机载视觉自主着陆过程中的跑道提取方法

跑道直线参数的准确提取,是机载视觉完成自主着陆过程的重要条件。首先在边缘图像的基础上利用相位编组算法,得到当前边缘图像中大量的线段,根据线段之间的角度,端点距离,以及线段两边的灰度均值,设计了一套规则来定量描述线段之间的亲近性,根据亲近值,将处于同一直线上的短线段首尾连接成长线段。取最长的若干条线段待选,再利用跑道区域的先验知识,主要是跑道内外的灰度对比信息,将位于同一条跑道的两条边缘上的线段识别出来。大量的实际图像结果验证了算法的有效性。

复杂SAR场景中机场跑道的提取

本文提出了一种从大幅SAR场景图像中提取机场跑道的方法。跑道是机场的最明显的特征,在图像上可抽象为相隔一定距离,具有一定长度的平行线对。算法首先检测图像边缘,然后连接成线段,从中搜索平行线对,最后进行验证。算法的特点在于连接线段时,通过将图像域中的线段转化成极坐标中的点,将线段连接问题转化为点的聚类问题,并利用贝叶斯估计原理构造相似性测度准则函数,利用区域生长聚类方法将断裂的但属于同一条直线的点聚集起来。实验结果表明,该算法能够从大幅SAR图像中提取机场跑道,具有重要的实际应用价值。

一种基于带通滤波的机场跑道提取方法

作为重要战略目标的机场跑道是一种重要的遥感图像提取目标。高分辨率遥感图像中机场跑道等地物人工标志线清晰可辨,可作为一种重要的地物提取标志。在建立机场跑道模型的基础上,提出了一种基于带通滤波的提取机场跑道人工标志线的算法,并建立了机场主跑道提取的技术流程。该流程包括非植被区提取、数学形态学处理、带通滤波、Douglas-Peucker平滑算法以及平行线对模型的建立等。利用该算法对6处机场进行了试验,结果表明该算法提取准确可靠。

基于灰度投影的跑道线提取方法

针对无人机着陆时采用传统的Hough变换或者利用跑道区域先验信息的方法所产生的计算时间开销较大和未知先验信息前提下不适用等问题,提出一种基于灰度投影的跑道线检测算法。通过模板匹配提取跑道区域作为兴趣区(region of interest,ROI),在ROI中进行边缘提取;对于边缘提取后的图像使用灰度投影算法,获得可能的直线在空间内的位置,并使用K-means算法对可能的直线进行聚类,从而获得跑道边线的估计位置。仿真结果表明:该算法可以有效提取跑道边线,相比于传统Hough变换的直线提取算法,可以减少50%的时间消耗。

无人机视觉自主着陆仿真系统

计算机视觉导航技术具有精度高、不受电子干扰,成本低等特点,被誉为未来无人机自主着陆的必备手段之一。作为新一代着陆技术手段,视觉自主着陆技术需要进行大量的算法研究和飞行试验,因此有必要建立一个在实验室环境来验证所提方案的可行性。本文将虚拟现实、可视化技术与计算视觉导航算法紧密结合起来,开发了一种无人机视觉自主着陆仿真验证系统,构建场景模块,能够在复杂三维地形、不同气象条件下对无人机视觉自主着陆算法进行仿真验证,实时计算和输出无人机着陆所需位置姿态参数。实验结果表明:该系统真实反映了无人飞行器飞行过程中的动态特性以及姿态角等的变化,并且具备良好的用户显控界面,验证了视觉自主着陆算法的可行性。

实时提取直线参数的两步算法

跑道直线参数的实时提取是反机场子弹末敏器进行末端修正的前提条件。提出了实时提取直线参数的两步法:通过采用Sobel算子细化边缘的方法来提取图像中的边缘点,计算边缘点的梯度方向直方图,确定最大的响应方向,即跑道的法线方向,同时将梯度方向不在最大响应方向的边缘点剔除;在确定了跑道方向之后,通过采用一维参数的Hough变换法来把跑道的直线参数提取出来。试验结果表明,在保证精度的情况下两步直线提取法计算量小,在DSP芯片上运行,其处理帧频可达到50帧/s,满足了实际的作战要求。

大场景下的极化SAR机场检测

机场在军事和交通运输领域都有很重要的作用,对它的自动检测具有重大意义。该文提出了一种利用全极化合成孔径雷达(PolSAR)图像检测机场和跑道的方法。首先,通过一种改进的Freeman分解提取3种散射机制的能量作为像素点的特征,利用模糊C-均值聚类(FCM)算法分割图像来获得疑似机场目标区域(region of interest,ROI)。然后采用基于复wishart分布的K-均值聚类算法精细分割ROI,得到完整的机场跑道结构;提出一种检测机场主跑道的方法进行ROI辨识,最终确定机场目标。采用多组PolSAR数据进行验证,并比较了单、双和全极化图像的机场检测效果。结果表明:该方法具有较高的检测率和较低的虚警率,并且具有较好的抗噪性能。