本发明涉及无人机降落控制系统的技术领域，尤其涉及一种基于计算机视觉的无人机精准降落系统。
背景技术：
随着无人机技术的迅猛发展，无人机越来越多的进入到了人们的生活中。无人机昼夜可用，结构简单，使用方便，成本低，效率比高，不必担心人员伤亡，因此在高位环境下，无人机作业日益受到青睐。它可用于场景监测、气象侦查、公路巡视、勘探测绘、水灾监控、航空摄影、交通管理、森林火灾等，具有极为广阔的应用前景。
无人机在执行任务过程中，回收过程是一个非常重要且容易出现故障的阶段，导航系统需要精确控制飞机的姿态和轨迹。实现无人机自动降落是提高无人机自主控制能力的重要环节。
目前，用于无人机自动降落的导航技术主要有惯性导航、全球定位系统导航、差分全球定位系统导航等技术，但是惯性导航中误差随着时间的推移而发散，因此不能独立使用，全球定位系统导航完全依靠导航卫星，在干扰的情况下，容易丢失信号。
技术实现要素：
本发明旨在解决现有技术的不足，而提供一种基于计算机视觉的无人机精准降落系统。
本发明为实现上述目的，采用以下技术方案：
一种基于计算机视觉的无人机精准降落系统，包括光学系统、计算机导航处理系统和飞行控制系统；
光学系统采集着陆区域的图像信息，传递给计算机导航处理系统；
计算机导航处理系统通过对图像信息的解算，输出无人机相对于着陆目标的位置和姿态，传递给飞行控制系统；
飞行控制系统通过无人机与着陆目标的相对位姿计算期望的飞行速度向量并输出相应的电机调速器驱动电压向量，同时通过光学系统光轴与着陆目标中心的偏角对云台进行姿态调整；螺旋桨转速组合改变无人机的位置和姿态，进而影响光学系统的位姿，同时云台角的改变也会影响光学系统的姿态，两者共同影响光学系统视场，从而为计算机导航处理系统提供图像信息更新，最终辅助无人机完成自主降落。
所述光学系统为单目视觉系统，所述单目视觉系统包括一个摄像机。
所述光学系统为双目视觉系统，所述双目视觉系统包括两个摄像机。
所述计算机导航处理系统的工作过程包括：图像预处理、特征点提取和位置信息计算。
所述图像预处理包括图像采集与灰度化、图像矫正与滤波去燥、模板匹配、二值化与轮廓提取；
光学系统采集到的图像为32位或者24位真彩色图像，首先把真彩色图像转化为灰度图像，图像的灰度化是将图像由rgb模式转换为yiq模式，然后将图像的灰度值进行量化并创建调色板，保存为8位256色灰度图像；
采用中值滤波法对恶劣环境下采集到的低信噪比图像进行图像矫正和滤波去燥处理；
通过模板匹配可以将特征图案所在的区域从图像中提取出来，并将后续的图像处理锁定在这一区域；
通过模板匹配提取出特征图案所在的区域，接着需要提取特征图案中的有用信息，首先灰度图通过阈值分割为二值图，图像中最亮的一部分为特征区域，将其他不相干的区域与特征区域分割开来。
在特征点提取过程中，选取特征图案位于跑道边缘的两个角点作为特征点，采用最小核值相似算法，利用相似比较函数对特征区域中的各点与核心点的灰度值进行比较，得到核值相似区，角点处的核值相似区最小，利用局部边缘方向来确定初始响应的局部极大值点的位置与边缘点，在局部边缘垂直方向上取初始响应的局部极大值点的位置为边缘点。
在位置信息计算过程中，利用通过图像处理所获得的几组对应的特征点，加上机载陀螺提供的姿态角信息获得着陆段无人机的位置飞行参数。
当无人机返航达到着陆区域准备降落时，光学系统启动开始搜索着陆跑道上的特征图案，通过模板匹配得到初始位置信息，判断是否可以着降，若在着降范围内，则允许着降，视觉导航系统启动；
接收到允许降落指令后，计算机导航处理系统根据拍摄到的特征图案进行数字图像处理，获取特征点信息，得到角度信息，求解出无人机相对于着陆主跑道的位置信息；
机载陀螺测量得到的导航参数求得的位置信息可以与计算机导航处理系统计算出的位置信息构成卡尔曼滤波器的量测值，然后再利用卡尔曼滤波的结果来修正导航参数，最终引导无人机准确降落。
本发明的有益效果是：本发明采用图像处理技术、光学摄像技术组合机器视觉导航技术作为无人机降落的导航技术，利用记载摄像机实时拍摄的视频图像来计算载体的运动参数，辅助记载的导航控制系统控制无人机完成自主着陆，实现了更加精确的降落。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
一种基于计算机视觉的无人机精准降落系统，包括光学系统、计算机导航处理系统和飞行控制系统；
光学系统采集着陆区域的图像信息，传递给计算机导航处理系统；
计算机导航处理系统通过对图像信息的解算，输出无人机相对于着陆目标的位置和姿态，传递给飞行控制系统；
飞行控制系统通过无人机与着陆目标的相对位姿计算期望的飞行速度向量并输出相应的电机调速器驱动电压向量，同时通过光学系统光轴与着陆目标中心的偏角对云台进行姿态调整；螺旋桨转速组合改变无人机的位置和姿态，进而影响光学系统的位姿，同时云台角的改变也会影响光学系统的姿态，两者共同影响光学系统视场，从而为计算机导航处理系统提供图像信息更新，最终辅助无人机完成自主降落。
所述光学系统为单目视觉系统，所述单目视觉系统包括一个摄像机。
所述光学系统为双目视觉系统，所述双目视觉系统包括两个摄像机。
所述计算机导航处理系统的工作过程包括：图像预处理、特征点提取和位置信息计算。
所述图像预处理包括图像采集与灰度化、图像矫正与滤波去燥、模板匹配、二值化与轮廓提取；
光学系统采集到的图像为32位或者24位真彩色图像，首先把真彩色图像转化为灰度图像，图像的灰度化是将图像由rgb模式转换为yiq模式，然后将图像的灰度值进行量化并创建调色板，保存为8位256色灰度图像；
采用中值滤波法对恶劣环境下采集到的低信噪比图像进行图像矫正和滤波去燥处理；
通过模板匹配可以将特征图案所在的区域从图像中提取出来，并将后续的图像处理锁定在这一区域；
通过模板匹配提取出特征图案所在的区域，接着需要提取特征图案中的有用信息，首先灰度图通过阈值分割为二值图，图像中最亮的一部分为特征区域，将其他不相干的区域与特征区域分割开来。
在特征点提取过程中，选取特征图案位于跑道边缘的两个角点作为特征点，采用最小核值相似算法，利用相似比较函数对特征区域中的各点与核心点的灰度值进行比较，得到核值相似区，角点处的核值相似区最小，利用局部边缘方向来确定初始响应的局部极大值点的位置与边缘点，在局部边缘垂直方向上取初始响应的局部极大值点的位置为边缘点。
在位置信息计算过程中，利用通过图像处理所获得的几组对应的特征点，加上机载陀螺提供的姿态角信息获得着陆段无人机的位置飞行参数。
当无人机返航达到着陆区域准备降落时，光学系统启动开始搜索着陆跑道上的特征图案，通过模板匹配得到初始位置信息，判断是否可以着降，若在着降范围内，则允许着降，视觉导航系统启动；
接收到允许降落指令后，计算机导航处理系统根据拍摄到的特征图案进行数字图像处理，获取特征点信息，得到角度信息，求解出无人机相对于着陆主跑道的位置信息；
机载陀螺测量得到的导航参数求得的位置信息可以与计算机导航处理系统计算出的位置信息构成卡尔曼滤波器的量测值，然后再利用卡尔曼滤波的结果来修正导航参数，最终引导无人机准确降落。
本发明采用图像处理技术、光学摄像技术组合机器视觉导航技术作为无人机降落的导航技术，利用记载摄像机实时拍摄的视频图像来计算载体的运动参数，辅助记载的导航控制系统控制无人机完成自主着陆，实现了更加精确的降落。
上面结合具体实施例对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本发明的保护范围之内。