王廣彪，李華偉，丁文銳，李紅光

(1.北京航空航天大學(xué)，北京 100191;2.中國電子科技集團第54 研究所，石家莊 050081)

0 引 言

艦載無人機的高性能、低成本和能在惡劣條件下執(zhí)行任務(wù)等特點，使得艦載無人機的發(fā)展成為一種趨勢。然而在航母的整個作戰(zhàn)鏈條中，艦載無人機的降落是事故率最高的環(huán)節(jié)。這主要是因為海上惡劣的作戰(zhàn)環(huán)境導(dǎo)致的，所以研究一種能在惡劣環(huán)境下正常工作的輔助導(dǎo)航著艦系統(tǒng)迫在眉睫?，F(xiàn)有的導(dǎo)航方法有:全球定位系統(tǒng)(GPS)［1］、慣性導(dǎo)航系統(tǒng)(INS)［2］、視覺導(dǎo)航系統(tǒng)［3］及各種方式組成的組合導(dǎo)航系統(tǒng)［4］。其中GPS 受國外限制，當(dāng)被關(guān)閉或干擾時，著艦系統(tǒng)的安全性和可靠性受到很大影響;慣性導(dǎo)航存在誤差隨時間無限增加的問題。相比之下，視覺導(dǎo)航技術(shù)是利用傳感器獲得圖像，通過圖像處理得到無人機導(dǎo)航定位姿態(tài)參數(shù)，視覺傳感器具有輕便、低功耗和體積小等優(yōu)點;此外，視覺導(dǎo)航系統(tǒng)的工作波段遠(yuǎn)離當(dāng)前電磁對抗的頻率范圍，具有精度適中，成本低等優(yōu)點，采用它獨立完成或輔助完成無人機的自主著陸、著艦任務(wù)已成為國際上的一種發(fā)展趨勢［5］。然而，以往的研究中均沒考慮艦船在海面上做六自由度的運動對視覺導(dǎo)航算法的可靠性和精度的影響［6、7］，還有海上可見度低等惡劣環(huán)境使得著艦過程變得更為危險。在這種背景下，提出了一種適用于海上惡劣環(huán)境下的無人機視覺導(dǎo)航著艦方法。

1 概 述

艦載無人機視覺著艦存在兩個問題:一是海上可見度低;二是艦船在海面上做六自由度的運動，對視覺導(dǎo)航算法的可靠性和精度產(chǎn)生了很大影響。針對第一個問題，根據(jù)大氣窗口及透射率特點，結(jié)合目標(biāo)檢測相關(guān)知識，設(shè)計了一個由五個分立的、有一定布置特點的紅外圓組成的合作目標(biāo)，根據(jù)理論知識并考慮一定的余度，設(shè)計了合作目標(biāo)的位置、大小。針對第二個問題，分析了艦船運動簡化模型，并根據(jù)簡化模型提出了基于卡爾曼濾波提高導(dǎo)航精度的新方法。為驗證上述兩種解決方案的可行性，設(shè)計了一套基于上述兩種解決方案的機艦相對位姿解算驗證系統(tǒng)，總體框架圖如圖1 所示。

圖1 總體框架圖

框架主要分為四部分:合作目標(biāo)設(shè)計、艦船運動建模、機艦相對位姿解算和方案評估。涉及四大關(guān)鍵技術(shù):合作目標(biāo)設(shè)計、合作目標(biāo)識別定位、艦船運動建模和卡爾曼濾波進(jìn)行精度補償。

2 關(guān)鍵技術(shù)

2.1 合作目標(biāo)設(shè)計

合作目標(biāo)的設(shè)計包括合作目標(biāo)輻射波段選取、合作目標(biāo)形狀設(shè)計、尺寸設(shè)計和目標(biāo)位置布置。如圖2 所示。

2.1.1 合作目標(biāo)輻射波段

圖2 合作目標(biāo)設(shè)計

為適應(yīng)全天候的艦載無人機著艦的需求，根據(jù)文獻(xiàn)［7］中研究，選用紅外輻射作為合作目標(biāo)輻射的對應(yīng)波段，波段選取8 ～12 μm 波段。輻射功率設(shè)計要求5 km 可以探測合作目標(biāo)。在8 ～12 μm波段，設(shè)計合作目標(biāo)2 kW，5 km 處探測接受功率為0.5 W，滿足紅外相機探測要求［8］。故設(shè)計合作目標(biāo)輻射功率2 kW。

2.1.2 目標(biāo)形狀設(shè)計

圓形目標(biāo)因其具有的各向同性特性，在處理輪廓模糊的紅外圖像中具有無可比擬的優(yōu)勢，同時用重心表征一個點的位置，增加了算法的魯棒性和精度。同時，采用N 點算法作為解算機艦相對位姿的方法，根據(jù)文獻(xiàn)［9］的分析，為保證實時性需求，選用四個點進(jìn)行解算。但為了保證合作目標(biāo)快速可靠的識別，采用五個獨立的圓形作為合作目標(biāo)并以特定方式布置在艦船上。解算過程中僅用邊緣的四點進(jìn)行解算，中間點作為輔助識別定位點。分布圖如圖3 所示。

圖3 合作目標(biāo)布置圖

2.1.3 合作目標(biāo)尺寸設(shè)計

根據(jù)文獻(xiàn)［10］研究，為了實現(xiàn)機艦距離1 km時合作目標(biāo)的可靠識別，并增加尺度余度，設(shè)計圓直徑為5 m。

2.1.4 合作目標(biāo)位置布置

如圖3 所示:P3布置在第一根攔阻索和第二根攔阻索中間位置，且在航母橫搖中心軸上。P2、P4與P3共線且平行于攔阻索。P1、P5在P2、P4、P3三點形成的線段的中垂線上。

設(shè)目標(biāo)的探測距離為S(km)，合作目標(biāo)最小間距為D(m)，為滿足圖像合作目標(biāo)能夠分辨開，根據(jù)瑞利判據(jù)，合作目標(biāo)最小間距D 滿足

式中，φ 為紅外探測儀最小分辨角，φ =8.79 ×10－3度，當(dāng)探測距離為1 km 時，D =1.11 ～1.67 m。選取D=15 m，滿足分辨條件。即P2、P4、P5、P1相距P3分別為15 m、15 m、25 m 和35 m。

2.2 合作目標(biāo)識別定位

合作目標(biāo)識別定位分為兩步:一是根據(jù)紅外圖像獲得圖像中各合作目標(biāo)的像點位置;二是根據(jù)像點位置進(jìn)行物像點匹配。

2.2.1 解算合作目標(biāo)像點位置

針對海上環(huán)境背景單一，提出了一種快速的目標(biāo)檢測識別算法，如圖4 所示。

圖4 合作目標(biāo)識別定位

首先，對獲得的圖像進(jìn)行第一次閾值分割，分離出艦船目標(biāo)和背景圖像;然后對艦船目標(biāo)進(jìn)行第二次閾值分割，并采用腐蝕、膨脹形態(tài)學(xué)方法分離出合作目標(biāo);最后求解每個紅外圓的重心，用來表征紅外圓的位置。本算法計算量小，解算實時性好，合作目標(biāo)檢測可靠性高。

2.2.2 物像點匹配

所謂物像點匹配，就是把圖像中的點和艦船上的合作目標(biāo)進(jìn)行一一匹配。合作目標(biāo)之間的距離比例關(guān)系具有仿射變換不變特性，適用于檢測經(jīng)平移、縮放、旋轉(zhuǎn)后的合作目標(biāo)。具體算法如下。

(1)選定在同一直線上的三個點，確定中間點為P3;

(2)分別計算兩端點到中間點的距離，并進(jìn)行比較;

(3)若距離相等，則證明此兩點為P2、P4;若為此情況，選擇另外在同一直線上的三個點進(jìn)行步驟2;

(4)若不等，則距離大的為P5，小的為P1，從P1向P5看去，左邊的為P2，右邊的為P4。

經(jīng)過上述判斷即可確定物像點的對應(yīng)關(guān)系。

2.3 N 點算法解算機艦相對位姿

N 點算法最先由德國數(shù)學(xué)家Grunert 進(jìn)行了詳細(xì)闡述［11］，隨后用于圖像測量學(xué)［12］和計算機視覺等領(lǐng)域。用N 點算法解算飛機位姿的具體過程在文獻(xiàn)［9、13］中，本文不再贅述。

2.4 艦船運動建模

航空母艦在海浪中由于受到風(fēng)浪等因素的影響，會產(chǎn)生各種不規(guī)則的運動。若把航母視為一個剛體，當(dāng)它在海面上航行時可產(chǎn)生六個自由度的運動，如圖5 所示。其中以橫搖、升降和縱搖對航母的影響最為顯著［14］。

圖5 航母在海上的六自由度運動

根據(jù)文獻(xiàn)［15］中的研究，對這三個方向上的運動進(jìn)行簡化建模，如圖6 所示，圖6 中實直線表示航母質(zhì)心所在的且平行于航母上表面的平面。

圖6 艦船運動簡化模型

簡化模型下，艦船在平衡位置作微幅的簡諧搖蕩運動，航母的橫搖角θ、升降高度h 和縱搖角? 滿足式(2)

式中，A、B、C 為橫搖角、升降幅度和縱搖角度的最大值;Tθ、Th、T?為橫搖、升降和縱搖周期;δθ、δh、δ?為隨機相位。

對上述兩式離散化采樣，得

則其數(shù)學(xué)期望值［16］為

由式(4)可知橫搖、升降和縱搖三個方向上的運動的隨機抽樣的均值為零，如圖5 中的粗直線狀態(tài)即為均值狀態(tài)。這為下文提到的采用無人機飛行參數(shù)進(jìn)行精度補償提供了理論根據(jù)。

2.5 卡爾曼濾波進(jìn)行精度補償

海上環(huán)境惡劣，加之艦船的運動，使得導(dǎo)引精度誤差很大，提高精度是非常有必要的。根據(jù)上文提出的簡化模型，本文提出了一種利用卡爾曼濾波提高精度的方法。產(chǎn)生精度誤差原因分為兩部分，一是在圖像處理時間Δt 內(nèi)產(chǎn)生的相對位姿量;二是因艦船橫搖、升降和縱搖造成的位姿偏差量。第一部分采用實時運算延時時間內(nèi)飛機位移量來補償;第二部分采用卡爾曼算法，具體運算表達(dá)式如式(5)。

式中，Pi為由第i 次圖像處理得出的機艦相對位姿;Pi′為經(jīng)過卡爾曼濾波后的相對位姿;qi為經(jīng)過延時補償后的艦船相對飛機的位姿(補償在圖像處理時間Δt 內(nèi)產(chǎn)生的相對位姿量);(vx，vy，vz)T為飛機相對艦船的速度矢量;Δt 一般較小，位移與速度近似成線性;Δ SΔT(i－1)·i為在從采集第i－1 幀到采集第i幀的時間間隔內(nèi)機艦相對位移矢量變化量;ΔT 為相鄰兩幀采集圖像的時間間隔。

3 實驗及結(jié)果

3.1 方案設(shè)定

實驗采用5 個合作目標(biāo)作為特征點進(jìn)行解算機艦相對位姿。無人機從距離航母1 km 處以－4°的下滑角著艦，速度為70 m/s，航母以12 m/s 速度向正北方向行駛［17］。法國“克里蒙梭”號航母為保證艦載機在5 ～6 級海況下進(jìn)行作業(yè)的適航標(biāo)準(zhǔn)為:橫搖最大角度為3°，縱搖最大角度為1.4°，垂直位移最大為2.2 m［18］。選取升降最大幅度為1 m，周期為5 s;最大縱搖角度為0.5°周期為5 s;最大橫搖角為2°，周期為5 s。圖像采集幀率為10 Hz。實驗中機艦位姿解算方案設(shè)計如圖7 所示。

圖7 機艦相對位姿解算

其中，圖像處理過程具體流程如圖4 所示，延遲時間包括圖像處理、物像點匹配和數(shù)據(jù)處理所用時間;幀間時間為0.1 s。

經(jīng)圖像處理之后，可以得到合作目標(biāo)重心在圖像坐標(biāo)系中的位置。然后根據(jù)位置關(guān)系判定圖像中的各點對應(yīng)的真實合作目標(biāo)點。然后用N 點算法進(jìn)行解算機艦相對位姿。

3.2 仿真實驗

在Vega Prime 4.1 中進(jìn)行仿真驗證，實驗設(shè)計的基于合作目標(biāo)導(dǎo)航的無人機著艦視覺導(dǎo)引系統(tǒng)如圖8 所示。機艦相距不同距離時無人機上攝像頭拍攝的視景圖像如圖9 所示。經(jīng)閾值分割后的圖像如圖10 所示。經(jīng)過腐蝕、膨脹形態(tài)學(xué)算法處理后的合作目標(biāo)圖像如圖11 所示。合作目標(biāo)的重心分布圖(圖中白點位置)如圖12 所示。

3.3 結(jié)果及分析

基于上述仿真條件，采用偏差量作為衡量方案可行性的標(biāo)準(zhǔn)。仿真結(jié)果與真實位姿的偏差量如圖13 所示。

圖13 位姿偏差量

由圖13 可知，橫向、縱向和高度三個方向位置偏差量均能在2 s 內(nèi)降低至1 m 以內(nèi);滾轉(zhuǎn)角偏差在3.6 s 內(nèi)降低至0.5°以內(nèi);偏航角偏差在2 s 內(nèi)降低至0.5°以內(nèi)，并在4 s 后基本保證在0.2°以內(nèi);俯仰角偏差在1 s 以內(nèi)降至0.5°以內(nèi)，并在6 s 以后降低至0.2°以內(nèi);而且隨著機艦相對距離的減小，六自由度方向上的偏差量逐漸減小，精度能夠很快逼向精確值。實驗結(jié)果表明本文所涉及方案能夠滿足無人機著艦要求。

4 結(jié) 語

視覺導(dǎo)航系統(tǒng)越來越廣泛應(yīng)用于獨立完成或輔助完成無人機的自主著陸、著艦任務(wù)中。分析了低可見度和艦船運動對視覺引導(dǎo)方法的影響，并提出了解決方案，最后在Vega Prime 中對該方案進(jìn)行了仿真驗證，結(jié)果表明提出的無人機著艦視覺引導(dǎo)方法適用于低可見度、運動艦船上的無人機著艦。

［1］王惠南. GPS 導(dǎo)航原理及應(yīng)用［M］. 北京:科學(xué)出版社，2003.

［2］秦永元. 慣性導(dǎo)航［M］.北京:科學(xué)出版社，2005.

［3］CORY S S，SHAKERNIA O，SHANKAR S.A Vision System for Landing an Unmanned Aerial Vehicle［C］//Proceedings of 2001 IEEE，International Conference of Robotics and Automation，2001:21－26.

［4］艾倫，金玲，黃曉瑞. GPS/INS 組合導(dǎo)航技術(shù)的綜述與展望［J］. 數(shù)字通信世界，2011(02):60－63.

［5］嵇盛育. 基于計算機視覺的無人機自主著艦導(dǎo)引技術(shù)研究［D］. 南京:南京航空航天大學(xué)，2008.

［6］SINOPOLI B，MICHELI M，DONATO G，et al.Vision Based Navigation for an Unmanned Air Vehicle［C］//IEEE Conference on Robotics and Automation，2001:1757－1765.

［7］嵇盛育，等. 基于紅外視覺的無人機自主著艦合作目標(biāo)的研究［J］.紅外技術(shù)，2007，29(10):593－597.

［8］張建奇，方小平. 紅外物理［M］. 西安:西安電子科技大學(xué)出版社，2004 .

［9］李飛，等. 無人機視覺輔助著陸中的姿態(tài)和位置估算［J］.電光與控制，2012，19(1):69－73.

［10］倪立學(xué)，等. 一種地面合作目標(biāo)的研究與設(shè)計［J］. 光電工程，2007，34(7):8－13.

［11］GRUNERT J A.Das Pothenotische Problem in Erweiterter Gestalt Nebst Bber Seine Anwendungen in Der Geod?sie［J］. Grunerts Archiv für Mathematik und Physik，Band 1，1841:238－248.

［12］CHURCH E. Theory of Photogrammetry［M］. NY:Syracuse University Press，Bulletin 19，1948.

［13］QUAN LONG，LAN ZHONGDAN.Linear N－Point Camera Pose Determination ［J］. IEEE Transactions On Pattern Analysis And Machine Intelligence，1999，21(8):774－780.

［14］李輝青，韓維. 航母橫搖對艦載機著艦的影響研究［C］//湖南省第二屆研究生創(chuàng)新論壇——航空宇航與控制科學(xué)分論壇論文集，2009，1(11):175－179.

［15］劉應(yīng)中，繆國平. 船舶在波浪上的運動理論［M］. 上海:上海交通大學(xué)出版社，1986.

［16］周蔭清.隨機過程理論［M］.北京:電子工業(yè)出版社，2006.

［17］許東松，劉星宇，王立新.航母運動對艦載飛機著艦安全性的影響［J］.北京航空航天大學(xué)學(xué)報，2011，37(3):289－294.

［18］高奇峰.艦載機起降指導(dǎo)系統(tǒng)仿真研究［D］. 哈爾濱:哈爾濱工程大學(xué)，2006.