基于阶层标识的无人机自主精准降落系统

随着微小型无人机(UAV)在航拍、测绘、环境监测、快递投送等民用领域的广泛应用,对微小型无人机的可用性和可靠性提出了更高的要求。为了使微小型无人机能够精确地完成自主降落,由于计算机视觉部署成本低、独立性强、信息丰富等特点,提出了通过识别匹配一种多层嵌套二维编码的阶层降落标识来进行相对定位的算法,并展示了与之对应的阶层标识检测及定位的无人机自主降落系统,由于编码的信息量与其他系统相比,具有高低空的高识别率、编码空间大等特点,故此系统可同时支持单个或多个停机坪的配置,且成本低廉,无需添加机载设备成本。最后对该系统进行仿真验证和实飞测试,表明所提出算法能够有效地实现无人机全自主降落。

ROI加速的无人机自主精准降落系统

GPS信号在有遮挡的环境中信号差且定位精度低,无法满足无人机在特定区域精准定位的要求。而计算机视觉定位相较于GPS,受环境影响小且定位信息丰富。基于此,文中设计一种ROI加速的无人机自主精准降落系统,采用“H”与Aruco marker嵌套的降落标识在不同高度给无人机提供定位信息。基于深度学习的目标检测算法分割相机视野中的感兴趣区域(ROI),利用阈值分割的图像识别算法在ROI区域进行Aruco marker检测,滤除ROI区域外的图像区域,提升目标识别速度。根据marker二维像素点与三维坐标点的对应关系求解无人机与marker的相对位置。基于求解出的三轴位置设计位置PID控制器,将无人机与marker的三轴位置差转换为速度控制量。进行无人机自主降落的试验,随机统计20次的降落结果,得出18次的降落轴向误差在10 cm以内,说明所设计系统能够满足无人机降落精度要求。