(课题计算)单目机器视觉测距技术在无人机自动着舰中的应用
机器视觉技术在无人机中的应用研究
机器视觉技术在无人机中的应用研究无人机（Unmanned Aerial Vehicle，UAV）作为一种不需要驾驶员操控的航空器，近年来得到了广泛的应用和研究。
机器视觉技术作为无人机的核心技术之一，在无人机的自主导航、运动控制以及环境感知等方面发挥着重要的作用。
本文将探讨机器视觉技术在无人机中的应用研究，并对其未来发展进行展望。
一、机器视觉技术概述机器视觉技术是人工智能的一个分支，它通过利用摄像头和图像处理算法实现对现实世界的感知和理解。
机器视觉技术的核心任务包括目标检测、目标跟踪、三维重建等。
在无人机中，机器视觉技术通过使用摄像头获取飞行环境中的图像信息，利用图像处理算法进行图像分析和目标识别，从而实现无人机的智能化和自主化。
二、机器视觉技术在无人机中的应用1. 环境感知机器视觉技术可以帮助无人机实现对环境的感知。
通过摄像头获取实时图像，并利用图像处理算法进行地面或天空中目标物体的识别和跟踪，无人机可以迅速获取并分析环境信息，避免与障碍物发生碰撞。
这在无人机进行自主飞行、避障以及地貌勘测中具有重要意义。
2. 目标检测与跟踪机器视觉技术可以实现对特定目标物体的检测和跟踪。
通过对图像进行特征提取和目标识别，无人机可以准确地锁定目标，并实现自动跟踪。
这对于无人机的目标追踪、侦察监视、灾害救援等任务有着广泛的应用前景。
3. 三维重建机器视觉技术可以实现对三维环境的重建。
通过利用多个摄像头获取环境的不同角度图像，结合三维重建算法，无人机可以生成真实场景的三维模型。
这对于地理测绘、建筑物巡视、文物保护等领域具有重要价值。
三、机器视觉技术在无人机中的挑战尽管机器视觉技术在无人机中有广泛的应用前景，但仍存在一些挑战需要克服。
首先，无人机在实时处理图像的同时需要保证飞行稳定，这对计算能力和算法实现提出了较高要求。
其次，复杂的环境和光照条件会对图像处理和目标识别造成影响，需要进一步提高算法的鲁棒性。
此外，机器视觉技术在无人机中的应用还需要考虑安全和隐私等问题，确保技术应用的合法性和道德性。
机器视觉SLAM在无人潜艇中的应用研究
机器视觉SLAM在无人潜艇中的应用研究随着科技的不断发展，无人潜艇越来越成为深海探索和海上监测的重要工具。
无人潜艇有着很强的适应能力，能够在恶劣的海况下完成各种任务，例如获取海底地形数据、进行海洋资源勘察、执行卫星通信任务等。
在无人潜艇的探索行动中，机器视觉SLAM技术也逐渐成为研究热点。
什么是机器视觉SLAM？SLAM是Simultaneous Localization and Mapping的缩写，即同时定位和建图。
它是一种利用传感器信息实现地图构建和机器人定位的技术。
机器视觉SLAM是利用摄像头获取环境信息的SLAM技术。
机器视觉SLAM技术可以实现机器人自主定位和环境地图构建。
它将机器人的位置和周围的环境信息进行联合估计，生成机器人定位位置和环境地图。
通过SLAM技术，机器人可以自主感知环境，避免障碍物，执行更多的任务，这是实现机器人自主控制的重要手段。
机器视觉SLAM在无人潜艇中的应用机器视觉SLAM技术在无人潜艇中的应用主要包括对海底环境的实时感知和控制指令的反馈。
在无人潜艇的探测任务中，机器视觉SLAM可以实现以下几个方面的功能：1. 海底地形构建机器视觉SLAM可以通过潜艇载有的摄像头获得海底地形信息，根据数据生成海底地形地图。
同时，潜艇可以通过自身航行路径对地图进行更新。
这种实时构建海底地形的技术可以为后续的海洋资源勘测与利用提供更准确的数据。
2. 海底障碍物感知在进行海底探测任务时，机器视觉SLAM可以通过摄像头感知海底障碍物，并将障碍物信息融合到机器人位置估计和环境地图中。
这样可以避免机器人撞到障碍物，提高探测任务的安全性和效率。
同时，在潜艇远离设备的情况下，它还可以自主感知障碍物并做出决策。
3. 任务执行状态的感知机器视觉SLAM可以实时感知潜艇的位置、速度、深度等运动状态信息。
这些信息可以通过SLAM实时反馈给机器人控制系统，控制指令可以根据机器人当前的状态和任务进度进行调整，确保任务的顺利完成。
机器视觉技术在智能航空航天中的应用
机器视觉技术在智能航空航天中的应用
随着科技和航空技术的快速发展，机器视觉技术逐渐成为智能航空
和航天领域中不可或缺的一部分。
在航空和航天运营中，机器视觉技
术被广泛用于自主导航、机器人控制、安全和识别等多个方面。
1.自主导航
机器视觉技术在智能自主导航系统中发挥着关键作用。
通过对天空
中的各类物体的实时监测与识别，机器视觉技术可以帮助无人机、飞
行器或是其他可飞行设备准确、高效地控制方向、姿态和位置。
在自
主导航过程中，这些设备可以通过摄像头和传感器等设备实时获取视
觉信息，不仅具备自主避免障碍能力，而且还可以实现无人值守的识
别目标物体的功能。
2.机器人控制
机器视觉还可以与机器人技术结合，对智能机器人的控制和运动进
行实时调整和监测。
这种技术在天然气勘探、航空维修、以及外太空
任务中表现尤为突出。
使用机器视觉技术的机器人可以轻松地探究危
险或难以到达的区域，帮助人们执行一些太过危险或不能实现的任务，减少人员风险和减轻工作负担。
3.安全和识别
在航 aviation，机器视觉技术还可以用于安全和识别。
例如，在飞
机或火箭上安装的机器视觉技术可以立即识别和检测设备存在的任何
缺陷或损坏，确保其在飞行中的安全正常。
在火箭发射过程中，机器
视觉技术则可以帮助检测并纠正任何姿态或其他情况的偏离，确保发射进程势如破竹地实现。
总之，机器视觉技术在航空和航天领域中的应用越来越广泛。
这些领域的专业人员希望机器视觉技术能够继续发展壮大，创新和优化，以提高安全性、准确性和自主性。
计算机视觉技术在无人值守船舶中的应用
计算机视觉技术在无人值守船舶中的应用随着人工智能技术的飞速发展，计算机视觉技术在各个领域中得到了广泛的应用，其中无人值守船舶领域也不例外。
无人船舶作为一种新型船舶运输方式，得到越来越多的重视和关注。
而计算机视觉技术的应用，则可以帮助无人船舶实现更高效、更精准的运行。
一、计算机视觉技术在无人船舶中的应用1. 船舶自主控制无人船舶的自主控制是指其在没有人类干预的情况下，能够依据航行区域、气象等多种条件实现自主航行、自主作业和自主停泊等多种操作。
而计算机视觉技术可以通过对视觉数据的处理和分析，实现无人船舶自主航行、障碍物识别、自动标定等多种任务。
例如，通过图像识别技术，可以对航道上的航标、障碍物等进行自动识别和定位；通过图像处理技术，可以实时获取船身周围的水质和气象变化情况，更好地掌握环境信息，从而实现更精准航行控制和作业调度。
2. 船舶安全监控在无人船舶运行过程中，安全监控是一个至关重要的环节。
而计算机视觉技术可以通过视觉监控、目标追踪等手段，实现无人船舶的远程安全监控和实时预警。
例如，在实时监测船舶周围环境情况的基础上，计算机视觉系统可以自动识别危险水域、险情、船只等，并发出警报提示操作人员做好相应措施。
同时，在船舶进出港口、停泊等操作过程中，计算机视觉技术也可以对船舶进行相应的识别和监控，实现船舶运行全程的安全控制。
3. 联合作战无人船舶在海上联合作战中发挥着越来越重要的作用。
而计算机视觉技术，则可以实现无人船舶与其他船舶的协同作战。
例如，通过对船舶周围环境的监测和分析，计算机视觉系统可以指导无人船舶的航行路线规划，提供精准的作战指挥。
同时，在联合作战中，计算机视觉技术也可以通过目标识别和追踪等手段，实现无人船舶与其他船舶、飞行器等的协同作战和协同攻击。
二、计算机视觉技术在无人船舶中的挑战和前景在计算机视觉技术在无人船舶中的应用中，也面临着许多挑战和问题。
首先，无人船舶的控制与协作需要对海底地形、水深、水流等信息进行大范围、多层次和多维度的感知和获取，这就需要计算机视觉技术的视觉信息处理速度和成像质量等方面有了更高的要求。
机器视觉技术在无人机航拍测距领域中的应用
机器视觉技术在无人机航拍测距领域中的应用随着科技的飞速发展，无人机技术也开始蓬勃发展。
在航拍测量领域，无人机已经成为了一种非常重要的工具。
然而在进行航拍测量时，如何准确测量距离是一个非常关键的问题。
而机器视觉技术可以提供一种全新的解决方案。
在本文中，我们将详细探讨机器视觉技术在无人机航拍测距领域中的应用。
一、机器视觉技术概述机器视觉技术是一种通过计算机模拟人类视觉系统的能力，进行图像处理和分析的技术。
这项技术有着广泛的应用，例如工业自动化、医学图像处理、安防监控等。
在无人机航拍测距领域中，机器视觉技术可以通过对航拍图像进行处理，实现快速、准确的距离测量。
二、机器视觉技术在无人机航拍测距中的应用1. 航拍图像处理机器视觉技术可以通过对航拍图像进行处理，得到所需的图像信息。
首先，需要对图像进行预处理，包括去除噪声和图像增强等操作。
然后，可以采用特征提取技术，提取目标物体的特征，并根据特征进行目标物体的识别和跟踪。
最后，可以采用三角测量等技术，结合摄像机参数和目标物体特征，得到距离信息。
2. 时间多普勒效应测距机器视觉技术还可以结合时间多普勒效应进行距离测量。
时间多普勒效应是指，当信号经过运动物体时，信号频率会发生变化。
基于这一原理，可以通过向目标物体发出频率已知的信号，然后测量信号回归时间和频率变化量，计算出目标物体的速度和距离。
三、机器视觉技术在无人机航拍测距中的优势和不足1. 优势机器视觉技术具有测量快速、准确的优点。
它可以通过图像处理技术，快速获取目标物体的位置和特征，同时利用三角测量等技术进行距离测量，从而实现快速、准确的距离测量。
2. 不足机器视觉技术在光照、摄像机参数等因素变化大的情况下，准确度会受到影响。
此外，由于机器视觉技术需要对航拍图像进行处理，也会出现计算负担大、耗时长等问题。
四、未来发展展望随着机器视觉技术的不断发展，未来将会有更多的改进和应用。
例如采用深度学习等技术，从而提高图像识别和跟踪的精度；同时利用机器视觉技术结合其它技术，例如激光等，从而实现更加准确的距离测量。
计算机视觉技术在无人机自主飞行中的应用
计算机视觉技术在无人机自主飞行中的应用无人机技术的快速发展和广泛应用，得益于计算机视觉技术的不断进步与应用。
计算机视觉技术是指借助计算机系统对图像和视频进行感知、理解和解释的技术。
在无人机自主飞行中，计算机视觉技术发挥着重要的作用，为无人机提供了高级感知和决策能力。
本文将详细探讨计算机视觉技术在无人机自主飞行中的应用。
首先，计算机视觉技术在无人机自主导航中的应用十分重要。
通过搭载视觉传感器和高性能处理器，无人机能够实时采集周围环境的图像和视频信息。
通过对这些信息的处理，无人机可以自主地感知和理解其周围环境，包括地形、障碍物、人物等。
同时，计算机视觉技术还可以用于目标检测和跟踪，无人机可以通过识别和追踪目标，实现自主巡航和追踪任务。
无人机配备计算机视觉系统后，可以在无人干预的情况下完成导航任务，提高了自主导航的精度和安全性。
其次，计算机视觉技术在无人机避障中的应用也是不可忽视的。
通过计算机视觉技术，无人机可以实时感知和识别前方的障碍物，并据此自主地进行避障动作。
利用深度学习等技术，无人机可以对障碍物进行精确的分割和识别，包括树木、建筑物、电线杆等。
在遇到障碍物时，无人机可以通过计算机视觉技术进行路径规划和动作控制，避开障碍物并保持飞行稳定。
这种自主避障的能力，使得无人机在复杂环境中的任务执行更加有效和安全。
此外，计算机视觉技术在无人机目标搜索和拍摄中也具有广泛应用。
通过视觉传感器和图像处理算法，无人机可以实时搜索、跟踪和拍摄具有特定特征的目标。
例如，在搜救行动中，无人机可以通过计算机视觉技术快速搜索大片区域，找到需要搜救的目标。
在农业领域，无人机配备计算机视觉系统后，可以精确地识别作物的状态和生长情况，有针对性地进行农药喷洒和施肥等操作。
在旅游拍摄中，无人机也可以利用计算机视觉技术进行自动追踪和拍摄，为摄影爱好者提供更为出色的拍摄体验。
最后，计算机视觉技术在无人机自主飞行中的应用还可以扩展到更复杂的任务领域。
机器视觉技术在无人机飞行中的应用研究
机器视觉技术在无人机飞行中的应用研究无人机技术的发展已经取得了巨大的进展，其在各个领域中的应用也日益广泛。
机器视觉技术作为无人机领域的重要组成部分，为无人机飞行提供了诸多的应用和改进的机会。
本文将探讨机器视觉技术在无人机飞行中的应用研究，并讨论其面临的挑战和未来的发展方向。
一、机器视觉技术在无人机导航中的应用无人机导航是无人机飞行的关键环节，而机器视觉技术在无人机导航中发挥了重要的作用。
视觉传感器的应用使得无人机能够感知周围环境并作出相应的决策。
通过对视觉图像的处理和分析，无人机可以识别地面标识、建筑物、障碍物等，并根据这些信息进行路径规划和避障。
同时，机器视觉还可以实现无人机的自主着陆和起飞，使得无人机能够在复杂环境中实现精准的导航。
二、机器视觉技术在无人机目标检测与跟踪中的应用在无人机飞行任务中，目标检测与跟踪是一个非常重要的任务。
机器视觉技术能够帮助无人机在飞行过程中实时地检测和跟踪特定目标。
通过图像处理算法，无人机可以识别目标，如人、车辆或其他物体，并跟踪其位置和运动轨迹。
这种目标检测与跟踪的能力使得无人机可以在搜索和救援、监测和巡逻等任务中发挥重要作用。
三、机器视觉技术在无人机图像拍摄中的应用无人机的图像拍摄功能已经成为了当前无人机应用中的一个重要部分。
机器视觉技术的发展使得无人机能够实现高质量的图像拍摄。
通过引入图像处理算法，无人机可以实现自动化的图像拍摄，包括图像稳定、色彩调整和自动对焦等功能。
这种技术的应用使得无人机在农业、测绘和建筑等领域中能够实现更高效、更精准的图像采集，为相关领域的发展提供了强有力的支持。
四、机器视觉技术在无人机安全中的应用无人机飞行面临着一系列的安全隐患，例如与其他飞行器的碰撞、人员和财产的伤害等。
机器视觉技术的应用可以有效地提高无人机的安全性。
通过安装视觉传感器，无人机可以实时感知周围环境，并发出警报或采取相应的措施。
同时，视觉传感器可以检测无人机的状态，如电池电量、飞行高度、飞行速度等，并提供相应的反馈信息，来帮助操作员进行飞行控制。
计算机视觉技术在无人机巡航中的应用案例
计算机视觉技术在无人机巡航中的应用案例无人机巡航技术是近年来快速发展的一项领先技术，它在军事、商业、科研等领域都得到了广泛应用。
计算机视觉技术作为无人机巡航的重要组成部分，发挥着关键作用。
在无人机巡航中，计算机视觉技术可以通过图像处理和分析实现无人机的自主导航、目标检测、环境感知等功能。
以下将介绍几个计算机视觉技术在无人机巡航中的应用案例。
首先，计算机视觉技术可以通过图像处理和分析实现无人机的自主导航。
无人机在巡航过程中需要准确地感知周围环境，以确保其安全地飞行。
计算机视觉技术可以通过对无人机捕获的图像进行处理和分析，获取环境中的关键信息，如道路标识、建筑物、障碍物等。
通过准确识别和定位这些信息，无人机可以根据其导航系统的指示实现自主导航，避开障碍物和危险区域，确保巡航的安全性和准确性。
其次，计算机视觉技术在无人机巡航中的另一个应用案例是目标检测。
无人机在搜索和侦察任务中经常需要找到并识别特定的目标物体，如人、车、建筑等。
计算机视觉技术可以用于处理无人机捕获的图像，通过目标检测算法快速准确地发现目标物体，并根据识别结果进行进一步的跟踪或分析。
这种技术的应用可以大大提高无人机在搜索和侦察任务中的效率和准确性，帮助相关部门更好地了解目标区域的情况。
此外，计算机视觉技术还可以实现无人机的环境感知功能。
在无人机巡航中，准确感知和理解环境是非常重要的，这样可以帮助无人机更好地适应不同的环境要求。
计算机视觉技术可以通过对图像的处理与分析来获取环境中的关键信息，如光线强弱、温度变化、气体成分等。
通过这些信息的分析，无人机可以根据当前环境的特点作出相应的调整，以提供更好的巡航效果，减少不必要的风险。
此外，还有一些特殊情况下，计算机视觉技术在无人机巡航中的应用案例。
例如，在搜救和救援任务中，无人机可以利用计算机视觉技术来搜索并识别潜在的受害者。
无人机通过图像处理和分析，可以自动识别和定位受伤或受困人员，并将结果发送到救援人员，实现快速、高效的救援效果。
机器视觉技术在无人机自动化控制中的应用
机器视觉技术在无人机自动化控制中的应用无人机技术在过去的几年里得到了飞速发展，无人机的应用领域也越来越广泛。
从初期的无人机模型飞行，到现在的无人机航拍，无人机物流等领域都得到了应用。
在这其中，无人机自动驾驶技术一直是无人机技术的一个重要分支，机器视觉技术在无人机自动化控制中的应用也越来越受到重视。
一、机器视觉技术的发展及应用机器视觉技术是通过计算机对图像进行处理和分析，使得计算机可以理解图像的技术。
机器视觉技术的应用非常广泛，如自动驾驶领域、医疗领域、智能安防领域等。
在无人机应用领域中，机器视觉技术也有着无法替代的重要作用。
机器视觉技术的应用范围非常广泛，其中包括图像识别，图像跟踪，图像处理和模式识别等。
而这些技术正是无人机进行自动化控制的重要技术基础。
二、云台稳定系统云台稳定系统是无人机摄像设备上的一个重要组成部分。
在无人机航拍的过程中，云台稳定系统可以通过机器视觉技术对摄像头进行稳定控制，确保无人机在飞行时获取的图像信息不会受到机身运动的影响。
为了实现云台稳定系统，需要使用单片机和陀螺仪等传感器。
通过这些传感器获取无人机的姿态信息，再通过这些信息对云台进行稳定控制。
同时，机器视觉技术也可以通过计算和处理运动信息，使得无人机的控制更加智能化。
三、障碍物检测在无人机进行自动化控制的过程中，检测空中障碍物是非常重要的一项功能。
机器视觉技术可以通过算法的优化实现更加精确的空中障碍物检测。
通过在摄像头上安装深度摄像头，机器视觉技术可以更加准确地检测空中障碍物的位置和大小。
障碍物检测的实现过程中，需要对飞行场景的图像进行分析和处理。
机器视觉技术可以通过分析图像来进行障碍物检测，同时可以对无人机的飞行路径进行规划或修改，以避免与障碍物相撞的风险。
四、目标跟踪在无人机进行自动化控制的过程中，对目标进行跟踪也是非常重要的一项功能。
机器视觉技术可以通过目标跟踪算法实现对飞行目标的跟踪。
通过使用机器学习算法，机器视觉技术可以不断优化跟踪策略，实现对运动目标的高精度、高速度跟踪。
机器视觉技术在无人机检测中的应用发展
机器视觉技术在无人机检测中的应用发展随着科技的不断进步和发展，机器视觉技术在许多领域的应用也变得日益广泛。
其中，无人机检测是一个相对新兴且备受关注的领域，机器视觉技术在其中扮演着至关重要的角色。
本文将探讨无人机检测中机器视觉技术的应用发展，并讨论其带来的潜力和挑战。
首先，无人机检测是指利用无人机搭载的传感器和摄像设备对目标进行检测、识别和监测的过程。
传统的无人机检测通常依赖于人工操作和判断，而机器视觉技术的引入为无人机检测带来了新的可能性。
利用机器视觉技术，无人机能够自主地实现目标的检测、识别和跟踪，使其在各种应用场景中变得更加高效和准确。
在无人机检测领域，机器视觉技术可以应用于多个方面。
首先是目标检测和跟踪。
通过利用机器学习和深度学习算法，无人机可以从图像中准确地检测和跟踪目标。
例如，在农业领域，无人机可以通过机器视觉技术检测农田中的作物状况、病虫害等情况，帮助农民及时采取相应的措施。
此外，在工业领域，无人机可以利用机器视觉技术进行设备巡检和故障检测，提高工作效率和安全性。
其次是地理信息获取和处理。
无人机配备的高分辨率摄像头和其他传感器可以获取大量的地理信息，包括地表变化、建筑物状况、环境污染等。
机器视觉技术可以帮助无人机对这些信息进行处理和分析，提取有用的特征和模式。
这为城市规划、环境监测和资源管理等领域提供了重要的支持。
另外，机器视觉技术在无人机检测中的应用还包括图像识别和分类。
通过训练深度学习模型，无人机可以自动识别和分类不同的目标和场景。
例如，在边境巡逻任务中，无人机可以利用机器视觉技术识别潜在的非法移民或毒品交易活动，提供给执法部门及时的情报。
然而，机器视觉技术在无人机检测中的应用仍面临一些挑战。
首先是算法的改进和优化。
虽然深度学习等机器学习方法在图像识别和目标检测方面取得了巨大的进展，但仍然存在一些困难，比如对于光照、尺度和姿态等变化的敏感性。
因此，需要进一步研究和改进算法，提高无人机检测的准确性和鲁棒性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
单目机器视觉测距技术在无人机自动着舰中的应用杨迎化,唐大全(海军航空工程学院自动控制系,山东烟台264001) 摘 要:介绍了机器视觉的概念,探讨了机载单目机器视觉在无人机自动着舰方案中的应用。
在对前方舰艇进行快速探测以及对摄像机进行预先标定的基础上,本文利用机器视觉理论与方法,以及摄像机内部参数和透视投影几何关系,计算无人机与前方舰艇相对距离。
最后展望了机器视觉的发展及应用前景。
关键词:无人机;自动着舰;机器视觉;摄像机;标定;测距中图分类号:P 215;V 279 文献标识码:A 文章编号:100226061(2003)0620018204The Appl ica tion of D istance M ea sure m en t Ba sed on the M onocular Cam era M ach i neV ision i n the Syste m of Auto -land i ng on D eck of UAVYAN G Y ing 2hua ,TAN G D a 2quan(D epartm ent of A utom atic Contro l ,N aval A eronautical Engineering Institute ,Yantai 264001,Ch ina )Abstract :T he p ap er in troduces the concep ti on of m ach ine visi on ,d iscu sses the app lica ti on of the a ir 2bo rne m onocu la r cam era m ach ine visi on in the sy ste m of au to 2land ing on deck of U AV .O n the ba sis of qu ick detecti on of the fron t nava l sh i p and befo rehand ca lib ra ti on of cam era ,u sing the theo ries and m eth 2od s of m ach ine visi on ,the in trin sic p a ram eters of cam era and p ro jective geom etry ,the d istance bet w een the U AV and the nava l sh i p is reckoned in the p ap er .F in lly it p ro sp ects the devel opm en t and app lica 2ti on s of m ach inevisi on .Key words :U AV ;au to 2land ing on deck ;m ach ine visi on ;cam era ;ca lib ra tion ;d istance m ea su re m en t收稿日期:2003206204作者简介:杨迎化(19792),男,硕士研究生,主要研究方向:飞行控制系统及其仿真与自动检测;唐大全(19652),男,副教授,硕士生导师,主要研究方向:飞行控制系统及其仿真,自动检测,惯性导航技术。
0 前言机器视觉就是用计算机模拟人眼的视觉功能,对“目标图像”进行数字化,从图像或图像序列中提取信息,对客观世界的三维景物和物体进行形态和运动识别,并通过计算机处理进行判断,最终用于实际检测、测量和控制[1]。
机器视觉在军事方面可用于自动监视军事目标,自动发现、跟踪运动目标,自动巡航捕获目标和确定距离。
1 总体方案设计在某型无人机自动着舰(驱逐舰)方案中,无人机末段撞网回收采用单目机器视觉导引,如图1所示。
图1 无人机末段撞网回收示意图摄像机被固定在无人机的整流罩上,摄像机利用动态图像识别与跟踪算法,向控制系统反馈目标(舰艇)和自身(无人机)的状态与位置信息,使无人机跟踪航行中的舰艇,始终保持舰艇处于视野的正中位置。
其工作原理如图2所示。
图2 无人机机器视觉导引原理图在此着舰过程中,由于无人机对反馈的控制信号作出反应存在一定的时间延迟,所以有必要获取无人机与舰艇的相对距离,确保无人机在撞网前能够及时地对准拦截网。
本文探讨了利用机载单目机器视觉测量无人机与舰艇相对距离的方法。
2 前方舰艇探测为了便于计算,本文假设:①舰艇以比较平稳的速度在中等海情下航行;②无人机已经进入末段跟踪阶段,无人机与舰艇的速度差基本稳定;③此舰艇周围没有其它舰只,舰艇的尾流稳定。
探测目标是前方舰艇,因此,我们只需将搜索的区域由整个图像缩小到舰艇的尾流范围内,图像中的其它区域可以不必考虑,这样可大大提高处理速度。
舰艇尾流范围内的区域就称为感兴趣区(A rea of In te 2rest ,简称AO I )。
为此在区域增长算法的基础上进行Hough 变换,确定舰艇尾流范围的两条边缘线,两条边缘线内的区域即为AO I 。
舰艇检测是基于灰度梯度的原则:一般地,在舰艇的稳定尾流范围内,可以认为在无人机和前方舰艇之间的AO I 区域内的灰度变化是比较平缓的,但在海面和舰艇尾部的相交处,会形成灰度由亮到暗的水平边缘,检测到此边缘就可认为检测到了舰艇尾部。
在AO I 中,由下而上,按水平线逐行扫描,计算每行灰度的平均值,如公式(1)G (r )=1[rb (r )-lb (r )]6rb (r )c =lb (r )f (r ,c )(1)式中:lb (r )为AO I 中第r 行的左坐标;rb (r )为AO I 中第r 行的右坐标;f (r ,c )为像素(r ,c )的灰度值;G (r )为AO I 中第r 行的灰度平均值。
当探测到前方舰艇时,G (r )会急剧变化,这说明我们已经检测到前方舰艇的尾部。
以此为基础,我们来讨论如何尽可能早的计算出无人机与前方舰艇的距离。
3 距离测量图像采集是将客观世界的三维场景投影到CCD 摄像机的二维像平面(CCD 光敏矩阵表面)上,这个投影一般采用几何透视变换来描述。
在本文中采用小孔成像模型来描述此透视变换,如图3所示。
图中,f ,Α,h 分别为CCD 摄像机的有效焦距、俯仰角度和安装高度(镜头中心到海面的高度);(x 0,y 0)为光轴与像平面的交点,作为像平面坐标系的原点,一般取为(0,0);(x ,y )为海面上一点P 在像平面上的投影坐标。
在这里,点P 就是检测出的前方舰艇尾部阴影上的一点。
根据几何关系,点P 与镜头中心的水平距离d 的计算公式为d =h tan {Α+arctan [(y 0-y ) f ]}(2)图3 单目机器视觉测距几何模型4 摄像机内部参数的标定411 摄像机内部参数在公式(2)的参数中,h 可由机载设备提供,Α可直接测量得到,y 0一般取作0,f 和y 是未知的。
f 是CCD 摄像机的有效焦距,属于内部参数,y 是目标点在CCD 像平面上的投影坐标在y 轴方向上的分量,称为像平面坐标,单位是mm 。
由于数字图像存放于计算机内的存储器中,而我们通过图像处理只能获得目标点在计算机内存中的坐标,称之为帧存坐标(u ,v ),单位是像素(p ixels )。
如图4所示。
因此,确定像平面坐标需要将计算机内存中的帧存坐标转换到像平面坐标系统中。
图4 帧存坐标和投影坐标变换示意图O 1(u 0,v 0)是CCD 摄像机光轴与像平面交点(x 0,y 0)的帧存坐标,该点一般位于帧存图像的中心处,但由于摄像机制作的原因,也会有些偏离,因此需要对其进行标定。
设帧存中的一个像素对应于像平面上x 轴与y 轴方向上的物理尺寸分别为d x ,d y ,则有变换关系u =x d x +u 0,v =y d y+v 0(3)式(3)中,v 可由图像处理获得,计算y 需要预先确定v 0和d y 的值。
因此为计算(2)式,摄像机参数f 、v 0、d y 必不可少,这就需要进行摄像机参数的标定。
在机器视觉中,摄像机校正参数分为内部参数和外部参数,内部参数确定了摄像机内部的几何和光学特征,不随摄像机的移动而改变;外部参数是确定摄像机像平面相对于客观世界坐标系统的三维位置和朝向,摄像机移动后,需重新校正。
本文中虽然摄像机随无人机运动,但我们所需要的参数都是内部参数,不需要在无人机飞行过程中重新标定。
因此,只需预先标定摄像机的内部参数,就可以在无人机飞行过程中用来计算无人机与前方舰艇的距离。
412 摄像机标定摄像机标定需要先知道一组像平面点的客观世界坐标和帧存坐标。
从客观场景到数字图像的成像变换可看作由图5所示的3步组成。
具体变换过程见图4和图6。
图5 摄像机成像坐标变换步骤图6 摄像机标定几何模型41211 从客观世界坐标到摄像机坐标的变换考虑到刚体的情况,则从客观世界坐标(X w ,Y w ,Z w )到摄像机坐标(X c ,Y c ,Z c )的变换可用齐次坐标表示为XcY c Z c1=R T O T 1X wY w Z w1(4)其中:R 为3×3正交旋转变换矩阵,T 为三维平移向量,O =(0,0,0)T 。
422空间中任何一点P (X c ,Y c ,Z c )在像平面上的投影位置P (x ,y )可以用小孔模型表示x =f X c Z c ,y =f Y cZ c(5)用齐次坐标与矩阵形式将(5)式表示为Z c x y 1=f000f0001XcY c Z c1(6)41213 从像平面坐标到计算机帧存坐标的变换用齐次坐标和矩阵形式可将式(3)表示为u v 1=1d x 0u 001d y v 01x y1(7)41214 从客观世界坐标到计算机帧存坐标的变换将式(4)、(6)、(7)结合起来可得Z c uv 1=a x 0u 000a yv 00001R T O T 1X wY w Z w1=M 1M2X wY wZ w1=M X wY w Z w1(8)其中,a x =f d x ,ay =f d y ,M 1为内部参数,M 2为外部参数,M 为投影矩阵。
式(8)表示了空间一个点的帧存坐标和空间坐标的对应关系,可以得到两个独立的方程。
标定过程中,一般取数十个已知空间点,使方程的个数大大超过未知数的个数,从而用最小二乘法求解以降低误差造成的影响,得到投影矩阵M ,然后由此分解出内外参数M 1和M 2。
41215 求解无人机与舰艇的距离由公式(3)及y 0=0,a y =f d y ,公式(2)可整理为d =h tan {Α+arctan [v 0-v ) a y ]}(9)可见,求内部参数时不必分别求出有效焦距f 和像素对应的物理尺寸d y ,而只需要二者的比值a y 。