[发明专利]一种基于视觉和船状态结合的无人机着舰状态监视方法

说明书

本发明提供一种基于视觉和船状态结合的无人机着舰状态监视方法，针对现有传统无人机着舰状态监视技术存在的目标跟踪精度低、不能解算姿态信息、没有考虑舰船的运动状态等问题，本发明结合舰船运动状态，采用计算机视觉的目标跟踪算法和传统测距模块结合的方法来估计无人机的相对位置，采用深度学习的姿态估计算法估计无人机的相对姿态，并且考虑舰船的运动状态动态规划降落轨迹曲线，通过评估降落轨迹和当前位姿的误差分布，对无人机的状态进行监视，从而实现无人机的着舰控制。

技术领域

本发明属于机器视觉领域，更具体地说，涉及一种基于视觉和船状态结合的无人机着舰状态监视方法。

背景技术

无人机着舰是指无人机依赖机载引导系统沿着预定轨迹下滑，钩住拦阻索，最终降落在甲板上的过程。无人机着舰状态监视系统就是能够监视无人机在这个过程中的位置，速度，姿态等状态的系统。而自主导航系统在着舰环节中起着至关重要的作用。

目前国内外研究的用于无人机自主着舰的导航技术包括：惯性导航系统(INS)、全球卫星定位系统(GPS)、无线电导航系统(RNS)和视觉导航系统等。惯性导航系统是通过对惯性元器件采集到的加速度进行积分得到载体的位置和速度信息的导航方式，其缺点是导航误差会随着时间的推移逐渐增大；全球卫星定位系统利用人造卫星确定载体位置和运动状态，具有精度高，成本低的优点，缺点是完全依赖卫星，在战争期间极易受到破坏，可靠性不高；无线电导航通过测量无线电波从发射台到接收机的传输时间来定位，测量精度高，成本低，但抗电磁干扰性能比较差，隐蔽性较差；视觉导航系统是根据图像信息，通过计算机视觉的相关算法得到位置姿态等相关参数，具有隐蔽性强、成本低、精度高和轻便等优点。

采用视觉导航是当前的一大研究热点，但由于无人机着舰过程中存在目标尺寸变化较大，远距离目标模糊，近距离背景复杂等问题，传统的图像处理算法无法满足高精度导航和监视，而目前已有的基于深度学习技术的视觉导航，仅可以提供位置和速度信息的监视，无法对无人机的姿态进行估计，因此实际应用受到限制。此外，由于舰载系统会受到海浪和风力等因素的影响，如何结合舰船自身运动模型规划无人机降落轨迹和状态监视是另一大难点。

现有的无人机着舰视觉导航和状态监视系统根据视觉设备的安装方式分为两种：固定在无人机上的视觉引导和固定在舰船上的视觉引导。将视觉设备固定在无人机上的优点在于自主性强，但是这种方式通常需要舰船有明显的标志物提供引导；此外，由于设备大小和重量，限制了计算性能，无法做到高精度的快速着舰。本发明采用将视觉设备固定在舰船上的方式，可以充分利用舰船上搭载的高性能计算单元，使用强大的深度学习算法，提高系统的精度，然后将解算的位姿等参数信息通过数据链路传输给无人机。

发明内容

为了克服传统无人机着舰状态监视技术存在的目标跟踪精度低、不能解算姿态信息、没有考虑舰船的运动状态等问题，本发明提供了一种基于视觉和船状态结合的无人机着舰状态监视方法，提高了无人机着舰导引精度和无人机状态监视的准确性和全面性。

为达到上述目的，本发明提供了如下技术方案：

一种基于视觉和船状态结合的无人机着舰状态监视方法，包括以下步骤：

步骤1、根据包括风力和海浪的外部环境因素对舰船运动进行建模获得舰船模型，舰载平台上搭载双目相机转台、红外相机、激光传感器以及高性能计算单元；无人机具备无线数据传输系统；

步骤2、通过舰船模型计算出船体重心位置俯仰、横滚、偏摆、沉浮、横荡和纵荡六个自由度扰动后，计算出期望着舰点位置受扰动的影响情况下相对于静止船体的坐标，作为该时刻的着舰点位置；

步骤3、利用舰载双目相机捕捉图像，发送到站台进行无人机和舰船之间相对位姿的解算；

步骤4、对无人机的位姿进行修正；

步骤5、结合激光反射器、红外相机、超宽带雷达和EKF滤波器，进一步提升相对位姿的解算精度；