[发明专利]一种基于激光雷达和相机数据融合的无人机定点降落方法

说明书

本发明涉及无人机定位技术领域，具体涉及一种基于激光雷达和相机数据融合的无人机定点降落方法，包括：相机识别图像获得Aruco码二维点坐标并建立XOY平面；激光雷达扫描无人机下方，获得三维点云、反射强度数据及Aruco码三维点云坐标；计算变换矩阵M，将三维点云投影到XOY平面；计算Aruco码中心位置并将其作为坐标原点在XOY平面建立坐标系；将投影后的三维点云数据映射到坐标系上；识别Aruco码角点，计算无人机与Aruco码角点的相对位置，完成定点降落。本发明的有益技术效果包括：融合激光雷达与相机数据识别Aruco码角点，提高无人机定点降落的环境适应性，扩大测距范围。

技术领域

本发明涉及无人机定位技术领域，具体涉及一种基于激光雷达和相机数据融合的无人机定点降落方法。

背景技术

旋翼无人机具有体积较小、结构简单、控制比较灵活等特点，能够垂直起降、自由悬停，还能够适应各种自然环境，具备自主飞行和自主降落等优点，可以在一些不适合人类进入的复杂和危险环境中进行作业，近年来在科研机构、政府机构、广播媒体、个人应用和军事领域都有着越来越重要的应用。而无人机定点降落是指无人机飞行在高空时，通过配备下视相机采集地面图像，通过人工在地面图像上选择一个降落目标点，无人机自动飞行到目标点上空并精确降落到设定的降落点。无人机定点降落可以应用到抢险救援、自动化物流对接、紧急情况下的无人机迫降等。

传统无人机只搭载相机识别落点参照物，而相机近距离视野窄，强光下过曝，无法接收夜光，因而存在应用场景单一、方法容易失效、夜间无法应用等问题。近几年，激光雷达逐渐发展小型化，成为众多功能无人机需携带的传感器。激光雷达以主动发射及接收激光术原理对三维环境进行感知，具有更大的空间覆盖能力，不受白天、黑夜、光线强度等自然因素影响，为无人机识别落点参照物提供了可靠的选择。

随机抽样一致算法(RANdom SAmple Consensus，RANSAC)在1981年由Fischler和Bolles首次提出,它采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数。随机抽样一致算法是一个非确定性算法，在某种意义上说，它会产生一个在一定概率下合理的结果，而更多次的迭代会使这一概率增加，因此该算法常用于处理激光雷达点云，以形成估计平面。随机抽样性算法包括以下步骤：(1)在数据中随机选择几个点设定为内群；(2)计算拟合内群的模型；(3)把其它刚才没选到的点带入刚才建立的模型中，计算是否为内群；(4)记下内群数量；(5)重复以上步骤多做几次，比较哪次计算中内群数量最多，内群最多的那次所建的模型就是所要求的估计平面。

但目前无人机定点降落仍存在识别落点参照物不具有真实可见光色彩、点云密度低、测距范围短等技术问题。如Weimin Wang等人提出的反射强度辅助三维激光雷达和全景相机的印刷棋盘自动精确外部校准的无人机定点降落方法，该方法采用Velodyne激光雷达，但由于远距离点云密度过低，无法从中提取有效特征信息，所作实验的最远测距范围只有2.6米，限制了无人机的使用范围。为此，有必要研究能够提高落点参照物识别效果的无人机定点降落方法。

如中国专利CN113946157A，公开日2022年1月18日，一种基于多功能识别定位的定点降落无人机方法及系统。该方法通过无人机接收位于待降落平台上的控制端的自动返航指令，并根据GPS导航返回待降落平台上空的第一预设距离高度处悬停；通过双摄像头实时获取下方图像数据信息，并传输至控制端，控制端通过轮廓提取方法识别锁定待降落平台上的标靶，以引导无人机逐步降低，当无人机位于标靶中心上方第二预设距离高度时，自动降落完成定点降落，实现了落点参照物识别精度较高、降落耗时短的无人机定点降落。但其技术方案并没有解决无人机定点降落易受环境因素影响、测距范围短的技术问题。

发明内容

本发明所要解决的技术问题：目前无人机在实现定点降落时，存在易受环境因素影响、测距范围短的技术问题。提出了一种基于激光雷达和相机数据融合的无人机定点降落方法，能够融合激光雷达与相机数据识别Aruco码角点，提高无人机定点降落的环境适应性，扩大测距范围。