无人机光流跟踪检测新方法

针对近年无人机在全球定位系统(GPS)信号较差情况下利用光流进行定位导航时精准性不足的问题,提出了一种改进的光流跟踪算法,利用快速特征点提取和描述(ORB)算法提取特征点并送入LK两帧差分的光流估计算法金字塔中,利用双向参考追踪估计下一帧的特征点,同时校验并补充当前帧特征点,消除错误点后得到由初步可信点与补充可信点组成的点集坐标从而估计无人机位姿。从多种环境中提取特征点后进行真机实验,实验结果表明,改进的光流跟踪预测控制方法在综合环境下具有较好的定位跟踪效果和较好的准确性,能在军用等更复杂的环境中有更好的应用。     

基于视觉导航的无人机自主精准降落

针对传统导航方式精度低、误差大等问题,结合视觉导航设计了一种基于ArUco码的着陆标识。对机载相机采集的实时影像进行图像处理,利用世界坐标系与像素坐标系的映射关系建立无人机位姿估计模型,以特征点坐标解算得到当前无人机与着陆标识物之间的相对姿态估计值,设计并融合误差模型进一步提高定位精确性。通过无人机室外实际应用实验证明,设计的降落标志及新型识别算法大大提高了无人机自主降落的精准性,能更好地满足在军事无人机等高精度降落要求场合的应用。