CN110058604A - 一种基于计算机视觉的无人机精准降落系统 - Google Patents
一种基于计算机视觉的无人机精准降落系统 Download PDFInfo
- Publication number
- CN110058604A CN110058604A CN201910441275.1A CN201910441275A CN110058604A CN 110058604 A CN110058604 A CN 110058604A CN 201910441275 A CN201910441275 A CN 201910441275A CN 110058604 A CN110058604 A CN 110058604A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- image
- optical system
- computer
- computer vision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003287 optical effect Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 35
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 12
- 230000009916 joint effect Effects 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000002411 adverse Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
- G05D1/0816—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft to ensure stability
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明是一种基于计算机视觉的无人机精准降落系统，包括光学系统、计算机导航处理系统和飞行控制系统；光学系统采集着陆区域的图像信息，传递给计算机导航处理系统；计算机导航处理系统通过对图像信息的解算，输出无人机相对于着陆目标的位置和姿态，传递给飞行控制系统；飞行控制系统通过无人机与着陆目标的相对位姿计算期望的飞行速度向量并输出相应的电机调速器驱动电压向量，同时通过光学系统光轴与着陆目标中心的偏角对云台进行姿态调整；螺旋桨转速组合改变无人机的位置和姿态，进而影响光学系统的位姿，云台角的改变也会影响光学系统的姿态，两者共同影响光学系统视场，为计算机导航处理系统提供图像信息更新，辅助无人机完成自主降落。
Description
技术领域
本发明涉及无人机降落控制系统的技术领域，尤其涉及一种基于计算机视觉的无人机精准降落系统。
背景技术
随着无人机技术的迅猛发展，无人机越来越多的进入到了人们的生活中。无人机昼夜可用，结构简单，使用方便，成本低，效率比高，不必担心人员伤亡，因此在高位环境下，无人机作业日益受到青睐。它可用于场景监测、气象侦查、公路巡视、勘探测绘、水灾监控、航空摄影、交通管理、森林火灾等，具有极为广阔的应用前景。
无人机在执行任务过程中，回收过程是一个非常重要且容易出现故障的阶段，导航系统需要精确控制飞机的姿态和轨迹。实现无人机自动降落是提高无人机自主控制能力的重要环节。
目前，用于无人机自动降落的导航技术主要有惯性导航、全球定位系统导航、差分全球定位系统导航等技术，但是惯性导航中误差随着时间的推移而发散，因此不能独立使用，全球定位系统导航完全依靠导航卫星，在干扰的情况下，容易丢失信号。
发明内容
本发明旨在解决现有技术的不足，而提供一种基于计算机视觉的无人机精准降落系统。
本发明为实现上述目的，采用以下技术方案：
一种基于计算机视觉的无人机精准降落系统，包括光学系统、计算机导航处理系统和飞行控制系统；
光学系统采集着陆区域的图像信息，传递给计算机导航处理系统；
计算机导航处理系统通过对图像信息的解算，输出无人机相对于着陆目标的位置和姿态，传递给飞行控制系统；
飞行控制系统通过无人机与着陆目标的相对位姿计算期望的飞行速度向量并输出相应的电机调速器驱动电压向量，同时通过光学系统光轴与着陆目标中心的偏角对云台进行姿态调整；螺旋桨转速组合改变无人机的位置和姿态，进而影响光学系统的位姿，同时云台角的改变也会影响光学系统的姿态，两者共同影响光学系统视场，从而为计算机导航处理系统提供图像信息更新，最终辅助无人机完成自主降落。
所述光学系统为单目视觉系统，所述单目视觉系统包括一个摄像机。
所述光学系统为双目视觉系统，所述双目视觉系统包括两个摄像机。
所述计算机导航处理系统的工作过程包括：图像预处理、特征点提取和位置信息计算。
所述图像预处理包括图像采集与灰度化、图像矫正与滤波去燥、模板匹配、二值化与轮廓提取；
光学系统采集到的图像为32位或者24位真彩色图像，首先把真彩色图像转化为灰度图像，图像的灰度化是将图像由RGB模式转换为YIQ模式，然后将图像的灰度值进行量化并创建调色板，保存为8位256色灰度图像；
采用中值滤波法对恶劣环境下采集到的低信噪比图像进行图像矫正和滤波去燥处理；
通过模板匹配可以将特征图案所在的区域从图像中提取出来，并将后续的图像处理锁定在这一区域；
通过模板匹配提取出特征图案所在的区域，接着需要提取特征图案中的有用信息，首先灰度图通过阈值分割为二值图，图像中最亮的一部分为特征区域，将其他不相干的区域与特征区域分割开来。
在特征点提取过程中，选取特征图案位于跑道边缘的两个角点作为特征点，采用最小核值相似算法，利用相似比较函数对特征区域中的各点与核心点的灰度值进行比较，得到核值相似区，角点处的核值相似区最小，利用局部边缘方向来确定初始响应的局部极大值点的位置与边缘点，在局部边缘垂直方向上取初始响应的局部极大值点的位置为边缘点。
在位置信息计算过程中，利用通过图像处理所获得的几组对应的特征点，加上机载陀螺提供的姿态角信息获得着陆段无人机的位置飞行参数。
当无人机返航达到着陆区域准备降落时，光学系统启动开始搜索着陆跑道上的特征图案，通过模板匹配得到初始位置信息，判断是否可以着降，若在着降范围内，则允许着降，视觉导航系统启动；
接收到允许降落指令后，计算机导航处理系统根据拍摄到的特征图案进行数字图像处理，获取特征点信息，得到角度信息，求解出无人机相对于着陆主跑道的位置信息；
机载陀螺测量得到的导航参数求得的位置信息可以与计算机导航处理系统计算出的位置信息构成卡尔曼滤波器的量测值，然后再利用卡尔曼滤波的结果来修正导航参数，最终引导无人机准确降落。
本发明的有益效果是：本发明采用图像处理技术、光学摄像技术组合机器视觉导航技术作为无人机降落的导航技术，利用记载摄像机实时拍摄的视频图像来计算载体的运动参数，辅助记载的导航控制系统控制无人机完成自主着陆，实现了更加精确的降落。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
一种基于计算机视觉的无人机精准降落系统，包括光学系统、计算机导航处理系统和飞行控制系统；
光学系统采集着陆区域的图像信息，传递给计算机导航处理系统；
计算机导航处理系统通过对图像信息的解算，输出无人机相对于着陆目标的位置和姿态，传递给飞行控制系统；
飞行控制系统通过无人机与着陆目标的相对位姿计算期望的飞行速度向量并输出相应的电机调速器驱动电压向量，同时通过光学系统光轴与着陆目标中心的偏角对云台进行姿态调整；螺旋桨转速组合改变无人机的位置和姿态，进而影响光学系统的位姿，同时云台角的改变也会影响光学系统的姿态，两者共同影响光学系统视场，从而为计算机导航处理系统提供图像信息更新，最终辅助无人机完成自主降落。
所述光学系统为单目视觉系统，所述单目视觉系统包括一个摄像机。
所述光学系统为双目视觉系统，所述双目视觉系统包括两个摄像机。
所述计算机导航处理系统的工作过程包括：图像预处理、特征点提取和位置信息计算。
所述图像预处理包括图像采集与灰度化、图像矫正与滤波去燥、模板匹配、二值化与轮廓提取；
光学系统采集到的图像为32位或者24位真彩色图像，首先把真彩色图像转化为灰度图像，图像的灰度化是将图像由RGB模式转换为YIQ模式，然后将图像的灰度值进行量化并创建调色板，保存为8位256色灰度图像；
采用中值滤波法对恶劣环境下采集到的低信噪比图像进行图像矫正和滤波去燥处理；
通过模板匹配可以将特征图案所在的区域从图像中提取出来，并将后续的图像处理锁定在这一区域；
通过模板匹配提取出特征图案所在的区域，接着需要提取特征图案中的有用信息，首先灰度图通过阈值分割为二值图，图像中最亮的一部分为特征区域，将其他不相干的区域与特征区域分割开来。
在特征点提取过程中，选取特征图案位于跑道边缘的两个角点作为特征点，采用最小核值相似算法，利用相似比较函数对特征区域中的各点与核心点的灰度值进行比较，得到核值相似区，角点处的核值相似区最小，利用局部边缘方向来确定初始响应的局部极大值点的位置与边缘点，在局部边缘垂直方向上取初始响应的局部极大值点的位置为边缘点。
在位置信息计算过程中，利用通过图像处理所获得的几组对应的特征点，加上机载陀螺提供的姿态角信息获得着陆段无人机的位置飞行参数。
当无人机返航达到着陆区域准备降落时，光学系统启动开始搜索着陆跑道上的特征图案，通过模板匹配得到初始位置信息，判断是否可以着降，若在着降范围内，则允许着降，视觉导航系统启动；
接收到允许降落指令后，计算机导航处理系统根据拍摄到的特征图案进行数字图像处理，获取特征点信息，得到角度信息，求解出无人机相对于着陆主跑道的位置信息；
机载陀螺测量得到的导航参数求得的位置信息可以与计算机导航处理系统计算出的位置信息构成卡尔曼滤波器的量测值，然后再利用卡尔曼滤波的结果来修正导航参数，最终引导无人机准确降落。
本发明采用图像处理技术、光学摄像技术组合机器视觉导航技术作为无人机降落的导航技术，利用记载摄像机实时拍摄的视频图像来计算载体的运动参数，辅助记载的导航控制系统控制无人机完成自主着陆，实现了更加精确的降落。
上面结合具体实施例对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本发明的保护范围之内。
Claims (7)
1.一种基于计算机视觉的无人机精准降落系统，其特征在于，包括光学系统、计算机导航处理系统和飞行控制系统；
光学系统采集着陆区域的图像信息，传递给计算机导航处理系统；
计算机导航处理系统通过对图像信息的解算，输出无人机相对于着陆目标的位置和姿态，传递给飞行控制系统；
飞行控制系统通过无人机与着陆目标的相对位姿计算期望的飞行速度向量并输出相应的电机调速器驱动电压向量，同时通过光学系统光轴与着陆目标中心的偏角对云台进行姿态调整；螺旋桨转速组合改变无人机的位置和姿态，进而影响光学系统的位姿，同时云台角的改变也会影响光学系统的姿态，两者共同影响光学系统视场，从而为计算机导航处理系统提供图像信息更新，最终辅助无人机完成自主降落。
2.根据权利要求1所述的一种基于计算机视觉的无人机精准降落系统，其特征在于，所述光学系统为单目视觉系统，所述单目视觉系统包括一个摄像机。
3.根据权利要求1所述的一种基于计算机视觉的无人机精准降落系统，其特征在于，所述光学系统为双目视觉系统，所述双目视觉系统包括两个摄像机。
4.根据权利要求1、2、3中任意一项所述的一种基于计算机视觉的无人机精准降落系统，其特征在于，所述计算机导航处理系统的工作过程包括：图像预处理、特征点提取和位置信息计算。
5.根据权利要求4所述的一种基于计算机视觉的无人机精准降落系统，其特征在于，所述图像预处理包括图像采集与灰度化、图像矫正与滤波去燥、模板匹配、二值化与轮廓提取；
光学系统采集到的图像为32位或者24位真彩色图像，首先把真彩色图像转化为灰度图像，图像的灰度化是将图像由RGB模式转换为YIQ模式，然后将图像的灰度值进行量化并创建调色板，保存为8位256色灰度图像；
采用中值滤波法对恶劣环境下采集到的低信噪比图像进行图像矫正和滤波去燥处理；
通过模板匹配可以将特征图案所在的区域从图像中提取出来，并将后续的图像处理锁定在这一区域；
通过模板匹配提取出特征图案所在的区域，接着需要提取特征图案中的有用信息，首先灰度图通过阈值分割为二值图，图像中最亮的一部分为特征区域，将其他不相干的区域与特征区域分割开来。
6.根据权利要求5所述的一种基于计算机视觉的无人机精准降落系统，其特征在于，在特征点提取过程中，选取特征图案位于跑道边缘的两个角点作为特征点，采用最小核值相似算法，利用相似比较函数对特征区域中的各点与核心点的灰度值进行比较，得到核值相似区，角点处的核值相似区最小，利用局部边缘方向来确定初始响应的局部极大值点的位置与边缘点，在局部边缘垂直方向上取初始响应的局部极大值点的位置为边缘点。
7.根据权利要求6所述的一种基于计算机视觉的无人机精准降落系统，其特征在于，在位置信息计算过程中，利用通过图像处理所获得的几组对应的特征点，加上机载陀螺提供的姿态角信息获得着陆段无人机的位置飞行参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910441275.1A CN110058604A (zh) | 2019-05-24 | 2019-05-24 | 一种基于计算机视觉的无人机精准降落系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910441275.1A CN110058604A (zh) | 2019-05-24 | 2019-05-24 | 一种基于计算机视觉的无人机精准降落系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110058604A true CN110058604A (zh) | 2019-07-26 |
Family
ID=67324448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910441275.1A Pending CN110058604A (zh) | 2019-05-24 | 2019-05-24 | 一种基于计算机视觉的无人机精准降落系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110058604A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110968112A (zh) * | 2019-12-12 | 2020-04-07 | 哈尔滨工程大学 | 一种基于单目视觉的无人机自主降落系统及方法 |
| CN112462791A (zh) * | 2020-12-02 | 2021-03-09 | 成都时代星光科技有限公司 | 一种车载无人机机场全自动高精度飞行着陆系统及方法 |
| CN112509037A (zh) * | 2020-12-02 | 2021-03-16 | 成都时代星光科技有限公司 | 一种无人机飞行着陆视觉处理系统及方法 |
| CN112859888A (zh) * | 2021-01-18 | 2021-05-28 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 辅助垂直起降机着陆方法、装置、计算机设备及存储介质 |
| CN113298788A (zh) * | 2021-05-27 | 2021-08-24 | 南京航空航天大学 | 基于视觉的海上移动平台跟踪识别方法 |
| CN113552900A (zh) * | 2021-07-23 | 2021-10-26 | 中国科学院地理科学与资源研究所 | 一种无人机智能机库 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101109640A (zh) * | 2006-07-19 | 2008-01-23 | 北京航空航天大学 | 基于视觉的无人驾驶飞机自主着陆导航系统 |
| CN103424126A (zh) * | 2013-08-12 | 2013-12-04 | 西安电子科技大学 | 一种无人机视觉自主着陆仿真验证系统及方法 |
| CN104808685A (zh) * | 2015-04-27 | 2015-07-29 | 中国科学院长春光学精密机械与物理研究所 | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 |
| CN105021184A (zh) * | 2015-07-08 | 2015-11-04 | 西安电子科技大学 | 一种用于移动平台下视觉着舰导航的位姿估计系统及方法 |
| CN204757989U (zh) * | 2015-06-18 | 2015-11-11 | 南京航空航天大学 | 一种无人机着陆导航系统 |
| CN105204515A (zh) * | 2015-08-27 | 2015-12-30 | 泉州装备制造研究所 | 无人机自主着陆的测量解析及控制方法和装置 |
| CN105740899A (zh) * | 2016-01-29 | 2016-07-06 | 长安大学 | 一种机器视觉图像特征点检测与匹配复合的优化方法 |
| CN106527487A (zh) * | 2016-12-23 | 2017-03-22 | 北京理工大学 | 一种运动平台上无人机自主精确着陆系统及着陆方法 |
| CN106548173A (zh) * | 2016-11-24 | 2017-03-29 | 国网山东省电力公司电力科学研究院 | 一种基于分级匹配策略的改进无人机三维信息获取方法 |
| CN106708066A (zh) * | 2015-12-20 | 2017-05-24 | 中国电子科技集团公司第二十研究所 | 基于视觉/惯导的无人机自主着陆方法 |
| CN107677274A (zh) * | 2017-09-12 | 2018-02-09 | 西北工业大学 | 基于双目视觉的无人机自主着陆导航信息实时解算方法 |
| CN108594848A (zh) * | 2018-03-29 | 2018-09-28 | 上海交通大学 | 一种基于视觉信息融合的无人机分阶段自主着艇方法 |
| CN108876723A (zh) * | 2018-06-25 | 2018-11-23 | 大连海事大学 | 一种灰度目标图像的彩色背景的构建方法 |
| CN108873917A (zh) * | 2018-07-05 | 2018-11-23 | 太原理工大学 | 一种面向移动平台的无人机自主着陆控制系统及方法 |
| CN108974373A (zh) * | 2018-07-19 | 2018-12-11 | 西安恒宇众科空间技术有限公司 | 基于双目视觉飞行器自主着陆装置 |
| CN109341686A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种基于视觉-惯性紧耦合的飞行器着陆位姿估计方法 |
| CN109407708A (zh) * | 2018-12-11 | 2019-03-01 | 湖南华诺星空电子技术有限公司 | 一种基于多信息融合的精准着陆控制系统及着陆控制方法 |
| CN109405824A (zh) * | 2018-09-05 | 2019-03-01 | 武汉契友科技股份有限公司 | 一种适用于智能网联汽车的多源感知定位系统 |
-
2019
- 2019-05-24 CN CN201910441275.1A patent/CN110058604A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101109640A (zh) * | 2006-07-19 | 2008-01-23 | 北京航空航天大学 | 基于视觉的无人驾驶飞机自主着陆导航系统 |
| CN103424126A (zh) * | 2013-08-12 | 2013-12-04 | 西安电子科技大学 | 一种无人机视觉自主着陆仿真验证系统及方法 |
| CN104808685A (zh) * | 2015-04-27 | 2015-07-29 | 中国科学院长春光学精密机械与物理研究所 | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 |
| CN204757989U (zh) * | 2015-06-18 | 2015-11-11 | 南京航空航天大学 | 一种无人机着陆导航系统 |
| CN105021184A (zh) * | 2015-07-08 | 2015-11-04 | 西安电子科技大学 | 一种用于移动平台下视觉着舰导航的位姿估计系统及方法 |
| CN105204515A (zh) * | 2015-08-27 | 2015-12-30 | 泉州装备制造研究所 | 无人机自主着陆的测量解析及控制方法和装置 |
| CN106708066A (zh) * | 2015-12-20 | 2017-05-24 | 中国电子科技集团公司第二十研究所 | 基于视觉/惯导的无人机自主着陆方法 |
| CN105740899A (zh) * | 2016-01-29 | 2016-07-06 | 长安大学 | 一种机器视觉图像特征点检测与匹配复合的优化方法 |
| CN106548173A (zh) * | 2016-11-24 | 2017-03-29 | 国网山东省电力公司电力科学研究院 | 一种基于分级匹配策略的改进无人机三维信息获取方法 |
| CN106527487A (zh) * | 2016-12-23 | 2017-03-22 | 北京理工大学 | 一种运动平台上无人机自主精确着陆系统及着陆方法 |
| CN107677274A (zh) * | 2017-09-12 | 2018-02-09 | 西北工业大学 | 基于双目视觉的无人机自主着陆导航信息实时解算方法 |
| CN108594848A (zh) * | 2018-03-29 | 2018-09-28 | 上海交通大学 | 一种基于视觉信息融合的无人机分阶段自主着艇方法 |
| CN108876723A (zh) * | 2018-06-25 | 2018-11-23 | 大连海事大学 | 一种灰度目标图像的彩色背景的构建方法 |
| CN108873917A (zh) * | 2018-07-05 | 2018-11-23 | 太原理工大学 | 一种面向移动平台的无人机自主着陆控制系统及方法 |
| CN108974373A (zh) * | 2018-07-19 | 2018-12-11 | 西安恒宇众科空间技术有限公司 | 基于双目视觉飞行器自主着陆装置 |
| CN109405824A (zh) * | 2018-09-05 | 2019-03-01 | 武汉契友科技股份有限公司 | 一种适用于智能网联汽车的多源感知定位系统 |
| CN109341686A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种基于视觉-惯性紧耦合的飞行器着陆位姿估计方法 |
| CN109407708A (zh) * | 2018-12-11 | 2019-03-01 | 湖南华诺星空电子技术有限公司 | 一种基于多信息融合的精准着陆控制系统及着陆控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 万刚: "《无人机测绘技术及应用》", 31 December 2015 * |
| 刘全波: "基于视觉的无人机自动着陆定位算法", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110968112A (zh) * | 2019-12-12 | 2020-04-07 | 哈尔滨工程大学 | 一种基于单目视觉的无人机自主降落系统及方法 |
| CN112462791A (zh) * | 2020-12-02 | 2021-03-09 | 成都时代星光科技有限公司 | 一种车载无人机机场全自动高精度飞行着陆系统及方法 |
| CN112509037A (zh) * | 2020-12-02 | 2021-03-16 | 成都时代星光科技有限公司 | 一种无人机飞行着陆视觉处理系统及方法 |
| CN112859888A (zh) * | 2021-01-18 | 2021-05-28 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 辅助垂直起降机着陆方法、装置、计算机设备及存储介质 |
| CN112859888B (zh) * | 2021-01-18 | 2023-09-12 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 辅助垂直起降机着陆方法、装置、计算机设备及存储介质 |
| CN113298788A (zh) * | 2021-05-27 | 2021-08-24 | 南京航空航天大学 | 基于视觉的海上移动平台跟踪识别方法 |
| CN113552900A (zh) * | 2021-07-23 | 2021-10-26 | 中国科学院地理科学与资源研究所 | 一种无人机智能机库 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110058604A (zh) | 一种基于计算机视觉的无人机精准降落系统 | |
| CN111461023B (zh) | 基于三维激光雷达的四足机器人自主跟随领航员的方法 | |
| CN109949361A (zh) | 一种基于单目视觉定位的旋翼无人机姿态估计方法 | |
| Stokkeland et al. | Autonomous visual navigation of unmanned aerial vehicle for wind turbine inspection | |
| CN111968128B (zh) | 一种基于图像标记的无人机视觉姿态和位置解算方法 | |
| CN103822635B (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
| CN101109640A (zh) | 基于视觉的无人驾驶飞机自主着陆导航系统 | |
| CN102353377B (zh) | 一种高空长航时无人机组合导航系统及其导航定位方法 | |
| CN107229063A (zh) | 一种基于gnss和视觉里程计融合的无人驾驶汽车导航定位精度矫正方法 | |
| CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
| CN110058602A (zh) | 基于深度视觉的多旋翼无人机自主定位方法 | |
| Coutard et al. | Visual detection and 3D model-based tracking for landing on an aircraft carrier | |
| CN106054929A (zh) | 一种基于光流的无人机自动降落引导方法 | |
| CN109341686B (zh) | 一种基于视觉-惯性紧耦合的飞行器着陆位姿估计方法 | |
| CN205644286U (zh) | 一种基于视觉辅助技术的自主着陆无人机 | |
| CN110083177A (zh) | 一种基于视觉着陆的四旋翼飞行器及控制方法 | |
| CN110081875A (zh) | 一种仿鸽子智能的无人机自主导航系统及方法 | |
| CN110231835A (zh) | 一种基于机器视觉的无人机精准降落方法 | |
| Oszust et al. | A vision-based method for supporting autonomous aircraft landing | |
| Wu et al. | Autonomous UAV landing system based on visual navigation | |
| Chiu et al. | Vision-only automatic flight control for small UAVs | |
| Kawamura et al. | Vision-Based Precision Approach and Landing for Advanced Air Mobility | |
| Liu et al. | Sensor fusion method for horizon detection from an aircraft in low visibility conditions | |
| Jiang et al. | Study on enlarging the searching scope of staring area and tracking imaging of dynamic targets by optical satellites | |
| CN114689030A (zh) | 一种基于机载视觉的无人机辅助定位方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |
|
| RJ01 | Rejection of invention patent application after publication |