无人直升机自主着舰的目标定位视觉算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 243-245.

无人直升机自主着舰的目标定位视觉算法

乌兰巴根¹,胡继忠¹,徐元铭²

1.北京航空航天大学航空科学与工程学院轻机室，北京 100083
2.北京航空航天大学航空科学与工程学院飞机所，北京 100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 乌兰巴根

Visually-guided autonomous helicopter landing on deck

WULAN Ba-gen¹,HU Ji-zhong¹,XU Yuan-ming²

School of Aeronautics Science and Engineering，Beihang University，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: WULAN Ba-gen

摘要/Abstract

摘要： 根据无人直升机自主着舰的任务特点，构造了用于无人直升机自主着舰的视觉系统，选用仿射不变矩作为该视觉系统目标识别的特征和信息提取的手段，仿真实验表明，开发的算法能够在纵摇角小于15°的情况下正确的识别出目标，对目标中心位置的估计偏差在每个坐标轴向小于3个像素，方位角估计偏差小于9°。整套算法的鲁棒性和实时性满足无人直升机自主着舰的需求。

关键词: 无人直升机, 自主着舰, 仿射不变矩, 机器视觉

Abstract: A machine vision system has been developed for solution scheme for automatic landing of an unmanned helicopter on deck.For recognition known object，the system first captures the image，and then threshold，median filter，segment and label the helipad in image，final the system calculates the Affine Moment Invariants（AMI）.When the error of the distance of AMI and standard value from database is about 10%，the system finds the helipad.In experimentation，the estimate error of the helipad center is small 3 pixels each axis and the estimate error of the azimuth is small 9 degree.

Key words: unmanned helicopter, automatic landing, affine moment invariants, machine vision

乌兰巴根¹,胡继忠¹,徐元铭². 无人直升机自主着舰的目标定位视觉算法[J]. 计算机工程与应用, 2007, 43(34): 243-245.

WULAN Ba-gen¹,HU Ji-zhong¹,XU Yuan-ming². Visually-guided autonomous helicopter landing on deck[J]. Computer Engineering and Applications, 2007, 43(34): 243-245.

[1]	彭昭勇，伍权，陈华伟，郑跃，王书祥. 基于文献计量的机器视觉缺陷检测研究述评[J]. 计算机工程与应用, 2021, 57(4): 28-34.
[2]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[3]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[4]	李忠海，白秋阳，王富明，刘海荣. 基于语义分割的钢轨表面缺陷实时检测系统[J]. 计算机工程与应用, 2021, 57(12): 248-256.
[5]	赵艳，左保齐. 机器视觉在织物疵点检测上的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 11-17.
[6]	何文斌，魏爱云，明五一，贾豪杰. 基于机器视觉的水果品质检测综述[J]. 计算机工程与应用, 2020, 56(11): 10-16.
[7]	马冬梅，贺三三，杨彩锋，严春满. 特征融合型卷积神经网络的语义分割[J]. 计算机工程与应用, 2020, 56(10): 193-198.
[8]	郭倩，张福杨，孙农亮. 融合多特征表示和超像素优化的双目立体匹配[J]. 计算机工程与应用, 2020, 56(1): 216-223.
[9]	王玉源，徐杰，吉卫喜. 基于监督式机器学习的零件几何特征智能识别[J]. 计算机工程与应用, 2019, 55(22): 225-230.
[10]	孙卫红1，李乾坤1，邵铁锋1，吴慧明2. 基于机器视觉的桩护壁裂缝检测方法[J]. 计算机工程与应用, 2019, 55(14): 260-265.
[11]	李超，孙俊. 基于机器视觉方法的焊缝缺陷检测及分类算法[J]. 计算机工程与应用, 2018, 54(6): 264-270.
[12]	姚明海1，齐妙2. 基于模糊聚类规则的图像去雾方法研究[J]. 计算机工程与应用, 2018, 54(6): 26-29.
[13]	孙钊，许增朴，王永强，周聪玲. 机器视觉测量中透视投影误差分析控制与补偿[J]. 计算机工程与应用, 2018, 54(2): 266-270.
[14]	周健，王敏，洪良，李珣. 小型无人直升机反步自适应控制[J]. 计算机工程与应用, 2018, 54(11): 236-240.
[15]	郭瑞峰，袁超峰，杨柳，彭光宇. 基于OpenCV的机器视觉尺寸测量研究[J]. 计算机工程与应用, 2017, 53(9): 253-257.