阅读说明：本技术 基于激光雷达的无人机自主识别着陆选址方法 (Unmanned aerial vehicle autonomous landing site selection method based on laser radar ) 是由 罗世彬 胡茂青 于 2020-04-10 设计创作，主要内容包括：本发明提供一种基于激光雷达的无人机自主识别着陆选址方法,包括如下步骤,步骤1：预先在基准图上选好着陆候选区域,并通过机载可见光相机拍摄的实时图像与基准图像匹配；步骤2：机载激光雷达在200米高度,根据高度和视场角推算出选址搜索范围,根据高度和激光雷达距离误差参数,计算出距离误差,还需要识别地面坡度识别结果,进行选址,确定精确的安全降落区域；步骤3：机载激光雷达在100米高度,根据高度和视场角推算出选址搜索范围；根据高度和激光雷达距离误差参数,可以计算出距离误差,确保有效检测地面超过0.1m的障碍物。本发明具有精度高,成本小,适应性强等特点。(The invention provides an unmanned aerial vehicle autonomous landing site selection method based on a laser radar, which comprises the following steps of 1: selecting a landing candidate area on a reference image in advance, and matching a real-time image shot by an airborne visible light camera with the reference image; step 2: the method comprises the steps that when an airborne laser radar is 200 meters in height, a site selection searching range is calculated according to the height and the field angle, a distance error is calculated according to the height and a laser radar distance error parameter, a ground slope identification result needs to be identified, site selection is carried out, and an accurate safe landing area is determined; and step 3: calculating the address selection search range according to the height and the field angle of the airborne laser radar at the height of 100 meters; according to the height and the laser radar distance error parameters, the distance error can be calculated, and the effective detection of the obstacle with the ground exceeding 0.1m is ensured. The invention has the characteristics of high precision, low cost, strong adaptability and the like.)

基于激光雷达的无人机自主识别着陆选址方法

技术领域

本发明涉及无人机自主识别技术领域，尤其涉及一种基于激光雷达的无人机自主识别着陆选址方法。

背景技术

飞机进场着陆是执行作战任务的重要阶段，其主要特点是:飞行速度和高度低、受气象条件和地理环境等因素影响较大、对飞行员的驾驶技术要求高。因此，在这个阶段发生的飞行事故,尤其是严重飞行事故比较多。因此，无人机在执行飞行任务这一方面扮演着越来越重要的角色。无人机在自主着陆过程中，由于没有驾驶员，其安全问题更是突出。无人机能否安全、精确地着陆将直接关系到无人机能否安全顺利回收以及飞行任务能否圆满完成。针对无人机着陆阶段的安全问题，自主着陆技术成为各国研究人员研究的一项重要内容。

目前，针对无人机的自主着陆问题，研究人员提出了视觉引导方法，微波引导方法等。

①视觉引导方法：视觉引导技术是将计算机视觉应用于无人机自主着陆方式的一种新型引导技术。它是利用各种成像系统(如摄像机等)代替视觉器官作为输入敏感手段，通过图像处理得到无人机位置参数。其次，通过识别图片上的地面障碍物，来引导无人机的精确降落。

视觉传感器具有轻便、低功耗、体积小等优点。此外，视觉导航系统的工作波段远离当前电磁对抗的频率范围，且具有成本低、自主性强、信息量大、无源性和信息丰富等优点。

②微波引导方法：对于微波着陆引导技术，机载接收机通过接收地面方位台和仰角台信号，从而获得飞机相对于跑道中心线的方位角和相对于跑道水平面的俯仰角；通过询问应答方式获得飞机相对于测距天线相位中心的距离。在着陆过程中，无人机微波着陆引导系统机载设备对直接获得的角度和距离信息进行坐标变换，由地面设备的制导信息导出飞机相对于着陆点的位置坐标，实现无人机精密着陆。

微波着陆引导技术具有引导精度高，比例覆盖区大，能提供各种进场航线和全天候引导功能。

在无人机自主着陆过程中，由于没有驾驶员，其安全问题尤为突出。但是由于地表的地形起伏以及突起障碍的原因，导致无人机在着陆阶段可能发生侧翻的情况。

基于视觉的引导着陆技术其核心是视觉传感器，但是视觉传感器会因应用场景的不同，而导致成像有较大的差别。尤其是在恶劣天气情况下，无人机机载传感器很难获得比较清晰的图像，从而影响无人机自主着陆的安全性和精确性。

基于微波的引导着陆技术需要建立地面基站，存在造价高、地面和机载设备要求高，换装代价较大等缺点，所以该技术的发展受到限制。

发明内容

针对上述问题，本发明提供一种基于激光雷达的无人机自主识别着陆选址方法。

本发明采用的技术方案为：

本发明提供一种基于激光雷达的无人机自主识别着陆选址方法，包括如下步骤：

步骤1：预先在基准图上选好着陆候选区域，并通过机载可见光相机拍摄的实时图像与基准图像匹配；

步骤2：机载激光雷达在200米高度，以30°×30°视场对地成像对地成像，根据高度和视场角推算出选址搜索范围，根据高度和激光雷达距离误差参数，计算出距离误差，还需要识别地面坡度识别结果，进行选址，确定精确的安全降落区域；

步骤3：机载激光雷达在100米高度，以9°×9°视场对地成像对地成像，根据高度和视场角推算出选址搜索范围；根据高度和激光雷达距离误差参数，可以计算出距离误差，确保有效检测地面超过0.1m的障碍物。

优选的，所述步骤1具体为：预先在1000×1000m²的基准图上人工选取150×150m²，为着陆候选区域；在500米时，通过机载可见光相机拍摄的实时图像与基准图像匹配，并使用PNP解算定位飞行器位置。

优选的，所述步骤1中，匹配时使用多张多点匹配方案，以提高定位精度。

优选的，所述步骤2具体为：机载激光雷达在200米高度，以30°×30°视场对地成像对地成像；

根据高度和视场角推算出选址搜索范围约107×107m²，按激光雷达分辨率512×512计算出地面采样间隔(Ground Sample Distance，GSD)为0.2m，根据高度和激光雷达距离误差参数，计算出此时的距离误差E为0.1m；

假设检测目标尺寸为S，GSD应该控制在S/3以下，E(一倍δ)控制在S/6以下，障碍能被有效检测，能识别地面超过0.6m的障碍物；

此外，还需要识别地面坡度超出(-15°，15°)范围区域，然后综合障碍检测和坡度识别结果选址。

优选的，所述步骤3具体为：机载激光雷达在100米高度，以9°×9°视场对地成像对地成像；

根据高度和视场角推算出选址搜索范围16×16m2；按激光雷达分辨率512×512计算出地面采样间隔(Ground Sample Distance，GSD)为0.3m；

根据高度和激光雷达距离误差参数，计算出此时的距离误差E为0.05m；

假设检测目标尺寸为S，GSD控制在S/3以下，E控制在S/6以下(一倍δ)，障碍能被有效检测。

优选的，所述步骤2中，若激光雷达距离误差参数是一倍δ，无法确保有效检测地面超过0.1m的障碍物，若激光雷达距离误差参数是三倍δ，能确保有效检测地面超过0.1m的障碍物。

本发明的有益效果：

(1)本发明提供一种基于激光雷达的无人机自主识别着陆选址方法，具有精度高，成本小，适应性强等特点。

(2)本发明实施例中，激光雷达具有精度高，全天候引导能力的特点，可用于能见度差、云底较低的复杂气象条件下引导飞机着陆，且对机载设备要求不高。

(3)本发明实施例通过机载可见光相机拍摄的实时图像与基准图像匹配，并使用PNP解算定位飞行器位置，从而引导飞行器向指定区域飞行。基于视觉匹配的引导方法具有精度高，成本低的特点。

附图说明

图1是本发明实施例提供的一种基于激光雷达的无人机自主识别着陆选址方法流程图；

图2是本发明实施例选址示意图；

具体实施方式

以下将结合实施例对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。

本发明实施例提供一种基于激光雷达的无人机自主识别着陆选址方法，其大致流程如图1所示：

着陆选址主要分三个阶段进行。

第一阶段，预先在基准图上(范围1000×1000m²)人工选好150×150m²，着陆候选区域。在500米时，通过机载可见光相机拍摄的实时图像与基准图像匹配，并使用PNP解算定位飞行器位置，从而引导飞行器向指定区域飞行。匹配时可以使用多张多点匹配方案，从而提高定位精度。

第二阶段，机载激光雷达在200米高度，以30°×30°视场对地成像对地成像。如图2，为选址示意图。根据高度和视场角推算出选址搜索范围约107×107m²。按激光雷达分辨率512×512可以计算出地面采样间隔(Ground Sample Distance，GSD)为0.2m左右。根据高度和激光雷达距离误差参数，可以计算出此时的距离误差E为0.1m。假设检测目标尺寸为S，GSD应该控制在S/3以下，E(一倍δ)应该控制在S/6以下(正向下视角成像，距离向测量地面凹凸，障碍检测对距离精度比GSD高)，障碍可以被有效检测，所以该阶段可以识别地面超过0.6m的障碍物。此外，还需要识别地面坡度超出(-15°，15°)范围区域。通过综合障碍检测和坡度识别结果选址，选择大小≥20×20m²符合降落条件的区域。然后，在第三阶段，在该区域内再搜索更精确的安全降落区域。

第三阶段，机载激光雷达在100米高度，以9°×9°视场对地成像对地成像。根据高度和视场角推算出选址搜索范围约16×16m²。按激光雷达分辨率512×512可以计算出地面采样间隔(Ground Sample Distance，GSD)为0.3m左右。根据高度和激光雷达距离误差参数，可以计算出此时的距离误差E为0.05m。假设检测目标尺寸为S，GSD应该控制在S/3以下，E应该控制在S/6以下(一倍δ)，障碍可以被有效检测。所以按该结论，第二阶段若激光雷达距离误差参数是一倍δ，无法确保有效检测地面超过0.1m的障碍物，若激光雷达距离误差参数是三倍δ，可以确保有效检测地面超过0.1m的障碍物。

根据以上方案，机载Flash激光雷达在200米和100米阶段，2次对地成像，将成像数据输入给着陆障碍检测与选址算法，得到以下输出结果：地形坡度分析图(Terrain SlopeMap，TSM)、地形粗糙程度分析图(Terrain Roughness Map，TRM)和选址建议图(HazardCost Map，HCM),TSM以热力图形式描述地面坡度情况，TRM以热力图形式描述地面粗糙程度，HCM以热力图形式描述选址置信度。

高程图(Elevation Map，EM)估计

EM估计主要分为三个步骤，首先将激光雷达的点云图从激光雷达坐标系(Lidarframe)转到地面坐标系(ground frame)。然后将每个点的高度投影到EM上。为了便于后续处理，EM是离散化的图像，因此将每个点的高度投影到EM上，存在采样问题。可以考虑使用双线性差值或三次卷积采样来得到EM。

TSM估计

坡度估计算法主要分为3个步骤

(1)使用5*5m²窗口在搜索区域滑动。

(2)使用中值最小二乘估计(Least Median Square,LMedSq)估计平面P。

(3)估计平面P的法向量，从而得到该平面坡度。然后回到步骤(1)。重复以上步骤，可以对搜索区域所有5*5区域估计出坡度，从而得到平滑表面图(smooth surface map,SSM)和TSM。显然步骤(2)是算法关键，其基本原理是使用三点即可估计一个平面：

给定平面上不共线三点(X_a,X_b,X_c)，平面法向和截距(n,d)估计如下：

n＝(X_b-X_a)×(X_c-X_a)(1)

d＝-n·X_a(2)

若是多于3点，就可以利用最小二乘法求超定解。最小二乘法估计得到的平面到各个点的距离之和最小。

但是若区域内存在野值(误差非常大的点)，最小二乘估计的平面可能不理想。这时可以使用中值最小二乘或RANSAC最小二乘估计平面。中值最小二乘可以在野值率小于50％的条件下正确估计出平面。RANSAC最小二乘可以在野值率90％的条件下正确估计出平面，但是RANSAC最小二乘的耗时和迭代次数明显高于LMedSq。实际使用时很少出现野值率超出50％的情况。

TRM估计

TRM即是EM与SSM之间的差值，TRM＝|EM-SSM|。

HCM估计

得到TRM和TSM便可以按如下公式计算HCM

其中(x,y)是HCM的坐标，R_t代表坡度阈值(可容忍的最大坡度)，S_t代表地面凸起距离的阈值(可容忍的最大凸起)。

安全着陆选址

根据安全着陆要求，使用5*5窗口在搜索区域滑动计算并评估：

(1)窗口内包含HCM(x,y)＝1的位置为不安全落区。

(2)窗口内HCM均值最小的位置为推荐着陆位置。

需要说明的是，本发明实施例中，

自主着陆：是指由机载自动飞行系统完全控制航空器，进行着陆飞行的过程。

视觉传感器：利用光学元件和成像装置获取外部环境图像信息的仪器，通常用图像分辨率来描述视觉传感器的性能。

PNP：，PNP问题就是在已知世界坐标系下N个空间点的真实坐标以及这些空间点在图像上的投影，如何计算相机所在的位姿。

RANSAC算法：它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。

LMedSq算法：也是一种估计数学模型参数的算法，但其野值点应小于50％。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想。以上仅是本发明的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的试试方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其它场合的，均应视为本发明的保护范围。