基于模糊控制的无人机集群视觉着降

在基于视觉导航的自主着降过程中,旋翼无人机受到自身机械振动和复合风场环境等因素的干扰,降落精度低、速度慢,影响集群回收的安全性。针对这一问题,提出一种基于模糊控制和视觉导航的集群自主着降算法。首先无人机集群飞至降落区域后,无人机通过目标检测算法找到自身对应的降落标识,再利用像素距离解算出无人机与对应降落标识间的实际水平距离,然后通过模糊化、模糊推理、去模糊化得到无人机精准对准降落点的控制指令,最终实现集群精准着降。仿真实验与实际飞行实验结果表明,该算法具有更高的鲁棒性,可有效提升无人机集群着降的速度。     

无人机视觉导航着陆标识检测与分割方法

为实现基于视觉导航无人机自主着陆任务,提出一种无人机视觉导航着陆标识检测与分割方法。在Tiny-YOLO网络基础上融入自下而上的特征增强结构,得到Mark-YOLO网络。针对无人机硬件平台计算能力不足的问题,对网络模型进行裁剪,减少网络模型的参数量;对目标检测算法提取到的无人机着陆标识进行图像分割处理,获取降落标识的轮廓信息。实验结果表明:本文提出的Mark-YOLO算法具有更高的准确率;裁剪后的网络模型具有更少的参数量与更小的权重,且检测到的着陆标识通过图像分割方法处理后,可取得良好的分割效果。     

变电站巡检机器人视觉导航模糊控制

利用导航线,通过机器人自身前景视觉获得机器人偏离导航线的距离和方向,采用Sugeno模糊推理法生成左右轮速,实现变电站巡检机器人视觉导航自主运动控制.基于博创UP-VoyagerII型机器人进行实际测试,机器人能够准确、平稳地实时追踪导航线.实验表明了算法的有效性.     

基于紫外信标的无人机高精度助降装置及应用

在无人机降落过程中,高精度的助降引导系统不可或缺。目前,在复杂的地形、天气条件和存在电磁干扰等不利环境下,无人机助降引导系统存在降落定位误差较大的问题。为实现无人机的精准定位降落,研发了基于紫外信标的无人机高精度助降引导系统,测试结果表明,紫外信标助降引导系统能够满足高精度定位需求。系统定位精度高,可适用于雾霾天气、复杂地形、电磁干扰等特殊环境,为无人机降落过程提供了一种可靠精准的引导方式。     

面向固定翼无人机的视觉导引仿真系统设计与实现

针对无人机自主着陆视觉导引相关算法研究和验证困难的问题,提出了一种基于Flightgear和Matlab的多机组网联合仿真技术,设计并建立了固定翼无人机自主着陆视觉导引仿真系统.系统中Flightgear渲染的摄像头视角图像数据通过HDMI视频接口实时传递到Matlab中;摄像头的内参数可通过虚拟棋盘格标定得出.利用该系统进行了基于合作目标的无人机视觉导引着陆闭环仿真实验,证明该系统能够验证无人机视觉着陆方法、算法的正确性及可行性.     

一种多无人机协同定位与稠密地图构建算法

针对VINS-Mono(monoculor visual-inertial state)算法定位精度较低且构建的稀疏点云地图包含的信息较少无法用于无人机的自主导航的问题,提出了一种集中式多无人机协同定位与稠密地图构建算法。该算法通过提高回环闭合中特征点匹配准确度以优化多无人机之间的定位精度,为了建立多个无人机之间的连接约束,使用四种不同类型的坐标系进行坐标转换优化,采用双向检测匹配法对关键帧进行特征点匹配,结合PROSAC(progressive sampling consensus)算法剔除误匹配,通过对有回环闭合约束的多无人机的位姿与全局地图进行全局位姿图优化,结合Voxblox构建了可供五架无人机协同导航的全局稠密地图。在EuRoc数据集的五个序列中,提出的多无人机协同定位与稠密地图构建算法与VINS-MONO算法相比,绝对轨迹误差分别降低了34%、26%、42%、24%、19%。实验证明,改进算法有效提高了多无人机之间的定位精度,并且构建的全局一致稠密地图包含距离信息与梯度信息,可以用于多无人机的自主导航。     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

一种基于双目视觉的无人机自主导航系统

针对无人机实时自主导航问题,本文设计并实现了一种能自主感知未知室外环境,实时自动规划路径的旋翼无人机系统.首先利用双目视觉,使用经光束法平差(BA)优化的经典SLAM系统,ORB SLAM2算法获取无人机位姿信息;再以"推扫式"感知方法和改进的绝对误差和(SAD)算法获取环境信息和障碍物点.其次,结合无人机位姿信息与环境障碍物点生成局部障碍物地图,同时使用并行计算框架,提高系统性能.针对无人机系统实时性问题,设计的SAD算法只关注固定视差大小的像素块的稀疏匹配.最后,根据生成的当前局部环境障碍物地图与本地轨迹库,自主选择运动轨迹,有效自主规避障碍物,达到实时局部路径规划的效果.以上功能全部在无人机搭载的嵌入式处理器Nvidia Jetson TX2中完成处理.仿真与实际飞行实验表明:设计的系统基本实现无人机在未知室外场景下的实时自主感知与路径规划,在采集视频分辨率为1 280×720时,处理速度能达到60帧/s,为完善低成本无人机的避障与导航功能提供一种参考.     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。