基于openmv的无人机高精度自主着陆

论文总字数：16537字

目 录

1. 绪论 1

1.1 研究背景 1

1.2 研究意义 2

1.3 设计目标 2

2. 相关简介 3

2.1 何为机器视觉 3

2.2 OpenMV视觉模块 3

2.3 AprilTag 5

3. 无人机自主降落 6

3.1 无人机自主降落过程 6

3.2 视觉定位 7

3.3 OpenMV优势 8

3.4 AprilTag优势 8

4. 无人机定位 8

4.1 AprilTag标记识别 8

4.1.1综述 8

4.1.2线段检测 9

4.1.3四边形检测 10

4.1.4计算Tag坐标 10

4.1.5解码信息 11

4.2 计算无人机位置 11

4.2.1相机成像原理 11

4.2.2计算位置信息 12

5. 定位方案与实现 14

5.1 AprilTag标记的生成 14

5.2 定位方案 15

5.3 程序编写 15

5.4 测试方案与结果 16

5.4.1概述 16

5.4.1检测高度 16

5.4.2检测水平距离 17

5.5 数据处理及结果分析 18

6. 总结 19

参考文献 19

致谢 20

基于OpenMV的无人机高精度自主着陆

黄凤星

,China

Abstract: We mainly studied the process of UAV landing in the autonomous navigation, and focused on how to use the machine vision algorithm in the high-precision autonomous landing of drones. The article mainly introduces OpenMV machine vision module and applies it to drone autonomous landing. Using MicroPython to program, collecting graphics, and study how to read the AprilTag tag and read the 3D position it gives to achieve accurate autonomous positioning of the UAV during its autonomous landing. and further determine the height and mark size that it is most suitable for using this marker.

Key words:AprilTag;UAV;Machine Vision;OpenMV

1. 绪论
   1. 研究背景

无人假设飞机简称‘无人机’，是利用无线电遥控设备或自己搭载的自动控制程序进行操纵的不在人飞行器。现在无人机主要分为固定翼无人机和多旋翼无人机。相较于有人机，无人机更加适合执行一些高负荷，高风险，不需要极高灵敏度的任务。本文主要研究的是关于多旋翼无人机方面的内容。

现如今，多旋翼无人机开始进入人们生活的各个方面，各大公司开始推出了自己的无人机产品，大疆，零度，昊翔等公司。产品线覆盖各个领域。最早有文字和文章记录的多旋翼机诞生于1907年的法国，由Breguet兄弟在导师的指导下制造出来并试飞，但折腾飞行器最终只飞了1.5m就落在地上了。到了20世纪50年代，美国军方开始测试各种垂直降落方案，其中，使用杠杆燃气涡轮机为动力的‘飞行吉普’在1959-1960年期间实现了较稳稳定的飞行。从此，多旋翼飞行器的发展陷入了长达三十年代停滞。

图1-1.世界上第一台多旋翼飞行器

随着集成电路的发展，在20世纪90年代，多旋翼飞行器开始以玩具的形式再次进入公众视野。在那时期，MEMS惯导系统已经广泛应用于各中飞行器中，但因其传感器噪声很大，人们又花了很长时间来研究设计降噪和姿态控制算法，直到2005年，真正稳定的多旋翼飞行控制器才被制造出来。伴随着多轴惯性传感器，GPS芯片，通信芯片的大规模普及，多旋翼飞行器得到进一步的发展。

由于多旋翼无人机体积小，结构紧凑，无需任何准备即可快速部署。与直升机相比，多旋翼无人机更便宜，需要的维护时间更少。因为其采用更小更轻的电机，故其具有更高的稳定性和安全性。目前无人机在生产领域的应用正在逐步扩大。在电力行业，无人机主要应用于电力巡检方面，以往的做法是通过人工巡检作业。但由于输电铁塔往往处于无人居住的山区，巡检一座铁塔往往需要较长的时间，一线的电力巡线工作有时还会受到山洪泥石流的影响。现在可以通过无人机搭载的高清摄像头，红外传感器，可以精确的定位线路的发热点和故障区域。而这一切，只需要几位操作人员，开车到山脚下即可完成；目前我们最常见的应用是在无人摄影方面，因为无人机可以实时传输高清图像，机动灵活，在大型活动上，无人机往往能拍摄到以往无法拍摄的画面；现在最由前景的方向主要集中在农业领域。在大型农场，农田的日常维护往往需要大量的人工，无人机通过摄像头，可以清楚直观的看到农田当前的状况，结合相关的图像算法，甚至能直接判断农作物生长情况而不要用人的参与。在农药喷洒时，利用无人机的高精度定位能力，可以在作物上空最优高度完成农药的喷撒，不仅药物喷洒均匀且使用量小，还不会出现重复喷洒等现象。

图1-2.植保无人机 图1-3.无人机巡线

• 1. 研究意义

尽管目前无人机自主导航技术已经很成熟，在GPS信号良好的，无人机可以沿着指定路线自主飞行，且具有较高的精度。但在无人机降落的阶段，GPS信号可能会因为环境的变化而导致导航精度降低，例如建筑物，山脉甚至水面都会导致信道受阻，进而导致许多错误发生。且在自主降落过程中，无人机的导航精度需要达到分米级甚至厘米级，目前民用级别的GPS尚未能提供如此精度的导航服务。

目前较好的解决方案有载波相位差分技术，又基准站，测绘站和移动站组成，其提供的定位精度能达到厘米级，同时其配套设备的价格也较为昂贵，超出一般消费者的消费水平，目前主要应用于植保无人机等专业领域。另一个更好的解决方案是使用机器视觉定位，在理想状况下，其定位精度也能达到厘米级。但其也存在缺点，就是定位范围较小，且需要摄像头捕捉到降落标志物。根据无人机降落的特点，可运用无人机上的GPS导航系统将无人机引导到目标上空位置，在根据视觉导航系统进行精确定位从而引导无人机降落到指定的降落平台。

• 1. 设计目标

本次设计在了解OpenMV机器视觉模块所能实现的功能的情况下，根据前期参考各种关于视觉定位的相关资料，提出了一种视觉定位方案。其基于OpenMV视觉模块，使用AprilTag视觉定位算法，设计出无人机在自主降落时的定位方案。利用AprilTag算法及相关的开源库，通过使用Python语言编程程序，实现无人机的三维定位，其定位精度要达到厘米级。并设计一个降落平台，既能为无人机提供降落的平台，同时又是视觉定位的基准点。

1. 相关介绍
   1. 何为机器视觉

机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯茨关于理解多面体组成的积木世界研究开始。当时运用的预处理，边缘检测，轮廓线构成，对象建模，匹配等技术，已知应用于机器视觉领域。70年代，机器视觉形成了几个重要的研究分支：①目标制导的图像处理②图像处理和分析的并行算法③从二维图中提前三维信息④序列图像分析和运动参量求值⑤视觉知识表示⑥视觉系统的知识库等。^[1]

剩余内容已隐藏，请支付后下载全文，论文总字数：16537字