论文部分内容阅读
无人机发展迅速。但传统的无人机回收方法都存在着明显的缺点:伞降回收易于受到恶劣天气的干扰,且落点分散不易控制;空中回收的成本较高;人工回收对操作人员的依赖性很大,它要求操作人员具备熟练的技术。此外,在降落坪移动的情况下,如降落坪在舰船上,采用传统的方法回收难度较大。目前,人们对基于飞行引导技术实现无人机自主定位着降点来辅助无人机回收产生了很大兴趣,并成为无人机领域的研究热点。基于此背景,本课题以TI的TMS320DM6446开发板为核心,利用其DSP+ARM双核架构,设计并实现了一套基于单目光学的图像处理演示系统,用来用来模拟无人机自主完成对着陆特征图案进行定位及跟踪。本课题主要完成了如下的工作:1.在PC机VS2005环境下完成特征图案识别算法的仿真。设计出着陆特征图案,并将特征图案上的角点标记为射影不变量;选取OpenCV图像视觉库中的Harris角点检测算法来完成特征图案的角点检测;依照射影不变量间交比不变的原理,确定出特征图案的中心。2.完成达芬奇视频开发环境的搭建。根据系统硬件架构,完成交叉工具链的配置,bootloader与内核的烧写,根文件系统的制作等一系列平台搭建工作。3.在TMS320DM6446开发板上实现特征图案识别算法。本项工作作为本课题的核心内容,包含算法的开发,算法的封装,应用程序的设计三方面的工作。其中算法开发的工作是将PC机上的仿真算法改写为能够在开发板DSP端运行的算法;算法的封装的工作为将开发板DSP端可以运行的算法封装成开发板ARM端可以调用的格式;应用程序的设计则包括视频的采集模块,算法调用模块,图像显示模块的编写等,并采用多线程的方式来提高应用程序运行的效率。4.对特征图案识别算法做进一步的优化。本工作作为本课题的另一项核心内容,采取的优化方式包括:自适应优化,区域分割预处理,编译选项优化,软件流水优化。对优化后的结果进行测试,证明优化后特征图案识别的速率与稳定性将大幅提升。5.进行运动控制系统的硬件演示平台的搭建。根据识别算法提供的坐标位置,设计一套运动控制算法,并进行演示系统的联调工作,完成摄像机跟踪特征图案与实时图像识别并行操作的伺服系统设计。经实验证明,该系统所采用的算法能够准确,实时,稳定的检测出特征图案,且具有较强的抗干扰能力。选择TI公司推出的TMS320DM6446作为算法实现的平台,比工控机更接近真实的无人机系统构建,并且具有体积小,成本低,演示方便等特点。搭建的硬件演示平台能够更好的模拟无人机自主定位着降点时的真实环境,使本课题相比其它模拟无人机自主定位的系统更具有实用性与推广性,经过后续优化后,有望在真实的无人机上得到应用。