1.一种无人机自然地标识别与自主着陆方法,其特征在于包括下列步骤:
1.1根据给定的预着陆X0,Y0,Z0坐标,在卫星数字地图上确定一块轮廓是凸多边形的着陆区域P,先对区域P的图像进行滤波、灰度化和二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线,得到卫星数字地图上区域P的轮廓曲线Ⅰ和参考图像A,其中,二值化处理采用最大类间方差法;
1.2无人机飞行至给定的预着陆坐标上空,将航拍图像进行滤波、灰度化和二值化处理,再进一步实施边缘特征提取,剔除部分杂点,保留基于区域的主边缘特征,最后通过Hough变换提取连续几何曲线,得到卫星数字地图上区域P的轮廓曲线Ⅱ和实测图像B,其中,二值化处理同样采用最大类间方差法;
1.3将步骤1.1得到的参考图像A与步骤1.2得到的实测图像B进行匹配,在无人机航拍图像中确认着陆区域P;图像匹配采用加权Hausdorff距离匹配算法,包括下列步骤:
1.3.1在参考图像A与实测图像B中,采用3‑4DT算法进行特征点集在二维空间中的距离转换,得到图像距离转换矩阵JA和JB;
1.3.2提取参考图像A和实测图像B中的分支点,并分别存储到矩阵A和B中;
1.3.3根据JA、JB、A和B计算加权Hausdorff距离:H(A,B)=max(hWHD(A,B),hWHD(B,A))其中:A、B为两个点集;Na为点集A中特征点的总数;a是属于A的一个特征点;d(a,B)是点集A上特征点a到点集B的距离;hWHD(A,B)代表从点集A到点集B的有向距离;hWHD(B,A)代表从点集B到点集A的有向距离;
具有最小Hausdorff距离的点就是最终匹配点,由此获取初步的定位信息;
1.3.4利用最小二乘算法对所有的匹配点对进行一一对应,来获取更为精确的位置信息;
1.4以无人机摄像头为坐标原点建立二维平面直角坐标系,根据格林定理计算无人机航拍图像中区域P的形心相对于无人机的xc,yc坐标;
1.5根据投影关系计算区域P形心的Xc,Yc,Zc坐标,具体包括:
1.5.1计算地面分辨率GSD:
其中:GSD表示地面分辨率(m);f为镜头焦距(mm);P为成像传感器的像元尺寸(mm);H为无人机对应的航高(m);
1.5.2计算影像对角线实际地面距离,根据影像的宽度w和高度h,得到图像对角线之间的地面距离L:
其中:GSD表示地面分辨率(m);w为影像宽度;h为影像高度;
1.5.3根据影像中心点经纬度及区域P形心相对中心点的距离及方向角,求得区域P形心的地理坐标:
其中:θ0∈(0,2π);Lona为影像中心点的经度;Lata为影像中心点的纬度;Ri为赤道半径,取6378137m;Rj为极半径,取6356725m;
1.5.4进行地理坐标到空间坐标的转换,得到区域P形心的空间坐标Xc,Yc,Zc:其中:N为曲率半径;Lon为经度;Lat为纬度;H为高程;
1.6无人机飞行至空间坐标Xc,Yc,Zc上空,进行垂直方向着陆。