一种无人机寻找降落点的方法及其系统

type

status

date

slug

summary

背景技术

当无人机出现定位系统工作异常或动力不足以支撑返航等情况时，无人机需进行无先验信息降落时，目前基于双目立体匹配算法【1】的计算机视觉无人机辅助降落技术可实时计算稠密深度，利用障碍物检测和视觉制导等算法实现降落过程的避障功能，从而降低机身与地面设施发生损坏的风险。但是该避障算法仅在无人机处于低空时才能正确得到地面的深度信息，此时可能错过在高空较宽视野内寻找平坦降落点的时机，当无人机下方地形较为复杂时，仅仅依靠避障算法仍难以使无人机降落在理想的平坦地面上或降落耗时过长。

针对上述问题，本发明设计了一种基于彩色图像辅助无人机在高空寻找可能平坦的降落点的算法，依据图像色彩纹理连续性，尽可能规避复杂地形，就近提供多个可能平坦的降落点。算法在无人机处于高空时将地面图像信息进行色彩分类聚合，纹理提取等，并权衡无人机飞行距离，综合降落点地面平坦等条件搜寻出可能平坦的降落区域，提高了后续无人机位于低空时的降落避障算法的可靠性，使降落过程更安全、快速和稳定。

附图说明

参数定义：

当分类簇数为K时，Kmeans【2】的分类聚合误差值		当分类簇数为K时，对应Kmeans肘形图上的肘点
当前分类簇数		当分类簇数为K时，对应Kmeans肘形图【3】上肘点的夹角
最佳分类簇数的Kmeans分类聚合图		各簇的索引号
第簇的类别颜色		原始彩色图像
第n簇类别的二值化图		开操作【4】后的第n簇类别的二值化图
闭合操作【4】后的第n簇类别的二值化图		第n簇二值化图像中的第m个图像轮廓
最小轮廓固态性【5】阈值	d_c	判断轮廓中心是否距离像主点较近阈值
无人机尺寸		额外增加的尺寸
备选降落点集		排序后降落点集
剔除后降落点集		调整后的降落点集
最小移动距离		最大移动距离

函数说明：

	轮廓内像素面积		凸包面积【5】
	最小值		计算绝对值

系统流程图：

发明内容

本发明设计了一种基于视觉的无人机辅助降落系统。

本发明设计了无人机位于高空时的可能平坦降落点的搜寻算法。

首先利用Kmeans【2】分类聚合算法，依据图像的色彩纹理连续性，分离出视场内所有的地形、建筑和植被等。本发明利用Kmeans的手肘法【3】来确定分类聚合的簇数，对该彩色图像选用多个分类簇数进行分类聚合，统计分类聚合误差值，得到Kmeans对于该图像的肘形图，计算出手肘中最小的夹角点，得到肘形图的肘点，从而获得Kmeans的最佳分类簇数，实现了自适应簇数的Kmeans分类聚合算法。记最佳分类聚合簇数为，最佳分类聚合图为D，各簇中第簇的颜色值为。

额外的，自适应Kmeans算法存在计算耗时大的问题，因此本发明采用了CPU-GPU异构的Kmeans并行加速处理方式。在CPU端，并行实现肘形图的绘制过程，即并行计算不同簇数的Kmeans误差。在GPU端利用CUDA【6】平台，对Kmeans算法内部进行并行加速，包括了样本点与聚类中心欧式聚类计算、样本的类标签更新及聚类中心更新等计算过程。

对聚合图进行二值化，区分目标簇与其余簇，得到多张二值图像。对所有二值图像进行图像形态学开闭合处理，去除二值图中的噪点，得到。对每一帧二值图使用轮廓提取算法，得到该类别的所有轮廓信息，并将轮廓按面积大小从大到小排序得到。利用符合面积和固态性等条件进行轮廓的初步筛选，得到。

对每一帧二值图的每一个轮廓，尝试在该轮廓内以稍大于无人机的尺寸按照快速搜索策略搜寻色彩纹理连续且尺寸满足条件的降落点，得到降落点集。单个轮廓内仅搜寻一个降落点，过程如下：

计算出轮廓的斜矩形和正矩形。

以斜矩形和正矩形内遍历搜寻，得到N个稍大于无人机的尺寸的待决策降落点，并对所有降落点按距图像像主点的距离由近及远进行排序。

遍历所有待决策降落点，仅当搜寻到某一满足上述条件的降落点，且该降落点位于轮廓内时停止搜索。

利用降落点集中各降落点和所属轮廓中心的像素位置，搜索尽可能靠近轮廓中心且同样满足色彩纹理连续及尺寸大小条件的降落点。

将降落点集进行两次排序，遵循先排序区域灰度值，亮色区域优先、暗色区域滞后；再排序距离远近，离无人机较近的降落点优先，离无人机较远的降落点滞后，得到。

通过计算所有备选降落点区域的纹理性，对备选降落点进行弱纹理剔除；若进入低空，获取到视差信息后，计算备选降落点区域的视差梯度，剔除视差变化较大的非平坦区域，得到。

在中按排序找到第一个满足距离条件的降落点（即不能太近则无需调整，也不能太远），再将选定的降落点坐标从图像坐标系转换到机体坐标系下的位置；若所有降落点均不满足距离条件，则视为未搜寻到降落点。

参考文献：

[1].Bhanu B , Das S , Symosek P , et al. Synergism of binocular and motion stereo for passive ranging[J]. IEEE Transactions on Aerospace & Electronic Systems, 2002, 30(3):709-721.[2].http://ilpubs.stanford.edu:8090/778/1/2006-13.pdf [3]. https://blog.csdn.net/weixin_41548818/article/details/82590817.[4].https://www.cs.auckland.ac.nz/courses/compsci773s1c/lectures/ImageProcessing-html/topic4.htm. [5]. https://docs.opencv.org/3.4/d1/d32/tutorial_py_contour_properties.html [6].朱琪. C到CUDA编译架构研究与实现[D]. 国防科学技术大学. [7]. Suzuki, S. and Abe, K.,Topological Structural Analysis of Digitized Binary Images by Border Following. CVGIP 30 1, pp 32-46 (1985)