视觉引导下无人机自动着陆地标识别提升策略

本文研究了一种新颖的基于视觉的无人机自主着陆地标识别方法，针对传统地标识别方法存在的相似阈值确定困难问题。该方法的主要创新点在于利用仿射不变矩和支持向量机相结合的识别策略。首先，研究者设计了一种六圆组合的图标，作为无人机自主着陆时的目标地标，这个设计考虑到了实际飞行中可能会遇到的图像扭曲情况。 在地标识别过程中，仿射不变矩被选为特征提取手段。仿射不变矩是一种在图像变换（如缩放、旋转或扭曲）下保持不变的数学特性，这对于无人机在动态飞行环境中识别地标至关重要，因为它能确保特征的稳定性，即使地标视角发生变化也能准确识别。提取的仿射不变矩作为输入，通过支持向量机（SVM）进行分类，SVM作为一种强大的非线性分类器，能够在高维空间中有效地找到最佳决策边界，提高识别精度。 相比于传统的几何不变矩，仿射不变矩能够更好地应对复杂变形；与BP神经网络相比，该方法不仅提升了识别精度，还降低了识别测试的时间，从而提高了整个系统的实时性和可靠性。这使得基于仿射不变矩和支持向量机的地标识别方法在无人机自主着陆的应用中具有显著的优势，特别是在无人机导航和控制领域，对于保证无人机安全、高效地降落具有重要的实践价值。 该研究得到了江苏省普通高校研究生科研创新计划的资助，由多位专家合作完成，包括李宇（机器视觉研究）、王友仁（电子系统自主容错等领域）、罗慧（故障诊断、信号处理）、陈燕和姜媛媛（图像处理与故障诊断预测）。他们的研究成果不仅推动了无人机技术的发展，也为后续的无人机自主着陆算法优化提供了新的思路和技术支撑。 总结来说，这篇论文主要探讨了如何利用视觉信息，通过仿射不变矩和支持向量机的结合，实现无人机在复杂环境下的精准自主着陆地标识别，这对提高无人机的自主性、可靠性和安全性具有重要意义。