伪目标的点进行聚类.并根据透视原理、矩形约束条件以及目标的前视约束条件共同建立识别模型.在这些聚类中使用识别模型进行识别,这在很大程度上减少计算时间.实验表明,在距离跑道较远、跑道标记不很清晰的情况下,仍然可以有效检测和识别跑道,适合于基于视觉的无人机的自主着陆过程.     

一种地平线与跑道边缘线检测方法

在基于计算机视觉的无人机着陆系统中,利用地平线和跑道边缘线方程解算着陆参数是一种可行的方法。利用计算机视觉和图像处理技术研究了一种地平线和跑道边缘线提取方法,利用Canny算子对原始图像进行预处理,获取图像的边缘信息。提出了一种新的直线检测方法,并利用检测出的直线和图像像素坐标系横坐标的夹角确定地平线和跑道左、右边缘线。实验研究表明:该方法可以在不同的高度、不同亮度图像中有效地检测出地平线和跑道边缘线。     

基于边界跟踪SAR图像机场跑道检测方法

本文针对机场跑道成像的线状结构和高灰度值的特征,提出了一种从SAR图像中检测机场跑道的方法.具体介绍了用跑道特征检测算子检测跑道边缘和基于边界跟踪的直线提取方法.实验结果表明,该算法有效地克服在边缘检测和直线提取过程中的噪声影响,提高了检测的速度和准确性.     

利用地平线与跑道边缘线估计无人机着陆参数

研究了一种基于机器视觉的无人机着陆参数计算方法,通过利用图像处理得到的地平线、跑道两条边缘线在图像像素坐标系下的直线方程,可以获得无人机着陆过程中的5个飞行参数:高度、侧偏距、滚转角、俯仰角、偏航角.介绍了视觉测量的一般理论;给出了飞行姿态角测量方法;提出了无人机高度和与机场跑道中线的距离的计算方法.利用实拍的一段无人机着陆视频验证了提出的方法,实验研究表明:该方法可以有效地获得5个飞行参数,为无人机自主着陆提供着陆参数.     

基于视觉的夜间无人机导航特征的提取

在不借助外在设备和在普遍性假设的情况下，对基于视觉的无人机夜间自主着陆所需的跑道位置和方向特征提取进行了研究，降低了对外界信息和其他测量仪器的依赖性，增强了独立自主性，进一步降低了成本。对夜间机场跑道，其上的指示灯是反映其位置和方向的重要特征，这些指示灯具有明显的线性特征。通过对视频图像采用灰度形态学和邻域处理的方法进行处理，得到足够的特征点，将这些特征点所反映的跑道的边缘及中线，用Hough变换进行提取。对实际视频图像的实验证明了该方法的有效性。     

基于点线对应的无人机位姿估计算法

针对无人机着陆,提出了一种基于视觉的辅助着陆方法,仅利用跑道两条边缘线和一条横向着陆阈值线引导着陆;利用跑道上的这三条直线之间的几何约束关系,可求出三条线之间的交点在摄像机系中的坐标,再考虑消失点的特性可求得三条线在摄像机系中的向量;最后使用Umeyama方法求出三个姿态角,并利用点的共面性特性得到了无人机相对跑道位置的鲁棒解;仿真中姿态误差均保持在0.5.的范围,横向和高度误差在1 m以内,处理一帧图像平均耗时1.3 ms,因此,提出的视觉辅助无人机着陆的方法精度高、实时性好.     

带注意力机制的神经网络用于跑道线检测

为了提高无人机着陆的有效性，设计了一种带有注意力机制的神经网络算法（LineNet）实现无人机跑道线检测。根据无人机着陆场景仿真出样本数据，并利用标注工具对数据进行标注，使用Shuffle Conv模块缓解特征融合计算量的占用问题，并引入空洞空间金字塔池化注意力机制（ASPP-SA）,ASPP-SA模块中添加残差的跳跃结构获取更多的图像信息，对LineNet模型的检测结果做形态学处理并结合连通区域约束对跑道线特征点进行分类，对相同类别的特征点通过最小二乘法进行跑道线拟合。经仿真数据验证，设计的方法可以有效地检测和识别出正确的跑道线，其平均检测精度为94.36%，相较于LaneNet算法、SegNet算法分别提高了12.82和9.95个百分点，单帧检测时间17.2 ms，是CNN+Hough变化算法1.5倍左右，可以满足无人机着陆的响应时间需求，在无人机着陆的研究过程中有重要意义。     

高分辨率遥感图像中机场跑道快速检测方法

在分析机场跑道结构特征的基础上，提出了一种从高分辨率遥感图像中检测机场跑道的方法．具体介绍了嵌入置信度的边缘检测算法和基于线基元的直线提取方法，前者增加了检测结果的可靠性，后者加快了跑道检测速度．最后的实验结果表明本文算法是快速、稳健的．     

一种快速检测遥感图像中机场跑道的方法

本文在分析机场跑道结构特征的基础上，提出了一种从高分辨率遥感图中检测机场跑道的方法。具体介绍了嵌入置信度的边缘检测算法和基于线基元的直线提取方法，前者增加了检测结果的可靠性，后者加快了跑道检测速度。最后的实验结果表明本文算法是快速、稳健的。     

一种无人机自主着陆视觉跟踪方法

视觉导航是利用图像信息进行飞机定位的,在无人机着陆过程中,为使机载传感器能始终追踪到机场跑道,提出了一种基于摄像机姿态与变焦控制的视觉跟踪方法;该方法通过调节摄像机姿态来追踪目标特征点,使目标特征点尽量位于成像平面的中心,然后根据无人机与机场跑道的距离,适时的调节焦距,以保证图像特征点完全位于图像平面内;实验结果表明,该法能很好地控制摄像机姿态角,使目标特征点位于图像中心附近,达到很好的跟踪效果;且该法操作简单,不需要增加图像处理的难度,实时响应速度快,可以满足工程需要。     

求解机场终端区飞机着陆调度问题的遗传算法

空中管制员需为到达的飞机安排跑道并计算着陆时间,以飞机空中延误最小为出发点研究了多跑道的飞机着陆调度问题,约束条件为每架飞机的着陆时间应落在规定的时间窗内及相邻两架飞机应满足最小时间间隔。针对该问题设计了一种遗传算法对问题进行求解,其中染色体由飞机排序链表和跑道链表组成,相应的交叉和变异算子也做了改进设计。仿真实验用数据库OR-Library中的实例验证了该算法的有效性。     

恶劣气象条件下机场跑道侵入的预警研究

飞行安全是民航发展的基础,经统计,有40%~50%的飞行事故发生在起飞降落的“黑色十分钟”;为保证恶劣气象条件下飞机的安全率,文章使用Retinex方法和形态学的权重自适应算法对机场恶劣天气下的监视视频进行去雾降噪处理,之后采用光流法与混合高斯-卡尔曼滤波等机器视觉算法实现同时对多目标的检测、跟踪和预测;最后建立摄像机标定算法完成摄像机视角与机场视角坐标的转换,构建一套完整的机场跑道侵入的预警系统。     

精确求解进港飞机调度双目标优化问题的epsilon约束算法

随着机场客流的持续增长,航班延误日益严重。同时,对于机场最重要的跑道资源而言,积雪结冰等会造成 飞机 打滑,从而出现事故。对于机场管理者,周期性地维护跑道至关重要,以防雨雪天气出现飞机打滑事故。该研究主要针对跑道上的 航班调度问题,考虑恶劣天气环境下跑道的周期性维护(如周期性喷洒除雪盐等)。为了在保证航班的服务质量的同时提高机场跑道的使用效率,文中以最小化航班总延误和跑道使用时间为优化的双目标。首先,提出该双目标优化问题混合整数规划模型;其次,为了精确求解出Pareto前沿,开发出epsilon约束算法;最后,给出算例来说明模型和算法的可行性。通过数学规划理论建模并开发精确求解算法,为机场资源优化研究提供参考。     

基于巡逻无人机的轻量型安全帽佩戴检测方法与应用

目前,安全帽检测系统主要使用固定摄像头,无法实现全区域检测,而基于深度学习的检测算法结构复杂、计算成本高,无法满足移动端和嵌入式设备的部署要求。针对上述问题,该文提出一种基于无人机的安全帽轻量型视觉检测算法。系统通过无人机平台搭载的相机对施工现场进行图像采集,并无线传输至后台计算机进行处理,检测算法基于 YOLOv5s 框架进行了轻量化改进。针对无人机采集影像中目标占比较小的问题,该文采用了多尺度检测、图像预处理、正负样本不均衡等方法,对 YOLOv5s 目标检测算法进行针对性改进。测试结果表明,与原模型相比,轻量型目标检测模型的平均精度均值仅下降了 1.72%,但在同一 CPU 上的推理速度提升了 1 倍,浮点计算量由原来的每秒 165 亿次压缩至每秒 34 亿次,模型大小约为原模型的 1/10。     

基于改进SIS算法和LSD的车道线检测方法研究

为了降低车道线识别算法在车道线存在阴影遮挡、路面出现泛白现象等不同道路环境下的误检率,提出了一种基于改进简单图像统计(SIS)阈值算法和直线段检测(LSD)的车道线检测算法。首先,在图像预处理阶段采用改进的SIS阈值算法进行二值化。然后采用直线段检测(LSD)算法检测直线,通过平行线对来估计消失点位置并利用消失点去除干扰。最后,利用车道线连续性和车道间距确定车道线感兴趣区并精确确定车道线位置。分别采用加州理工学院的车道数据集和实际采集的城市道路、高速公路的视频对所提出方法进行了实验验证,实验结果表明,该算法误检率低,鲁棒性高,能在复杂环境下快速、准确识别车道线。     

利用机场现有设施的机载单目视觉助降测量方法

为了满足航空器在降落导航中的数据需求,对利用机场现有设施（跑道、信号灯等）的机载单目视觉助降测量方法进行了研究,并推导出了相应的投影关系。当航空器飞行至机场附近时,只要机载单目摄像机能够拍摄到若干现有机场设施且已知这些点线特征的大地坐标,即可在图像上提取相应的点线特征,并依据投影关系测量计算出拍摄时刻航空器的位置和姿态参数。由于不需要人为在机场附近布置测量标志物,极大地提高了方法应用的灵活性。仿真结果证明方法有效可行。     

背景对齐差分的机场跑道异物分块检测与跟踪算法

针对机场跑道异物的无人自主检测与识别过程中存在的检测结果受环境影响大、小目标检测困难以及漏检率高等问题,提出基于背景差分的机场跑道异物分块检测与跟踪算法.首先利用速度辅助的位置信息线性插值,获取背景模板图像库与待检测图像序列最相关帧;然后将图像分为不同子块,利用各子块内图像纹理复杂度设置自适应权值,结合ORB算法进行特征点提取,将各子块特征点归一化至原始图像,并与背景模板库最相关帧对齐作差,获取异物检测结果;最后引入核相关滤波器对检测结果进行多目标跟踪,采用各子块局部跟踪算法降低运算时间,并对跟踪结果进行可靠性检验.在3种实验场景下,与5种主流检测算法的对比实验结果表明,与目前已有的基于图像的机场异物检测算法相比,在保证算法处理速度的基础上,该算法将异物整体错检率降低了70%以上,并在异物尺寸大于1cm×1cm的情况下,将整体漏检率降低至0,获得了较好的效果.