基于機(jī)載影像傳感器的無(wú)人機(jī)航姿解算

王勝奎

(中國(guó)電子科技集團(tuán)公司第20研究所，西安 710068)

基于機(jī)載影像傳感器的無(wú)人機(jī)航姿解算

王勝奎

(中國(guó)電子科技集團(tuán)公司第20研究所，西安 710068)

摘要：安全著陸是無(wú)人機(jī)研究的關(guān)鍵內(nèi)容。為了提高無(wú)人機(jī)著陸的安全性和可靠性，提出了基于分布特征點(diǎn)解算無(wú)人機(jī)姿態(tài)的視覺(jué)算法。根據(jù)成像原理，利用機(jī)載光學(xué)傳感器獲取的圖像信息和機(jī)場(chǎng)的數(shù)個(gè)特征點(diǎn)信息，解算出無(wú)人機(jī)的姿態(tài)信息。無(wú)人機(jī)姿態(tài)參數(shù)可以為無(wú)人機(jī)綜合導(dǎo)航和信息融合實(shí)現(xiàn)無(wú)人機(jī)自主著陸提供參考。

關(guān)鍵詞：無(wú)人機(jī)；著陸；基于視覺(jué)；坐標(biāo)變換

0引言

據(jù)資料統(tǒng)計(jì)，無(wú)人機(jī)安全著陸是無(wú)人機(jī)研究的重點(diǎn)和難點(diǎn)，無(wú)人機(jī)回收階段的故障數(shù)占整個(gè)任務(wù)執(zhí)行階段故障數(shù)的80%，因此無(wú)人機(jī)著陸導(dǎo)航技術(shù)在無(wú)人機(jī)發(fā)展過(guò)程中具有重要意義。由于視覺(jué)輔助導(dǎo)航方法具有精度高、自主性強(qiáng)、不受電子干擾等特點(diǎn)，因此在無(wú)人機(jī)的著陸導(dǎo)航中受到越來(lái)越多的關(guān)注[1]。本文通過(guò)安裝在無(wú)人機(jī)上的成像傳感器獲得著陸點(diǎn)附近的圖像信息，使用視覺(jué)算法解算出無(wú)人機(jī)的飛行姿態(tài)歐拉角。無(wú)人機(jī)的姿態(tài)信息主要包括無(wú)人機(jī)相對(duì)于地面的俯仰角、橫滾角和偏航角。

1常用坐標(biāo)系

1.1　地面慣性坐標(biāo)系OXiYiZi

它是相對(duì)于地球表面不動(dòng)的一種坐標(biāo)系，原點(diǎn)取自地面上的某一點(diǎn)，OXi軸位于水平面內(nèi)，指向某一固定的方向(如無(wú)人機(jī)航線)；OZi軸垂直于地面并指向地心；OYi軸在地平面內(nèi)且垂直于OZi并指向右；坐標(biāo)系符合右手規(guī)則[2]。

1.2　攝像機(jī)坐標(biāo)系OXcYcZc

攝像機(jī)坐標(biāo)系的原點(diǎn)為攝像機(jī)光心，OXc軸與攝像機(jī)光軸重合，且取攝影方向?yàn)檎?，OZc、OYc軸與圖像物理坐標(biāo)系2個(gè)軸平行,如圖1所示。

其中圖像的正片位置位于攝像機(jī)坐標(biāo)系的Xc=f平面內(nèi)(f為攝像機(jī)的焦距)。在無(wú)人機(jī)著陸過(guò)程中，攝像機(jī)固定安裝在無(wú)人機(jī)上，因此可以用地面坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的關(guān)系來(lái)表述地面坐標(biāo)系和機(jī)體坐標(biāo)系的關(guān)系。

2坐標(biāo)系之間的轉(zhuǎn)換

在建立了上述坐標(biāo)系之后，若要根據(jù)提取出的圖像特征信息獲取對(duì)著陸有用的定位導(dǎo)航信息,即求解出著陸過(guò)程中無(wú)人機(jī)相對(duì)于跑道的姿態(tài),就需要建立坐標(biāo)系之間的相互轉(zhuǎn)換關(guān)系。任意2個(gè)坐標(biāo)系之間的關(guān)系都能通過(guò)若干次基元旋轉(zhuǎn)來(lái)實(shí)現(xiàn)?；D(zhuǎn)即為坐標(biāo)系繞它的一個(gè)軸旋轉(zhuǎn),如圖2所示。根據(jù)基元旋轉(zhuǎn)獲取的基元矩陣來(lái)計(jì)算出2個(gè)坐標(biāo)系之間的關(guān)系[3]。

圖1　攝像機(jī)成像原理圖

圖2　坐標(biāo)系基元旋轉(zhuǎn)原理圖

繞x軸、y軸和z軸旋轉(zhuǎn)獲取的基元矩陣為：

(1)

(2)

(3)

2.1　地面坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系

(4)

其轉(zhuǎn)換關(guān)系可以通過(guò)三次基元旋轉(zhuǎn)來(lái)實(shí)現(xiàn)，旋轉(zhuǎn)角度定義如圖3所示。

俯仰角θ：攝像機(jī)坐標(biāo)系OcXc軸與地平面的夾角，以低頭為正。偏航角ψ：攝像機(jī)坐標(biāo)系OcXc軸在地面上的投影與地面坐標(biāo)系OiXi軸間的夾角，以機(jī)頭右偏航為正。滾動(dòng)角φ：攝像機(jī)坐標(biāo)系OcZc軸與包含攝像機(jī)坐標(biāo)系OcXc軸的鉛垂面間的夾角，無(wú)人機(jī)向右傾斜時(shí)為正，則：

(5)

圖3　攝像機(jī)坐標(biāo)系和地面坐標(biāo)系關(guān)系示意圖

2.2　圖像坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系

通常介紹的攝像機(jī)成像原理事實(shí)上都是針孔成像的原理。成像平面的距離(即焦距)為f，圖像坐標(biāo)一般用(u,v)像素表示，且像素一般不是正方形，而是長(zhǎng)方形，需要2個(gè)額外的比例因子k和l，由圖像物理坐標(biāo)系進(jìn)一步轉(zhuǎn)化為圖像像素坐標(biāo)系：

(6)

假如f的單位是米，像素大小是k-1×l-1，其中k和l單位為像素×m-1，如果用像素單位表示，有α=kf，β=lf。若選取左上角為原點(diǎn)，則有：

(7)

式中：(u0,v0)為光心在圖像平面內(nèi)的位置。

2.3　地面坐標(biāo)系與圖像坐標(biāo)系之間的轉(zhuǎn)換關(guān)系

(8)

(9)

3無(wú)人機(jī)航姿解算

機(jī)場(chǎng)跑道成像原理如圖4所示。攝像機(jī)原點(diǎn)在機(jī)場(chǎng)坐標(biāo)系中的坐標(biāo)為：(xc，yc，zc)。假設(shè)已知機(jī)場(chǎng)跑道的信息：P1和P2分別為機(jī)場(chǎng)坐標(biāo)系y軸和機(jī)場(chǎng)跑道邊界線的交點(diǎn)，線段P1P2的中點(diǎn)為機(jī)場(chǎng)坐標(biāo)系原點(diǎn)Oi。P3位于機(jī)場(chǎng)坐標(biāo)系的x軸,位于跑道的終點(diǎn)，跑道長(zhǎng)度已知。已知P1在機(jī)場(chǎng)坐標(biāo)系的位置(x1,y1,z1)，P2在機(jī)場(chǎng)坐標(biāo)系的位置(x2,y2,z2)，P3在機(jī)場(chǎng)坐標(biāo)系的位置(x3,y3,z3)。

在圖像坐標(biāo)系中，已知u0、v0和up1、v1、u2、v2、u3和v3，由式(8)和式(9)得到關(guān)于俯仰角θ、偏航角ψ和滾動(dòng)角φ的方程組:

(10)

(11)

式中：x1、x2、y3、z1、z2和z3為0。

求解方程組解算飛機(jī)的3個(gè)姿態(tài)角。可以看出，該算法的原理簡(jiǎn)單明了，計(jì)算也相對(duì)簡(jiǎn)便。

4結(jié)束語(yǔ)

利用視覺(jué)信息對(duì)飛機(jī)著陸進(jìn)行導(dǎo)航是一個(gè)嶄新

圖4　機(jī)場(chǎng)跑道成像原理

的研究課題。在未來(lái)利用視覺(jué)信息引導(dǎo)飛機(jī)著陸的應(yīng)用將會(huì)十分廣泛，如飛機(jī)的自主著陸等方面，其前提是根據(jù)圖像信息解算出飛機(jī)當(dāng)前的姿態(tài)信息。本文提出了對(duì)所獲得的跑道圖像進(jìn)行識(shí)別獲取飛機(jī)姿態(tài)的快速解算方法，在實(shí)現(xiàn)飛機(jī)自主導(dǎo)航過(guò)程中具有借鑒意義。

參考文獻(xiàn)

[1]方德植，陳奕培.射影幾何[M].北京：高等教育出版社,1983.

[2]艾海州，興軍亮.計(jì)算機(jī)視覺(jué)——算法與應(yīng)用[M].北京：清華大學(xué)出版社,2012.

[3]趙昊昱，李紅，彭嘉雄.基于視覺(jué)的飛機(jī)自主著陸導(dǎo)航[J].系統(tǒng)工程與電子技術(shù),2007,29(7):1131-1133.

Calculation of UAV Flight Attitude Based on Airborne Image Sensor

WANG Sheng-kui

(The 20th Research Institute of CETC,Xi'an 710068,China)

Abstract:Safe landing is the key content of unmanned aerial vehicle (UAV) study.In order to increase the security and reliability of UAV landing,this paper puts forward the vision algorithm based on distributing feature points to calculate UAV attitude,according to the imaging principle,uses the image information obtained from airborne optical sensors and the information of some characteristic points at the airport to calculate the attitude information of UAV.The UAV attitude parameters can provide reference for the integrated navigation of UAV and information fusion to realize UAV autonomous landing.

Key words:unmanned aerial vehicle；landing；vision-based；coordinate transform

收稿日期:2015-04-09

DOI:10.16426/j.cnki.jcdzdk.2015.03.017

中圖分類號(hào)：V279

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：CN32-1413(2015)03-0062-03