无人机自主着舰基于视觉的位置感知研究文献综述

1. 文献综述（或调研报告）：

3.1 无人机着舰/着陆引导技术

目前国内外关于无人机着舰/着陆导引技术的研究主要集中在以下几个方面：惯性导航系统（Inertial Navigation System，INS）、全球卫星导航系统（Global Navigation Satellite System，GPS）、INS/GPS导航系统以及视觉导航系统。本文研究的主要方法是基于是觉得无人机着舰导引技术。

加州大学伯克利分校、南加州大学、清华大学对旋翼无人机的着舰研究比较相似。首先设定一个特定的降落标志作为着舰点，然后用机载相机采集图像，再经过图像处理，提取图像中的特征点，计算无人机与目标之间的相对位置，获取无人机的姿态，从而实现无人机着舰的导引。加州大学伯克利分校的研究利用了投影模型，通过采集图像的像素坐标和已知目标的大小，利用旋转矩阵和平移矩阵获取无人机的姿态和位置信息；南加州大学的研究则利用了不变矩对可能存在着舰点的区域进行判断和识别，达到识别目标点的目的；清华大学的研究则利用了图像匹配技术识别着舰点，通过对比采集图像和设定目标点的特征，来确定目标着舰点的位置。

德国慕尼黑工业大学的研究则是通过结合机载相机和惯性测量单元（IMU）来实现的精确的导航。通过机载相机采集图像从而获得无人机相对于着舰点的位置信息和无人机自身的姿态信息，之后利用惯性测量单元对获得的信息进行一定的补偿。利用PID算法实现了闭环控制，使得无人机能够自主的悬停在目标点的上方。与此类似的美国Navisys公司也利用机载相机和惯性测量单元作为传感器采集数据，当飞机临近目标点时，通过对目标点的搜索与匹配，可以确定目标点在采集图像中的位置，从而得到飞机与目标点之间的位置关系，从而达到视觉导航的目的。

Andrea Cesetti等人的研究则打破了着陆点只能人工设置的限制。该项研究使用了GPS和视觉导航的技术。GPS技术使得无人机可以从高分辨率的航空或者卫星图像中获取目标区域，以用来确定飞行轨迹和目标点。一旦确定目标点，视觉导航系统则用于目标点的识别、检测和跟踪。该视觉系统采用基于特征的图像匹配算法，对目标区域进行搜索，根据视觉不断更新目标参数并将信息反馈给自主着陆控制系统。因此无人机可以在飞行过程中，在目标区域范围内自动寻找适合降落的位置，并调整位置和姿态实现降落。其具体方法分为两步：首先将采集到的图像根据自然的几何特性分成不同的区域，然后利用SIFT（Scale Invariant Feature Transform）方法，根据外界陆地的几何特征，完成对自然着陆点的识别任务。于此类似的是美国佛罗里达大学的研究工作。该研究利用机载相机拍摄图像中的地平线信息提取出当前无人机的俯仰角和滚动角，用于视觉导航的工作。

卡耐基—梅隆大学和波音公司联合的研究也是运用了特征提取的方法，但是其采用了一个三层的BP神经网络来构建分类器。目前基于模式识别的无人机姿态估计还处于探索阶段。

目前视觉导航系统有两种实现方式：一种是将视觉导引设备固定在无人机上，包括机载相机和图像处理设备等，无人机将自主处理图像，并将得到的信号直接传递给无人机的飞控系统；另外一种是将视觉导引设备放在地面上，地面的视觉导航系统将处理得到的无人机位置和姿态信息传输给无人机的飞控模块。由于本次设计使用的是旋翼类的低速无人机，并且所需的着舰面积较小，因此将采用第一种方式进行设计，这种方式也有自主性强的优点。

3.2 特征提取与目标识别技术

3.2.1 基于阈值的图像分割技术

图像分割技术是依照某些特定的规则将图像分割为若干个具有一定特征且互不重叠的区域的技术。经过图像分割人们可以将关心的部分从整幅图像中区分出来，以便于进行下一步的研究和分析。基于阈值的图像分割技术，其基本原理是利用图像的灰度特征进行图像分割，原理比较简单实现起来比较方便，但是当图像中各部分的灰度值比较接近时，使用全局阈值分割就难以取得理想的结果。于是出现了结合图像梯度、图像边缘直方图等，或利用局部阈值进行分割的方法。局部阈值技术的基本原理就是对图像中的不同区域采用不同的阈值进行分割，其分割的效果比使用全局阈值的效果好一些。