一种低成本微型飞行器姿态角自动检测方法

陈珅培, 任梦洁

(陆军军官学院高过载弹药制导控制与信息感知实验室, 合肥 230031)

0 引言

微型飞行器是一种无人遥控式的轻量级飞行器,由于其体积小,重量轻,在自然灾害探测、核生化探测、森林火灾探测、军事侦察等危险领域具有广泛的运用前景,但由于其载荷能力不足,所以飞行器上搭载的传感器设备有限,一般只搭载微型摄像机和无线传输装置,在飞行过程中需要人为的遥控调整其飞行姿态。为实现这种飞行器的自主飞行,实现飞行器姿态的自动校正,文中通过模仿鸟类的飞行姿态调整,设计了一种基于前视摄像机成像,通过提取成像中的天地分界线即地平线,调整飞行姿态的方法,适用于低成本无姿态测量装置的微型飞行器平台。

地平线是提取飞行器姿态的基础,图像地平线的检测方法已有很多研究成果[1-2]:Bao提出了利用自动阈值分割和Hough直线检测方法,这种方法在天地背景较为清晰无噪声的情况下成功率较高,但飞行采用无线信号传输,难免会受到干扰,导致图像质量下降,造成大量误检;Ahmad提出利用分类识别的方法进行天地线检测,主要通过提取图像SIFT特征描述子利用SVM进行训练和识别,这种方法需要大量的训练数据,并且硬件实现复杂,计算量大,不适合实时计算,本文旨在寻找一种检测可靠、计算量小且易于硬件实现的方法,而利用线性判别模型实现地平线检测是一种合适的选择。

1 直线模型

图像地平线检测寻找的是天和地的分割线,分割线是一条直线,参数包含直线的斜率m和直线的截距b,这是直线方程的通常表示方法,但是这种方法分析飞行姿态不够便捷,文中拟采用文献[3]提出的一种表示直线的方法,即由于直线方程和飞行器滚转角φ和俯仰角θ有关,因此考虑利用这两个角度表示方程,使得飞行器姿态提取更为简便和直观,并且两者之间存在几何关系,即飞行器滚转角与直线斜率存在反正切的关系φ=arctan(m),而俯仰角与截距并不存在确定关系,但数值正比于图像中直线上半部分和下半部分区域像素数量的比值。

采用σ表示直线下半部分像素区域所占整个图像的百分比,在矩形图像中,σ和俯仰角θ的关系严格是成非线性变化,为便于计算,文中假设摄像机经过标定后无畸变,则σ和俯仰角θ成线性关系,后续的实验结果表明这种线性假设也是有效的。

因此文中直线方程采用了滚转角角度φ和像素比σ来表示,两个参数范围为φ∈[-π/2,π/2],σ∈[0%,100%],直线方程从原来的参数空间(m,b)转换为了(φ,σ),由于参数的取值范围已知,直线的检测过程变成在参数空间中寻找最优值的过程,需要设计一个判别函数度量参数空间的取值。

2 判别函数设计

计算机视觉判定是依靠相应的描述特征,现有的检测方法大部分计算量都消耗在图像特征的提取上[4],文中为计算简便,采用最基本的特征,即图像的像素值。对于天空和地面区域的像素值,彩色图像利用RGB数值判断,灰度图像则利用灰度值。

借鉴统计模型中的Fisher线性判别法[5],该方法判别函数要使线性分类后两个部分的类内变化最小,且类间变化最大,文中利用这个准则建立判别函数。假设天空和地面像素大致服从高斯分布,有一条直线将图像分成天和地两部分,按照设计准则,那么两个像素的区域均值的差别应当较大,同时两个区域自身的差别应当较小,这里则采用两者区域的自身协方差矩阵。设在直线之上的像素xs,i为天空区域,直线之下的xg,i为地面像素,以彩色图像为例:

xs,i=[rs,i,gs,i,bs,i].i∈{1,…,ns}

(1)

xg,i=[rg,i,gg,i,bg,i].i∈{1,…,ng}

(2)

则两者的协方差矩阵可表示为:

(3)

(4)

(5)

由于两者各自的协方差计算可能出现0值,考虑不出现计算错误,加入特征向量的模值。因此判别函数J定义为两个区域的协方差行列式加上特征值的模值。

(6)

因此,寻找最优的函数定义为:

(7)

在参数取值范围内,通过遍历所有参数,不断计算判别函数J,取值最大时的(φ,σ)则为直线的方程。由于φ∈[-π/2,π/2]且σ∈[0%,100%],因此采用i和j设定遍历时的参数步长,则有:

0≤i≤n1,0≤j≤n2

(8)

寻优最直接的方法是采用全局遍历i和j,那么遍历计算的次数就是n1×n2,以n1=n2=40为例,判别函数计算次数达到1 600次,计算量过大,不利于飞行的实时控制,文中优化参数最值搜索的过程,减少不必要的计算。

3 寻优过程优化

整个参数空间搜索的都是最大峰值,由于采用的是全空间参数穷尽搜索,所以判别函数计算量太大,文中采用预选峰值可能出现的i和j值,确保能找到最大值,同时免去无用的搜索。

观察到飞行器一般稳定飞行情况下(俯仰角为0°),天地像素面积大约都各占一半,因此首先取σ=50%,此时也即直线将天地面积均衡划分,遍历直线所有的角度空间,计算判别函数值,其次将函数值进行从大到小的排序,我们发现如果此时值较低则在此行中不可能出现峰值,因此取前20%的行数,也即可能出现的角度范围,最后在整个空间搜索时,只遍历这些角度范围,可以大大减小搜索空间[6],以某次实验为例,图1表示未经优化的遍历,图2表示优化后的遍历,其中J值为0的区域表示不用计算判别函数的参数范围,对n1=n2=40的空间进行搜索原有方法需要1 600次计算,优化后只需要200次搜索,减小了计算量,同时两者的峰值计算结果是一样的。

可见通过预选的方法可以有效将不会出现峰值的区域提前排除掉,避免无用的搜索,减少计算量。

4 姿态角测量流程

飞行器在实际飞行时,前视摄像机拍摄图像,图像中则包含天空和地面区域,同时图像通过无线链路传回地面控制站,地面计算机按照上文所述检测方法,整个检测的流程按照图3所示,最后检测出地平线的直线方程,确定出滚转角φ,俯仰角θ则根据σ进行计算,由于俯仰角与σ近似成线性关系,当σ=50%时,天地区域平分,此时俯仰角为0°,当σ=100%时,都为地面区域,此时俯仰角为最大正值θmax,当σ=0%时,都为天空区域,此时俯仰角为最大负值-θmax[7],因此测量的俯仰角θ计算如下:

θ=(1-σ)θmax-σθmax

(9)

综上所述,利用本方法可以测量飞行器的姿态角(包含滚转角、俯仰角),整个测量流程如图3所示。

5 实验

为验证文中方法的有效性,采用无人旋翼飞行器搭载普通可见光摄像机,PAL制式图像通过无线图传设备传回地面控制站,在PC上使用Visual C++ 2012编写并运行程序得出地平线直线参数,得出姿态角度,并将直线绘制在图像上。如图4中所示,不论在天气较为晴朗,还是天气较为阴暗,或者地面背景复杂,甚至是图像传输噪声干扰,文中方法都能正确检测出地平线。

将计算得出的滚转和俯仰角度数据与无人旋翼平台自带的传感器的理论数据进行比较,如表1所示。

表1 实际值与理论值比较

6 结束语

文中对设计的地平线检测方法进行了介绍和说明,同时为解决全局空间寻优计算量过大的问题,从参数空间的寻优角度对计算过程进行了改进,并通过实际飞行图像进行地平线检测实验,实验表明文中方法滚转角度检测准确,计算量小,过程简便,易于硬件实现,是低成本微小型无人飞行器姿态测量的有效技术手段,为实现自主寻的奠定了坚实的基础。

参考文献:

[1] 高海峰, 张生伟, 聂青凤. 基于红外图像的天地线检测方法研究 [J]. 电光与控制, 2016, 23(7): 20-23.

[2] 黄英东, 李杰, 范宁军. 一种基于图像信息的微小型飞行器姿态测量方法 [J]. 弹箭与制导学报, 2009, 29(3): 9-12.

[3] ETTINGER S M, NECHYBA M C, IFJU P G, et al. Vision-guided flight stability and autonomy for micro air vehicles[J]. Advanced Robotics, 2003，17(7):1-20.

[4] FOX R, LEHMKULE S W, WESTENDORF D H. Falcon Visual Acuity[J]. Science, 1976,192(4236):263-265.

[5] IFJU P G，ETTINGER S，JENKINS D A. Composite materials for micro air vehicles[J]. SAMPE Journal，2001，37(4)：7-13.

[6] JENKINS D A，IFJU P G，ABDULRAHIM M，et al. Assessment of controllability of micro air vehicles[C]//AIAA. Proceedings 16th International Conference on Unmanned Air Vehicle Systems. Bristol:[s.n.]，2001：1987-1992.

[7] KELLOGG J, BOVAIS C,DAHLBURG J, et. al.The NRL MITE air vehicle[J]// AIAA. Proceedings 16th International Conference on on Unmanned Air Vehicle Systems.Bristol:[s.n.]，2001：2512-2514.