面向高超声速飞行器自主着陆的跑道检测与位姿估计研究

扫码查看

原文链接

NETL

中文摘要：高超声速飞行器极高的飞行速度，保证了军事上的快速响应，商业上的低成本天地往返，以及未来的星际巡航功能，具有极高的战略与商业价值。因此，成为各个大国积极探索研究的对象。高可靠、高智能地实现高超声速飞行任务是发展高超声速飞行器的目标之一。其中末端着陆是实现高超声速飞行器全包线自主飞行的前提，也是实现飞行器可重复使用的必要条件之一。本文针对高超声速飞行器末端着陆飞行引导，研究了一种基于视觉的高超声速飞行器自主着陆位姿估计方法，为飞行器自主着陆系统提供高精度的位姿信息，以提高飞行器自主着陆能力。本文主要内容如下： (1)研究了基于单目视觉的位姿估计器总体设计方案。在分析高超声速飞行器自主着陆环境与要求的基础上，对自主着陆过程进行分析，进而设计了包含图像采集模块、跑道检测模块、跑道跟踪模块、跑道角点提取模块和飞行器位姿解算模块的视觉位姿估计系统。并针对目前尚未有适用于高超声速飞行器自主着陆视觉算法训练的公开数据集问题，基于虚拟仿真环境制作了一套自主着陆数据集。该数据集包含图片12610张，覆盖雨天、雪天、沙漠等多个场景，可应用于着陆跑道检测、跟踪、跑道角点提取等算法训练、测试以及飞行器位姿解算的误差分析。 (2)深入研究了高超声速飞行器自主着陆过程中的跑道检测与跟踪方法。首先，研究了基于YOLOv5目标检测算法在跑道检测方面的应用，并针对飞行器机载平台算力有限的问题，研究了一种基于IntelNCS2的YOLOv5目标检测硬件加速方法，在树莓派4B上进行部署，实现了在输入网络图片尺寸为480×480时16FPS实时检测的效果；其次，针对目前着陆跑道目标跟踪时，跑道目标易丢失的问题，引入特征金字塔结构，解决了远距离小目标跟踪时跑道目标易丢失问题；在由远及近跟踪跑道目标时，研究了基于分散注意力机制的目标跟踪算法，解决了目标多尺度变化跟踪时跑道目标易丢失问题，实现了飞行器自主着陆过程中跑道的稳定跟踪。 (3)深入研究了高超声速飞行器自主着陆过程中的位姿估计方法。针对目前跑道位姿估计精度较低的问题，在YOLOv5目标检测算法的基础上，提出了基于Q-YOLOv5的角点提取算法，将YOLOv5输出的目标长宽和中心点信息，改造成不具有矩形约束的四个角点信息，解决了位姿估计过程中跑道特征点提取精度低的问题，将该算法配合位姿解算算法，形成一套位姿估计系统，实现了高超声速飞行器末端自主着陆过程中高精度位姿估计。 (4)最后搭建了面向高超声速飞行器自主着陆的跑道检测、跟踪和位姿估计算法验证的视景仿真平台。将虚拟环境和飞行器机载视觉系统相结合，选用多个着陆机场环境，配合自主开发的可视化数据展示界面，形成一套完整的高超声速飞行器自主着陆视景仿真平台。

作者：

王指辉

展开 >

关键词：

高超声速飞行器自主着陆跑道检测特征点提取位姿估计

授予学位：

硕士

学科专业：

航天工程

导师：

曹云峰

学位年度：

2022

学位授予单位：

南京航空航天大学

语种：

中文

中图分类号：