论文部分内容阅读
[摘 要]本文论述了机器视觉导航的相关原理和功能，分析了机器视觉导航在无人机上应用的相关典型场景，最后，重点分析了机器视觉导航在无人机自动起降技术应用的国内外研究现状及发展。
[关键词]机器视觉 无人机导航
中图分类号：E231 文献标识码：A 文章编号：1009-914X（2019）06-0326-02
1 引 言
自然界的动物大多依靠视觉提供导航信息，同样视觉也是人类最主要的感知、定位及导引方式，人类通过视觉走路、驾车、飞行和航海，可以说视觉导航广泛地存在于生物界，是一种最原始最古老的导航方式。机器视觉是指按照仿生视觉的思想，利用各种图像传感器获取图像信息、处理图像信息，达到目标检测、识别、跟踪、定位、姿态测量等目的。
机器视觉系统它由传感器、视觉处理和系统软件等组成。从传感器角度分，机器视觉系统的信息源可以是可见光、红外、合成孔径雷达信号（Synthetic Aperture Radar）等。根据视觉传感器的个数，机器视觉系统还可以分成单目视觉系统和多目视觉系统，其中，多目视觉系统也被称为“立体视觉系统”[1]。
在无人机研究领域，利用机器视觉进行无人机着陆、着舰、空中加油、飞行避障、甚至对地攻击等，正在成为研究热点，它们共同的技术基础正是视觉导航技术。基于机器视觉的导航技术因具有设备简单便宜、信息量大、完全自主和无源性的特点而越来越受到科技人员的关注，并开展了大量的研究工作。
目前，在无人机自动起降的技术领域，自动起降实现的关键在于起降导航/导引技术。由当前的国外发展情况来看，成功地应用于无人机自动进场/着陆系统的导航/导引体制，概括起来有以下三种形式：（1）以差分全球定位系统DGPS为基础的自动起降系统；（2）以跟踪雷达/微波导引为基础的自动起降系统；3）以计算机视觉为基础的自动起降系统。其中较为成熟的无人机自动起降技术是基于DGPS的自动起降技术，它利用DGPS和惯性导航系统INS进行组合导航可以获得稳定、高精度的位姿信息，实现无人机自动起降[2]。但是GPS容易受到干扰，它所提供的定位信息严重依赖于外界GPS信息输入。而跟踪雷达/微波导引方式对机场要求高、设备昂贵复杂、向外辐射电磁波，在战场环境下容易暴露己方目标、遭受攻击。而基于计算机视觉的无人机自动起降技术在国外处于验证阶段，在国内尚处于理论及实验室研究阶段。
2 原理和功能
一个典型的固定翼无人机自动降落过程如下图所示：
从图1中可以看出，无人机若想实现自动起降除了一方面需要利用飞行控制算法控制飞机实现近进、下滑、拉平、滑行等控制过程，更重要的是获取飞行控制系统所需要的导引信息：无人机相对于机场的距離、方位角、俯仰角或者相对与机场的准确坐标。
这些导引信息可以通过双目立体视觉系统获取，获取的主要核心原理就是基于视差原理[3]，具体如图2所示：
3 国内外研究概况及水平
从二十世纪九十年代开始，国外就开始了基于计算机视觉的运动物体运动信息[4]（速度、位置、姿态）提取方面的研究。由美国NASA的ONR（office of Naval Research）和DARPA（Defense Advanced Research Agency）资助，由美国南加州大学嵌入式系统实验室和加州理工学院喷气推进实验室承担的基于机器视觉的无人直升机起降技术研究和验证项目已经取得了很多成果，实现了基于机器视觉的无人直升机着陆，在图像着陆控制算法，直升机停机坪检测、识别、跟踪算法，机器视觉信息和GPS/INS信息融合技术、无人机着陆鲁棒控制、基于机器视觉运动物体运动信息（速度、位置、姿态）提取、着陆航迹规划和轨迹跟踪等方面处于国际领先水平。此外，美国加州大学伯克利分校采用Yamaha R-50无人驾驶直升机成功地验证了基于机器视觉的飞行器运动信息提取与估计技术。
德国University of Karlsruhe提出了一种基于视觉的旨在提高四旋翼微小型垂直起降无人机的定点盘旋和定点着陆能力的方法。利用图像处理获得的光流信息和气压高度表信息来估计无人机的状态和相对地面的高度。并进行了试飞，成功的验证了该方案。所得结果准确可信，甚至可以代替短时GPS断供的情况。
在固定翼无人机机器视觉起降技术研究和验证技术方面美国Naval Postgraduate School处于国际领先水平。他们成功地完成了由美国ONR资助的RFTPS（rapid flight test prototyping system）项目，实现了基于红外图像的舰载无人机着陆技术研究和验证。在基于机器视觉的运动物体运动信息（速度、位置、姿态）估计算法方面处于领先水平。
目前，许多欧美公司先后开发了各种基于机器视觉的无人机起降着陆设备。美国波音公司正在研究基于视觉的固定翼无人机自主着陆，法国达索公司也正在研究基于视觉的直升机和固定翼飞机的自主着陆。德国西门子公司Roke Manor研究中心开发了一套用于无人机导航的基于模型的视觉系统RAPiD（实时位姿估算）。该系统可以根据已知地形、着陆区域数据，实现无人机视觉导航、防撞、着陆等功能。它将视觉导航过程分为初始化、误差测量、平滑预测三个阶段。下图是其无人机着陆过程场景图。
在国内，上海交通大学提出了以自主直升机为平台的对着陆目标搜寻跟踪并自动降落的问题，设计并实现了一种实时的、基于视觉的着陆目标探测系统和飞行控制器。航空工业提出了基于双目视觉导引的无人直升机自动降落控制技术，并进行了演示验证。浙江大学研究了UAV姿态参数估计方法。海军航空大学提出了在舰艇摆动的条件下基于机器视觉导引的无人机撞网回收自动着舰方案。西北工业大学研究了一种基于摄像机姿态与变焦控制的视觉着舰技术[5]，在舰船晃动的情况下利用摄像机坐标系和图像中特征点相对光心的位置来计算摄像机相对于无人机需要旋转的姿态角，最终将着舰点锁定在图像平面中央。北京航空航天大学也提出了一套无人直升机自主着舰的目标定位视觉算法。
4 发展趋势
随着机器视觉导航技术的发展，近年来多目立体视觉导航成为了机器视觉导航领域的发展趋势。美国空军技术研究所（Air Force Institue of Technology）M.Veth， S.Ebcin等人利用双目立体视觉和惯导对场景的特征点进行跟踪，然后利用预测误差对惯导进行校正，从而得到比原有惯导系统漂移慢的多的组合导航系统。从试验结果看，该系统对速度误差的估算是收敛的，位置误差则缓慢发散，但已经比单个惯导的位置误差发散要好的多。最终系统能够达到600秒漂移误差小于1m，说明了立体视觉对于导航的巨大价值和实际应用的可行性。国内，电子科技大学研究了基于光轴平行的双目视觉的无人机自主着舰技术，并完成了仿真试验。上海大学提出一种基于仿生双目理论的双目视觉系统，通过对实时采集的目标图像的处理，实时获取无人直升机的相关信息。
总之，随着计算机技术和惯性器件技术的飞速发展，立体视觉导航技术逐渐走向实用。立体视觉导航和其它导航方式的信息融合也是视觉导航技术发展的重要方向；未来，立体视觉在无人机上的应用不仅是应用于起降导引，还朝着侦察、障碍物自动规避等多功能方向发展。
参考文献
[1] 李丰阳，贾学东，董明.飞行载体自主着陆导航技术的现状与趋势[J].导航定位学报，2017，5（2）：7-13.
[2] 唐大全，毕波，王旭尚.自主着陆/着舰技术综述[J].中国惯性技术学报，2010，18（5）：550-555.
[3] 于起峰，尚洋.摄像测量学原理与应用研究[M].北京：科学出版社，2009：204-211.
[4] 董明.卫星/惯性/视觉组合导航信息融合关键技术研究[D].郑州：信息工程大学，2014：10-15.
[5] 陈楸，曹卫涛.基于场景识别的无人机自主着陆组合导航研究[J].计算机仿真，2011，28（2）：84-87.
[关键词]机器视觉 无人机导航
中图分类号：E231 文献标识码：A 文章编号：1009-914X（2019）06-0326-02
1 引 言
自然界的动物大多依靠视觉提供导航信息，同样视觉也是人类最主要的感知、定位及导引方式，人类通过视觉走路、驾车、飞行和航海，可以说视觉导航广泛地存在于生物界，是一种最原始最古老的导航方式。机器视觉是指按照仿生视觉的思想，利用各种图像传感器获取图像信息、处理图像信息，达到目标检测、识别、跟踪、定位、姿态测量等目的。
机器视觉系统它由传感器、视觉处理和系统软件等组成。从传感器角度分，机器视觉系统的信息源可以是可见光、红外、合成孔径雷达信号（Synthetic Aperture Radar）等。根据视觉传感器的个数，机器视觉系统还可以分成单目视觉系统和多目视觉系统，其中，多目视觉系统也被称为“立体视觉系统”[1]。
在无人机研究领域，利用机器视觉进行无人机着陆、着舰、空中加油、飞行避障、甚至对地攻击等，正在成为研究热点，它们共同的技术基础正是视觉导航技术。基于机器视觉的导航技术因具有设备简单便宜、信息量大、完全自主和无源性的特点而越来越受到科技人员的关注，并开展了大量的研究工作。
目前，在无人机自动起降的技术领域，自动起降实现的关键在于起降导航/导引技术。由当前的国外发展情况来看，成功地应用于无人机自动进场/着陆系统的导航/导引体制，概括起来有以下三种形式：（1）以差分全球定位系统DGPS为基础的自动起降系统；（2）以跟踪雷达/微波导引为基础的自动起降系统；3）以计算机视觉为基础的自动起降系统。其中较为成熟的无人机自动起降技术是基于DGPS的自动起降技术，它利用DGPS和惯性导航系统INS进行组合导航可以获得稳定、高精度的位姿信息，实现无人机自动起降[2]。但是GPS容易受到干扰，它所提供的定位信息严重依赖于外界GPS信息输入。而跟踪雷达/微波导引方式对机场要求高、设备昂贵复杂、向外辐射电磁波，在战场环境下容易暴露己方目标、遭受攻击。而基于计算机视觉的无人机自动起降技术在国外处于验证阶段，在国内尚处于理论及实验室研究阶段。
2 原理和功能
一个典型的固定翼无人机自动降落过程如下图所示：
从图1中可以看出，无人机若想实现自动起降除了一方面需要利用飞行控制算法控制飞机实现近进、下滑、拉平、滑行等控制过程，更重要的是获取飞行控制系统所需要的导引信息：无人机相对于机场的距離、方位角、俯仰角或者相对与机场的准确坐标。
这些导引信息可以通过双目立体视觉系统获取，获取的主要核心原理就是基于视差原理[3]，具体如图2所示：
3 国内外研究概况及水平
从二十世纪九十年代开始，国外就开始了基于计算机视觉的运动物体运动信息[4]（速度、位置、姿态）提取方面的研究。由美国NASA的ONR（office of Naval Research）和DARPA（Defense Advanced Research Agency）资助，由美国南加州大学嵌入式系统实验室和加州理工学院喷气推进实验室承担的基于机器视觉的无人直升机起降技术研究和验证项目已经取得了很多成果，实现了基于机器视觉的无人直升机着陆，在图像着陆控制算法，直升机停机坪检测、识别、跟踪算法，机器视觉信息和GPS/INS信息融合技术、无人机着陆鲁棒控制、基于机器视觉运动物体运动信息（速度、位置、姿态）提取、着陆航迹规划和轨迹跟踪等方面处于国际领先水平。此外，美国加州大学伯克利分校采用Yamaha R-50无人驾驶直升机成功地验证了基于机器视觉的飞行器运动信息提取与估计技术。
德国University of Karlsruhe提出了一种基于视觉的旨在提高四旋翼微小型垂直起降无人机的定点盘旋和定点着陆能力的方法。利用图像处理获得的光流信息和气压高度表信息来估计无人机的状态和相对地面的高度。并进行了试飞，成功的验证了该方案。所得结果准确可信，甚至可以代替短时GPS断供的情况。
在固定翼无人机机器视觉起降技术研究和验证技术方面美国Naval Postgraduate School处于国际领先水平。他们成功地完成了由美国ONR资助的RFTPS（rapid flight test prototyping system）项目，实现了基于红外图像的舰载无人机着陆技术研究和验证。在基于机器视觉的运动物体运动信息（速度、位置、姿态）估计算法方面处于领先水平。
目前，许多欧美公司先后开发了各种基于机器视觉的无人机起降着陆设备。美国波音公司正在研究基于视觉的固定翼无人机自主着陆，法国达索公司也正在研究基于视觉的直升机和固定翼飞机的自主着陆。德国西门子公司Roke Manor研究中心开发了一套用于无人机导航的基于模型的视觉系统RAPiD（实时位姿估算）。该系统可以根据已知地形、着陆区域数据，实现无人机视觉导航、防撞、着陆等功能。它将视觉导航过程分为初始化、误差测量、平滑预测三个阶段。下图是其无人机着陆过程场景图。
在国内，上海交通大学提出了以自主直升机为平台的对着陆目标搜寻跟踪并自动降落的问题，设计并实现了一种实时的、基于视觉的着陆目标探测系统和飞行控制器。航空工业提出了基于双目视觉导引的无人直升机自动降落控制技术，并进行了演示验证。浙江大学研究了UAV姿态参数估计方法。海军航空大学提出了在舰艇摆动的条件下基于机器视觉导引的无人机撞网回收自动着舰方案。西北工业大学研究了一种基于摄像机姿态与变焦控制的视觉着舰技术[5]，在舰船晃动的情况下利用摄像机坐标系和图像中特征点相对光心的位置来计算摄像机相对于无人机需要旋转的姿态角，最终将着舰点锁定在图像平面中央。北京航空航天大学也提出了一套无人直升机自主着舰的目标定位视觉算法。
4 发展趋势
随着机器视觉导航技术的发展，近年来多目立体视觉导航成为了机器视觉导航领域的发展趋势。美国空军技术研究所（Air Force Institue of Technology）M.Veth， S.Ebcin等人利用双目立体视觉和惯导对场景的特征点进行跟踪，然后利用预测误差对惯导进行校正，从而得到比原有惯导系统漂移慢的多的组合导航系统。从试验结果看，该系统对速度误差的估算是收敛的，位置误差则缓慢发散，但已经比单个惯导的位置误差发散要好的多。最终系统能够达到600秒漂移误差小于1m，说明了立体视觉对于导航的巨大价值和实际应用的可行性。国内，电子科技大学研究了基于光轴平行的双目视觉的无人机自主着舰技术，并完成了仿真试验。上海大学提出一种基于仿生双目理论的双目视觉系统，通过对实时采集的目标图像的处理，实时获取无人直升机的相关信息。
总之，随着计算机技术和惯性器件技术的飞速发展，立体视觉导航技术逐渐走向实用。立体视觉导航和其它导航方式的信息融合也是视觉导航技术发展的重要方向；未来，立体视觉在无人机上的应用不仅是应用于起降导引，还朝着侦察、障碍物自动规避等多功能方向发展。
参考文献
[1] 李丰阳，贾学东，董明.飞行载体自主着陆导航技术的现状与趋势[J].导航定位学报，2017，5（2）：7-13.
[2] 唐大全，毕波，王旭尚.自主着陆/着舰技术综述[J].中国惯性技术学报，2010，18（5）：550-555.
[3] 于起峰，尚洋.摄像测量学原理与应用研究[M].北京：科学出版社，2009：204-211.
[4] 董明.卫星/惯性/视觉组合导航信息融合关键技术研究[D].郑州：信息工程大学，2014：10-15.
[5] 陈楸，曹卫涛.基于场景识别的无人机自主着陆组合导航研究[J].计算机仿真，2011，28（2）：84-87.