本文以兵器工业集团某所十五国防预研科技项目为背景,详细研究了利用数字图像处理技术和机器视觉技术实现无人机着降过程中的定位测量,并在此基础上提出了一套完整的基于机器视觉的无人机着降定位方案。 本文的方案采用DGPS引导无人机归航,把无人机引导到着降区特征图案上空附近,启动机器视觉助降系统对无人机进行实时精确定位,并把无人机的位置信息传递到飞行控制系统,由飞行控制系统控制无人机降落。本文重点对机器视觉助降系统的实时图像预处理、图像特征点提取、无人机定位算法进行了研究。根据对无人机着降中的实时性和精确性的不同要求设计了两种着降区特征图案,并根据特征图案的特点采用了不同的图像处理算法。文中提出的线性定位算法能够测量无人机的六个空间自由度(即无人机在着降区坐标系中的x、y、z坐标,偏航角φ、俯仰角Κ、倾斜角ω),在此基础上本文创新性地采用了非线性优化算法对线性解进行优化得到更加精确的非线性优化解。 最后,用两个着降区特征图案进行了计算机半实物仿真实验。实验结果表明该方案能够较好地满足无人机着降定位过程中对实时性、精确性、稳定性的要求。对实验数据分析结果表明特征图案A精度较好,特征图案B实时性较好,证明特征点的增加,提高了系统精确度,但降低了实时性。在利用具有24个特征点的特征图案A时,无人机的距离均方误差小于1.5cm,偏航角均方误差小于2.5度,实时性达到了3帧/秒;采用6个特征点的特征图案B时,无人机的距离均方误差小于3.5cm,偏航角均方误差小于3.5度,实时性达到了5帧/秒。 本文为无人机安全着降提供了一种低成本,简单实用的实现方案。该方案精度较高,实时性较好。为研制实际的助降系统提供了理论基础和解决方案,对无人机和图像导航定位技术的发展具有参考价值。