基于SUSAN算法的机场跑道跟踪

机场跑道由于目标尺寸大且成线条形,在连续图像中对其定位往往只能逐帧识别,计算复杂耗时,缺乏一种成熟的跑道跟踪方法。文中利用SUSAN算法检测跑道特征点,并对各个特征点使用分别跟踪的方法,将整个跑道进行快速跟踪定位,实验证明此方法对跑道跟踪取得了令人满意的结果。

无人机基于视觉自主着陆的跑道识别跟踪

跑道检测识别与跟踪是基于视觉的无人机自主着陆的前提和难点,本文根据固定翼无人机基于视觉自主着陆的特点设计了包括跑道检测、跑道特征提取、跑道识别和跑道跟踪的方案,并在ARM Cortex-A9处理器中基于Linux系统使用OpenCV实现了该方案。最后按照逐步递进的方式分别对检测、检测识别、检测识别与跟踪结果进行了实验验证,并对实时性进行了分析。实验结果表明,通过该方案可以准确地识别图像中的跑道并具有较快的跟踪速度。

用于UAV视觉导航的跑道检测与跟踪

跑道检测与跟踪是UAV视觉导航研究的重点内容。针对UAV着陆过程中跑道变化情况,提出一种新的方法,利用单目视觉信息,基于距离跑道的远近不同采用不同的策略实现跑道检测与跟踪,帮助UAV自主降落在安全区域。当距离较远时,利用地平线检测和模板匹配的方法对跑道进行定位;结合模板更新策略实现跑道跟踪;当距离较近时,在融合远距离跑道方位信息的基础上利用改进型Canny算子和Hough变换对跑道边缘进行更精确的描述。实验结果表明,利用该方法可以有效地对跑道进行检测和跟踪,并且具有较快的处理速度。

基于序列图像的无人机进近着陆跑道识别与跟踪研究

跑道的准确识别与跟踪,是基于视觉的无人机自主着陆的重要条件.利用单目视觉获取进近着陆过程中实时跑道序列图像,经过Canny边缘检测算法和基于梯度方向的Hough变换处理,将同一跑道上的2条边缘线识别出来,并进行实时跟踪.最后利用大量真实的室外道路模拟跑道图像,以DM642为核心处理器设计视觉处理系统,结合固定翼无人机进近阶段着陆飞行特点,对设计的相关算法及视觉系统进行验证.结果表明所设计方法可以在进近着陆阶段准确提取跑道目标,并能够满足无人机着陆实时性要求.