視覺引導技術在無人機著艦過程的應用

姜珺珺

(江西科技學院，江西 南昌 330098)

0 引 言

無人機由于具有體積小、成本低、對工作環境要求低等特點，在軍事、民用等領域已經得到了廣泛應用。在軍事方面，由于無人機體積小，不易被發現，主要用于偵察、監視、追蹤等工作。在民用方面，由于無人機可以在較為惡劣的環境下工作，主要用于環境監測、地形測繪、搶險救災等領域。

無人機不僅可以在陸地上工作，還可以在艦船上完成各項任務，比如探測海洋信息、監測海面險情等。無論是在陸地上，還是在艦船上，無人機的回收是非常重要的一項工作，常用的回收方式有降落傘回收、撞網回收、鉤繩回收[1]。這幾種回收方式在很大程度上都屬于被動式方法，對無人機本身以及機載的儀器都會造成一定的損傷。因此，研發無人機自主降落系統。

目前，無人機自主降落系統主要包括陸地上的自主著陸系統和艦船上的自主著艦系統。相較于著陸，由于艦船面積有限、艦船運動、海洋情況以及天氣等各方面的影響，無人機的著艦難度更大。本文基于計算機視覺引導技術，設計了無人機自主著艦系統。

1 無人機著艦中的坐標系及關鍵參數

無人機著艦的過程大概可以分為待機階段、進近階段、下降階段，如圖1所示。在著艦的整個過程中，無人機從進近階段進入下降階段前，會經過攝像機捕捉區域，進入該區域后，視覺引導系統捕捉到無人機，實時發送船艦位置信息至無人機，并根據位置信息、海洋環境參數等設計著艦軌跡。無人機沿著預定著艦軌跡下降，并根據控制系統生成的控制指令，對無人機的姿態進行實時調整，降落至預定著艦點，從而實現安全著艦。

圖1 艦載無人機著艦過程Fig.1 The process of landing a ship-borne unmanned aerial vehicle

無人機著艦的視覺引導中需要用到3個坐標系：世界坐標系、攝像機坐標系和圖像坐標系，如圖2所示[2]。

圖2 視覺導航中的坐標系Fig.2 Coordinate system in visual navigation

世界坐標系（Xw，Yw，Zw）一般情況下是在物體和攝像機當成一個整體考慮時定義的，攝像機坐標系（Xc，Yc，Zc）是以攝像機光心為原點，Zc與攝像機的光軸O′Ow重合，Oc是光軸的中心。平面S和S′分別為圖像的正片與負片的位置，U和V分別為像素在數字圖像中的列數和行數。攝像機坐標系和圖像坐標系之間的轉換關系可表示為：

其中：f為攝像機焦距；（u0，v0）為原點O的坐標；（u，v）為像素坐標。

在無人機著艦過程中，需要根據環境情況實時調整無人機姿態，關于無人機姿態角的定義如圖3所示[2–3]。

圖3 視覺導航中的姿態角Fig.3 Attitude angle in visual navigation

滾轉角?是指無人機機體坐標系（由于攝像機是裝載在無人機上的，無人機機體坐標系就是攝像機坐標系）OcYc軸和世界坐標系OWZw軸之間的夾角；偏航角α是指機體坐標系中OcZc軸在世界坐標系中的投影和OWYw的夾角；俯仰角?是指機體坐標系中OcZc軸與世界坐標系中對面所成的夾角。

2 無人機自主著艦系統

2.1 系統整體設計

無人機不是一個獨立的系統，而是由地面控制系統、信息采集系統和飛機平臺系統組成。地面控制系統包括無線電控制、GPS導航、計算機和數據處理；信息采集系統包括攝像機、傳感器等；飛機平臺系統包括傳感器、信號處理、飛機動力系統等。

本文基于計算機視覺引導技術構建了一種無人機自主著艦系統，該系統的主要組成結構如圖4所示，主要包括視覺引導模塊和無人機控制模塊。在建立了艦船運動模型的前提下，視覺引導模塊根據艦船運動模型提供的艦船運動信息，結合攝像機捕捉的圖像，對著艦軌跡進行規劃，并將生成的著艦軌跡輸入控制模塊，考慮著艦區域的環境參數，對無人機進行姿態調整，并沿預定軌跡實現著艦。

圖4 無人機自主著艦系統結構圖Fig.4 Structure diagram of UAV autonomous landing system

艦載無人機的著艦過程受到很多因素的干擾，如海風、海上氣流、艦船的運動狀態以及艦船附近的氣流等，在生成著艦軌跡和對無人機姿態控制時，必須考慮這些干擾因素。

2.2 艦船運動模型

無人機在著艦過程中，需要不停地接收艦船的位置信息，從而做出合理的軌跡規劃，但艦船不是一個靜止的目標，在航行中，由于受到海浪影響做不規則運動，有必要建立艦船的運動模型。

如圖5所示，以艦船質心所在平面為平衡位置，在航行過程中，艦船在平衡位置附近做簡諧搖蕩運動，O為艦船質心，α為橫向搖蕩的角度，β為縱向搖蕩的角度，h為升降的高度。

圖5 簡化的艦船運動模型Fig.5 Simplified model of ship motion

在簡化模型下，橫向搖蕩的角度，縱向搖蕩的角度，升降的高度可以用式（2）來計算[4]：

其中：A，B，C分別為橫搖角度，縱搖角度和升降高度的最大值；Tα，Tβ，Th分別為橫向搖動，縱向搖動，升降的周期；δα，δβ，δh分別為橫向搖動，縱向搖動，升降的隨機相位[5]。式（2）為本文采用的艦船運動簡化模型，在后續的研究中，可以建立更詳細的艦船運動模型。

2.3 圖像分割和目標識別

在無人機著艦過程中，視覺引導主要應用在對艦船目標的識別、提取。無人機返艦船時，對艦船進行實時跟蹤、識別，由于艦船一直處于運動狀態，同時，海浪對艦船的運動也產生不小的影響，再加上海面的光線的變化，都對無人機識別艦船增加了難度。

無人機在接近艦船時，攝像機中的艦船目標變得越來越清晰，但由于海面背景中的穩定特征比較少，需要采用圖像分割的方法對船艦進行分離。目前常用的基于圖論的交互式分割方法有Interactive Graph cuts，Grab cut，Random Walk，但在無人機著艦過程中很難利用這些方法實現良好的圖像分割效果。

本文選擇基于Frequency-tuned（FT）和隨機游走的艦船目標自動分割方法，主要利用艦船在海面背景中比較突出這一特點，采用FT方法對圖像進行處理，提取邊緣信息，并做好標記點，再結合隨機游走的分割方法實現艦船的自動分割[3]。圖6為基于FT和隨機游走的分割方法和其他幾種方法對不同的圖像進行分割的成功率對比。

圖6 不同分割方法的成功率對比Fig.6 Comparison of the success rates of different segmentation methods

可以看出，相較于其他3種方法，基于FT和隨機游走的分割方法成功率接近100%，幾乎不存在誤分割的情況。在實驗中也發現，這種方法的實現時間相對最快，效率較高。

對艦船目標進行識別之前首先要對艦船進行特征提取，然后根據提取的特征進行比較分類。這里的特征有很多，比如紋理、輪廓、灰度等，一般情況下，要以目標的物理特征為主，以艦船為例，包括艦船以及著艦區域的形狀和大小、艦船的相對運動位置等。

由于艦船目標較為光滑，具有比較明顯的幾何特征信息，可以選擇形狀特征進行提取，本文采用仿射不變矩的方法[6]。

2.4 實驗結果

無人機能否成功著艦，受到很多因素的影響[7]。本文只討論風速、著艦高度對著艦時間和著艦精度的影響。

首先研究不同風速下，無人機著艦時間以及著艦精度的偏差，實驗中著艦標志為“H”形標志，實驗高度為20 m，實驗結果如圖7所示。

圖7 不同風速下的實驗結果Fig.7 Experimental results at different wind speeds

從圖7（a）可以看出，風速越大，所需的著艦時間越長，變化明顯，尤其是當風速從8 m/s增大到10 m/s時，著艦時間急速增大。同樣，從圖7（b）著艦偏差上也可以觀察到相同的結果，而當風速為10 m/s時，由于風速過大，無人機幾乎無法成功著艦，已超出著艦標志的范圍。

分別對圓形、“H”形、“L”形3種標志在不同下降高度下進行著艦時間以及著艦精度偏差兩方面的研究，實驗數據是在海上風速大約為6 m/s時得到的，實驗結果如圖8所示。

圖8 不同標志下的性能測試實驗結果Fig.8 Performance test results under different signs

可以看出，不同標志的著艦時間變化較小，著艦時間隨著下降高度的增加而增加，而不同標志的著艦偏差對比比較明顯，圓形標志的偏差在每個高度下都是最小的，導致這種結果的原因可能是標志形狀不同導致在視覺引導過程中圖像處理的效果不同。

3 結 語

基于視覺引導的無人機著艦系統，可以較好地完成著艦任務。在著艦過程中利用視覺引導技術，識別目標，進行精準的著艦。后續研究中，可以在圖像處理方面進行優化，減少信息的處理時間，提高實時性。同時，還需要在惡劣環境下對著艦系統的性能進行改進和優化。