基于視覺引導(dǎo)的無人直升機(jī)著艦技術(shù)研究

周城宇，甄子洋，黃一敏，江 駒

(南京航空航天大學(xué) 自動化學(xué)院， 南京 211106)

0 引言

為了讓無人直升機(jī)自主完成著艦任務(wù)，必須有能夠測量相關(guān)信息并指揮無人直升機(jī)降落的自主著艦系統(tǒng)。目前用于無人直升機(jī)著艦的技術(shù)包括SierraNevada公司的無人機(jī)通用自動恢復(fù)系統(tǒng) (UCARS)以及其他基于全球定位系統(tǒng)(Global Positioning System，GPS)或信標(biāo)系統(tǒng)所開發(fā)的系統(tǒng)[1]。這些系統(tǒng)需要在甲板建立跟蹤子系統(tǒng)，并通過無線電將測量出的飛機(jī)相對甲板的位姿信息發(fā)送給無人機(jī)，因此對于穩(wěn)定、快速的通信鏈路有著較高的要求。視覺作為一種自主的測量方式，在全球衛(wèi)星導(dǎo)航系統(tǒng)(Global Navigation Satellite System，GNSS)受干擾、遮擋而無法工作的情況下仍能有效發(fā)揮作用[2]。視覺導(dǎo)航系統(tǒng)[3-4]具有眾多優(yōu)點，一方面其結(jié)構(gòu)簡單、功耗低、信息量大，提升了無人機(jī)導(dǎo)航過程中的抗干擾能力和自主化程度; 另一方面視覺導(dǎo)航精度較高，能夠提供高精度的導(dǎo)航信息。因此，通過計算機(jī)視覺進(jìn)行引導(dǎo)著艦已成為新的發(fā)展趨勢。

視覺著艦系統(tǒng)利用機(jī)載攝像頭獲取甲板上設(shè)計的合作目標(biāo)的圖像信息，通過圖像處理技術(shù)測量出無人機(jī)與甲板的相對位置和甲板的姿態(tài)，最后將位姿信息發(fā)送給飛控系統(tǒng)，引導(dǎo)無人直升機(jī)自主完成著艦動作。許多研究機(jī)構(gòu)與高校都開展了相關(guān)方面的研究，并取得一定的研究成果[5-7]。文獻(xiàn)[8]設(shè)計了由6個紅色圓組成的合作目標(biāo)，通過顏色與不變距結(jié)合來識別目標(biāo)，使用L-M迭代算法計算位姿參數(shù)；文獻(xiàn)[9]采用了H形外部加圓環(huán)的合作目標(biāo)，通過H形透視投影求解偏航角，通過圓環(huán)透視投影求解其他位姿參數(shù)；文獻(xiàn)[10]設(shè)計了一種T形紅外熱輻射合作目標(biāo)來引導(dǎo)著艦，采用仿射不變矩的方法進(jìn)行圖像處理，但由于紅外目標(biāo)熱輻射高，隱蔽性較差。

本文通過分析無人直升機(jī)著艦過程的工況特點，設(shè)計出一種合理的視覺引導(dǎo)著艦方法。針對著艦過程中甲板周圍環(huán)境干擾、海浪以及鹽霧干擾造成無法識別合作目標(biāo)導(dǎo)致著艦失敗的情況，設(shè)計一種由紅外燈組成的合作目標(biāo)圖案，能夠在保證實時性的情況下有效抗干擾，提高位姿解算的成功率和準(zhǔn)確性。在硬件設(shè)計上，通過在攝像頭上端加裝二軸無刷云臺，保證攝像頭始終垂直于水平面向下，既能保證攝像頭不易因機(jī)體晃動丟失合作目標(biāo)視野，且其視覺解算出的姿態(tài)信息即為甲板的姿態(tài)，從而無需考慮因無人機(jī)姿態(tài)變化進(jìn)行補(bǔ)償，進(jìn)而增加了測量的精確性。

1 無人直升機(jī)著艦視覺引導(dǎo)方案

無人直升機(jī)著艦分為2個階段[8]：首先是返航進(jìn)場階段，在GPS或慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INS)的引導(dǎo)下，無人直升機(jī)從遠(yuǎn)離艦船處飛到艦船的上方，在一定高度上與艦船保持相對靜止；接著是降落階段，無人直升機(jī)在與艦船同速飛行的同時，降低高度實現(xiàn)著艦。視覺導(dǎo)航系統(tǒng)主要用于著艦的第二階段，此時無人直升機(jī)需要得到相對甲板的位置與甲板姿態(tài)這些信息的高精度值，而視覺引導(dǎo)系統(tǒng)能夠很好地滿足上述要求。

視覺引導(dǎo)系統(tǒng)的軟件架構(gòu)如圖1所示，分為圖像處理系統(tǒng)和位姿解算系統(tǒng)兩部分。前者包括圖像預(yù)處理、圖像分割和特征提取三部分，從攝像頭獲得的圖像或視頻容易受到外界圖像噪聲的干擾，需要對圖像先進(jìn)行預(yù)處理，包括圖像的灰度化、噪聲濾波等；在預(yù)處理后需要對圖像進(jìn)行分割，提取出圖像中感興趣的區(qū)域；最后對感興趣區(qū)域進(jìn)行處理，提取出圖像的特征。后者根據(jù)提取出的圖像特征，運用幾何學(xué)知識進(jìn)行運算，得到無人直升機(jī)與甲板的相對位姿。

視覺引導(dǎo)系統(tǒng)的硬件架構(gòu)如圖2所示，由以下幾個部分組成：合作目標(biāo)、攝像頭、云臺和主機(jī)處理器。合作目標(biāo)放置于艦船甲板上，攝像頭安裝在云臺上，云臺掛載于無人直升機(jī)上，主機(jī)處理器安裝在無人直升機(jī)上與攝像頭連接。云臺的作用是保持下方攝像頭不受飛機(jī)姿態(tài)影響始終垂直朝下。視覺導(dǎo)引系統(tǒng)通過攝像頭獲取合作目標(biāo)的圖像信息并傳輸給主機(jī)處理器，主機(jī)處理器通過對接收到的圖像信息進(jìn)行圖像處理并解算出無人直升機(jī)的位置信息，最后將這些信息傳輸給無人直升機(jī)飛行控制系統(tǒng)，從而導(dǎo)引無人機(jī)實現(xiàn)自主著艦。

2 視覺引導(dǎo)系統(tǒng)具體設(shè)計

2.1 合作目標(biāo)的設(shè)計

由于可見光圖像對于自然光具有較高的依賴性，所以用可見光圖像進(jìn)行圖像處理時，不僅需要合作目標(biāo)具有良好的光線反射性，而且要求目標(biāo)與周圍背景具有明顯的對比度。而對紅外圖像而言，合作目標(biāo)與周圍背景的特定波長的紅外光輻射性是影響識別效果的主要原因。當(dāng)前隨著攝影產(chǎn)業(yè)的迅速發(fā)展，用于拍攝的可見光相機(jī)技術(shù)得到顯著提升，相比于紅外識別具有更高的識別率以及更低的成本。因此在光線較強(qiáng)的環(huán)境下，利用可見光相機(jī)對目標(biāo)進(jìn)行識別是一種合適的做法。但是在復(fù)雜的著艦環(huán)境下，紅外視覺系統(tǒng)能夠發(fā)揮更好的效果。因此，為了適應(yīng)著艦時甲板環(huán)境的復(fù)雜性以及提升對外界氣候環(huán)境的抗干擾能力，本文設(shè)計了如下的合作目標(biāo)，4個紅外小燈位于正方形的4個頂點處，并在攝像頭上附加紅外濾波片濾除可見光，其識別效果如圖3所示，左圖為濾光前的圖，右圖為濾光后的圖。

2.2 圖像處理

由于周圍環(huán)境影響攝像頭獲取的圖像不是理想的圖像，存在許多噪聲干擾，針對這種問題需要對圖像進(jìn)行濾波處理。當(dāng)前主流的濾波器分為線性與非線性兩種，線性濾波器主要有維納濾波器、均值濾波器、高斯濾波器；非線性濾波器有中值濾波器、邊緣保持濾波器等。

為了能夠消除圖像中的噪聲干擾，提高圖像處理的成功率，通過對比當(dāng)前濾波器的濾波性能，選擇濾波效果比較好的高斯濾波器對合作目標(biāo)的紅外圖像進(jìn)行濾波。

在對圖像進(jìn)行濾波后，需要將感興趣的區(qū)域從圖像中分離出來，所以需要對圖像進(jìn)行二值化處理。圖像的二值化需要設(shè)置合適的閥值，常見的閥值化方法需要根據(jù)實際情況手動調(diào)試[11]。雖然本文采用的紅外目標(biāo)的方法由于攝像頭加裝紅外濾光片的原因，大部分情況下圖像噪聲信息被濾除而無需調(diào)參，但在光照條件下受陽光紅外線影響仍會對二值化產(chǎn)生影響。為了避免這種情況發(fā)生，采用了自適應(yīng)閥值化的方法，它的原理是根據(jù)每個像素的鄰域計算閾值，包括將每個像素的值與鄰域的平均值進(jìn)行比較。如果某像素的值與它的局部平均值差別很大，就會被當(dāng)作異常值在閾值化過程中被分離。使用這種方法可以很好地將4個小燈從背景中分離，并且無需在每次實驗前校正閥值。

對圖像進(jìn)行二值化后，為了得到4盞小燈在圖像中的中心點坐標(biāo)，需要對圖像進(jìn)行輪廓檢測，將圖像中每盞小燈的輪廓信息提取出來。本文選用Canny邊緣檢測算法。Canny邊緣檢測算法首先計算圖像中每個像素點的梯度強(qiáng)度和方向：

(1)

其中，G為梯度強(qiáng)度，θ為梯度方向，Gx和Gy為水平和垂直方向的一階導(dǎo)數(shù)值。再通過非極大值抑制、雙閥值以及抑制弱邊緣最終完成邊緣檢測。

在完成邊緣檢測后，使用DBSCAN聚類算法將檢測出的邊緣值進(jìn)行分類，類的數(shù)目即為檢測出的小燈數(shù)，每一類中包含的邊緣點即為小燈的輪廓點，通過對每個小燈所有輪廓點的坐標(biāo)取平均值，即可得到每個小燈像素坐標(biāo)系上的坐標(biāo)值。

2.3 位姿解算

無人機(jī)與艦船的相對位姿關(guān)系可以通過求解世界坐標(biāo)系與像素坐標(biāo)系的相對位置關(guān)系得到。在已知4組點在世界坐標(biāo)系與像素坐標(biāo)系的坐標(biāo)位置，可以通過求解線性方程計算。圖像2D點和空間3D點的關(guān)系為

(2)

將其展開得到線性方程組：

(3)

其中，fx、fy、u0、v0是相機(jī)內(nèi)參，Xw、Yw、x、y是一組3D/2D點的坐標(biāo)，由于旋轉(zhuǎn)矩陣R是正交矩陣，所以共有R11、R12、R21、T1、T2和T3這 6個未知量，而每一組2D/3D點可以確立2個方程，所以3組2D/3D點的坐標(biāo)能確立6個方程從而解出6個未知數(shù)，最后將第4組點代入，確定其最優(yōu)解。

攝像機(jī)安裝于云臺上，由于能夠通過云臺使攝像頭始終處于水平面上，所以正交旋轉(zhuǎn)矩陣R求得的攝像頭相對于艦船的姿態(tài)即為此時艦船的姿態(tài)。最后將解算出的位姿信息發(fā)送給無人機(jī)飛控系統(tǒng)以控制無人機(jī)著陸。

3 實驗驗證及分析

為了驗證視覺引導(dǎo)系統(tǒng)對合作目標(biāo)與甲板的相對位姿解算算法的有效性，設(shè)計一套半物理仿真平臺進(jìn)行實驗驗證。視覺算法基于opencv庫在VS2013開發(fā)環(huán)境下編寫。

為了驗證算法的可靠性，在室外自然環(huán)境下實時采集圖像對算法進(jìn)行測試。實驗所采用的器材如圖4所示，包括：4盞波長為850nm、功率3W的紅外小燈、一塊直徑為20cm的薄木板(組成甲板合作目標(biāo)平臺，如圖4(a)所示)；飛越TAROT Gopro兩軸無刷云臺、120°廣角工業(yè)攝像頭、紅外濾光片(組成圖像采集裝置，如圖4(b)所示);魔方四核mini電腦主機(jī)(主頻2.3GHz，Intel J3455四核處理器，組成圖像處理系統(tǒng)，如圖4(c)所示)。

為了保證在接近甲板時不會丟失視野，實驗采用了大廣角攝像頭，但會造成成像的畸變，在這種情況下，圖像的失真會導(dǎo)致解算出的位姿參數(shù)有較大誤差，所以需要通過相機(jī)標(biāo)定消除畸變帶來的影響。本實驗采用張正友標(biāo)定法，在matlab開發(fā)環(huán)境下對20張棋盤圖進(jìn)行標(biāo)定，最終得到相機(jī)的內(nèi)部參數(shù)內(nèi)參矩陣camD以及畸變參數(shù)distCoeffD：

(4)

如圖4(b)所示，本文設(shè)計的視覺引導(dǎo)系統(tǒng)攝像頭安裝于云臺下方而非直接與無人直升機(jī)固連，云臺用于保證攝像頭始終垂直于水平面朝向正下方，因此可以有效避免由于飛機(jī)姿態(tài)變化以及機(jī)械抖動造成圖像失真或丟失的問題。

由于合作目標(biāo)為旋轉(zhuǎn)對稱圖案，因此所求無人機(jī)機(jī)頭方向與合作目標(biāo)方向的偏差角只能在-45°～45°之間變化，當(dāng)角度變化超出這個范圍時，和實際情況可能存在一個90°或180°的角度偏差。但在實際飛行過程中，由于存在GPS或慣導(dǎo)系統(tǒng)的輔助引導(dǎo)，很容易求得這個偏差值，并對其進(jìn)行補(bǔ)償。

為了驗證視覺引導(dǎo)系統(tǒng)在復(fù)雜環(huán)境下的抗干擾能力，本文通過在模擬甲板上放置雜物來對系統(tǒng)進(jìn)行測試。圖5所示為在有外界干擾狀態(tài)下，濾光前后的圖像，通過與圖3對比可以發(fā)現(xiàn)，紅外濾光片能夠有效地濾掉外界圖像干擾信息，保證系統(tǒng)的正常運行。

在保持?jǐn)z像頭固定情況下，將模擬甲板(木板)在相距攝像頭2m(等效于艦船與無人直升機(jī)相距小于20m)以不同姿態(tài)角進(jìn)入攝像頭視野，只要攝像頭能完整捕獲到整個合作目標(biāo)，視覺系統(tǒng)都能準(zhǔn)確地解算出攝像頭與模擬甲板的相對位姿。選用不同的高度對應(yīng)的姿態(tài)角的變化范圍為-30°～30°，步長為 30°，對應(yīng)的位置偏差變范圍為-50mm～50mm，步長為50mm。根據(jù)設(shè)定的參數(shù)進(jìn)行圖像處理，得到無人直升機(jī)相對于模擬甲板(木板)的位置和姿態(tài)，統(tǒng)計15次改變不同參數(shù)情況下該參數(shù)的平均測量值，實驗結(jié)果如表1、表2所示。

表1 姿態(tài)角實驗結(jié)果圖

表2 位置偏差實驗結(jié)果圖

從實驗結(jié)果可以看出，本文所設(shè)計的視覺導(dǎo)航系統(tǒng)解算出的實際姿態(tài)和解算出的姿態(tài)平均誤差為0.85°，最大誤差在2°以內(nèi)，無人直升機(jī)相對于甲板著艦?zāi)繕?biāo)中心位置偏差的平均誤差為0.62mm，最大誤差小于2mm，可以準(zhǔn)確解算出無人直升機(jī)與降落平臺的相對位姿參數(shù)。

實驗所用攝像頭拍攝的每幀圖像的大小為640×480像素，經(jīng)過多次實驗驗證可知，處理每幀圖像耗時30ms左右，具有較好的實時性，能夠滿足實際需求。

4 結(jié)論

本文提出了一種以紅外燈為識別目標(biāo)的無人直升機(jī)視覺引導(dǎo)著陸系統(tǒng)，并通過實驗驗證了其可行性。相較于傳統(tǒng)的可見光視覺系統(tǒng)，本系統(tǒng)能夠在不同能見度以及復(fù)雜的周圍環(huán)境下使用，具有較強(qiáng)的抗干擾能力；相較于后來提出的依靠紅外熱輻射識別的視覺系統(tǒng)，具有良好的隱蔽性。在實際著艦過程中，要求直升機(jī)與甲板的相對速度小于1.5m/s，同時要求機(jī)體觸艦時甲板的水平傾角小于5°，從實驗結(jié)果可以看出，本文所設(shè)計的視覺系統(tǒng)能夠滿足性能要求。