【技术实现步骤摘要】
本申请涉及单目视觉测量，特别是涉及一种未知环境下基于拉东变换的飞行器自主着陆引导方法。
技术介绍
1、随着无人飞行器智能化发展，飞行器在不同领域中均展示出巨大的潜力和应用前景，其中飞行器的安全性和可靠性至关重要。当面对机械故障、恶劣天气条件或强干扰等紧急情况时，飞行器需要及时进行着陆处置，最大程度地保护地面人员和机载设备，降低经济损失。因此，飞行器自主着陆引导已经成为该领域的研究热点，对飞行器智能化水平提出了更高的要求。飞行器与着陆区域之间的相对位姿测量是实现自主着陆引导的核心技术之一。当前飞行器自主着陆技术通常依赖全球定位系统、惯性导航传感器、光电传感器、雷达等设备，应用于固定机场等已知场景，针对未知场景尚缺乏有效的技术解决方案。
2、未知场景常见于紧急情况下，指不包括如特征点、描述子、基准图、合作标志和三维模型等可用于飞行器引导自主着陆相对位姿测量的先验信息。因此，传统的全球定位系统、光电传感器和雷达等手段不再满足任务要求。机载单目相机凭借成本低、结构简单、抗干扰能力强等特点被广泛应用在飞行器自主着陆引导视觉位姿测量过程中，可以满足未知场景下应急自主着陆任务需求。在具备合作标志或目标三维信息的已知场景中，机载单目相机通过提取目标区域图像特征进而获得飞行器与着陆区域之间的相对位姿关系，为控制系统提供参考。然而，这些方法在缺少先验信息的未知场景中难以实现飞行器自主着陆。随着单目相机对场景理解和感知技术的发展，在弱先验信息或无先验信息场景中，以单目视觉位姿测量为基础的飞行器自主着陆引导技术得以实现。现有研究中，基于视觉
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种未知环境下基于拉东变换的飞行器自主着陆引导方法。
2、一种未知环境下基于拉东变换的飞行器自主着陆引导方法，所述方法包括：
3、利用预训练的多任务神经网络获取飞行器单目相机采集的单目rgb图像的语义分割信息、深度信息和坡度信息；
4、将所述单目rgb图像进行网格化，根据网格中的语义分割信息、深度信息和坡度信息计算区域评价指标，对区域评价指标进行归一化后映射到网格位置，得到二维网格场景信息图；
5、根据预先设置的适降区域评分阈值将所述二维网格场景信息图转化为二值图像，对所述二值图像进行连通性检测，得到多个候选区域；
6、对各候选区域进行离散拉东变换，结合区域长度、宽度以及二维网格场景信息图的像素信息筛选满足飞行器着陆要求的最优适降区域；
7、在最优适降区域内构建二维关键点集合，并结合深度信息恢复相机系下的三维关键点集合，将三维关键点集合的重心作为局部坐标系的原点并拟合局部坐标系，根据二维关键点集合与局部坐标系中三维关键点集合之间的对应关系求解局部坐标系与相机坐标系之间的相对位姿，根据所述相对位姿引导飞行器完成自主着陆。
8、一种未知环境下基于拉东变换的飞行器自主着陆引导装置，所述装置包括：
9、三维信息提取模块，用于利用预训练的多任务神经网络获取飞行器单目相机采集的单目rgb图像的语义分割信息、深度信息和坡度信息；
10、场景信息图构建模块，用于将所述单目rgb图像进行网格化，根据网格中的语义分割信息、深度信息和坡度信息计算区域评价指标，对区域评价指标进行归一化后映射到网格位置，得到二维网格场景信息图；
11、候选区域获取模块，用于根据预先设置的适降区域评分阈值将所述二维网格场景信息图转化为二值图像，对所述二值图像进行连通性检测，得到多个候选区域；
12、最优适降区域筛选模块，用于对各候选区域进行离散拉东变换，结合区域长度、宽度以及二维网格场景信息图的像素信息筛选满足飞行器着陆要求的最优适降区域；
13、自主着陆引导模块，用于在最优适降区域内构建二维关键点集合，并结合深度信息恢复相机系下的三维关键点集合，将三维关键点集合的重心作为局部坐标系的原点并拟合局部坐标系，根据二维关键点集合与局部坐标系中三维关键点集合之间的对应关系求解局部坐标系与相机坐标系之间的相对位姿，根据所述相对位姿引导飞行器完成自主着陆。
14、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
15、利用预训练的多任务神经网络获取飞行器单目相机采集的单目rgb图像的语义分割信息、深度信息和坡度信息；
16、将所述单目rgb图像进行网格化，根据网格中的语义分割信息、深度信息和坡度信息计算区域评价指标，对区域评价指标进行归一化后映射到网格位置，得到二维网格场景信息图；
17、根据预先设置的适降区域评分阈值将所述二维网格场景信息图转化为二值图像，对所述二值图像进行连通性检测，得到多个候选区域；
18、对各候选区域进行离散拉东变换，结合区域长度、宽度以及二维网格场景信息图的像素信息筛选满足飞行器着陆要求的最优适降区域；
19、在最优适降区域内构建二维关键点集合，并结合深度信息恢复相机系下的三维关键点集合，将三维关键点集合的重心作为局部坐标系的原点并拟合局部坐标系，根据二维关键点集合与局部坐标系中三维关键点集合之间的对应关系求解局部坐标系与相机坐标系之间的相对位姿，根据所述相对位姿引导飞行器完成自主着陆。
20、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
21、利用预训练的多任务神经网络获取飞行器单目相机采集的单目rgb图像的语义分割信息、深度信息和坡度信息；
22、将所述单目rgb图像进行网格化，根据网格中的语义分割信息、深度信息和坡度信息计算区域评价指标，对区域评价指标进行归一化后映射到网格位置，得到二维网格场景信息图；
23、根据预先设置的适降区域评分阈值将所述二维网格场景信息图转化为二值图像，对所述二本文档来自技高网...
【技术保护点】
1.一种未知环境下基于拉东变换的飞行器自主着陆引导方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据网格中的语义分割信息、深度信息和坡度信息计算区域评价指标包括：
3.根据权利要求2所述的方法，其特征在于，根据网格中的语义分割信息、深度信息和坡度信息分别计算网格语义分割信息、网格平整度信息和网格坡度信息包括：
4.根据权利要求2所述的方法，其特征在于，所述区域评价指标为：
5.根据权利要求1所述的方法，其特征在于，所述对各候选区域进行离散拉东变换，结合区域长度、宽度以及二维网格场景信息图的像素信息筛选满足飞行器着陆要求的最优适降区域包括：
6.根据权利要求1所述的方法，其特征在于，将三维关键点集合的重心作为局部坐标系的原点并拟合局部坐标系包括：
7.根据权利要求1所述的方法，其特征在于，所述多任务神经网络包括主干网络、内核生成模块、特征编码模块和回归模块；
8.根据权利要求1所述的方法，其特征在于，训练多任务神经网络的步骤，包括：
【技术特征摘要】
1.一种未知环境下基于拉东变换的飞行器自主着陆引导方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据网格中的语义分割信息、深度信息和坡度信息计算区域评价指标包括：
3.根据权利要求2所述的方法，其特征在于，根据网格中的语义分割信息、深度信息和坡度信息分别计算网格语义分割信息、网格平整度信息和网格坡度信息包括：
4.根据权利要求2所述的方法，其特征在于，所述区域评价指标为：
5.根据权利要求1所述的...
【专利技术属性】
技术研发人员：孙晓亮，张倬，王秋富，郭良超，陈霖，陈知颖，陈泉瑞，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。