1.一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:该方法包括如下步骤:
步骤一:自主起降区域合作目标设计
自主起降区域合作目标固定在无人艇的甲板上,并在该自主起降区域合作目标上划分出第一层、第二层及第三层合作目标;
步骤二:获取图像的布尔特征图
在无人机上安装下视相机,作为无人机视觉系统的输入设备,用于实时采集设置有自主起降合作目标的无人艇的图像,根据图像的颜色阈值、亮度阈值及梯度阈值变化,分别获取图像的布尔颜色图集合icolor、布尔亮度图集合ivalue及布尔梯度图集合igrad;进一步获得图像的布尔颜色特征图、布尔亮度特征图、布尔梯度特征图;
步骤三:仿猛禽注意力分配机制建模
顶盖-峡核竞争网络是猛禽脑中重要的动态竞争网络,顶盖-峡核竞争网络中的神经元i和神经元j间的解剖学特征可用权重矩阵ωij的形式进行描述;
步骤四:基于仿猛禽注意力分配机制的无人艇合作目标识别
将步骤三中的注意力分配机制应用于步骤二中,当无人机距离无人艇较远时,无人机视觉系统可将更多的注意力分配给海面上的无人艇;当无人机到达降落区且无人艇在无人机的视觉系统中只能部分成像时,无人机视觉系统将更多的注意力分配给无人艇上的自主起降合作目标;
步骤五:无人机自主降落到无人艇上的策略选择
当无人机到达降落区域且能够识别到整个合作目标的红色区域但识别不到蓝色标识点时,无人机通过识别第一层合作目标的引导靠近无人艇;随着无人机逐渐靠近无人艇,无人机通过识别第二层合作目标实现无人机与无人艇间的相对位姿估计;当第二层合作目标识别的数量不足以进行无人机与无人艇间的位姿估计时,切换为第三层合作目标,继续引导无人机降落;即无人机从发现无人艇到降落到无人艇上的整个过程可分五个阶段;
步骤六:无人机/艇起降时的相对位姿估计
在无遮挡等其他特殊情况下,上述五个阶段均可获得n个匹配特征点,采用rpnp算法进行无人机/艇间的精确位姿测量,得到相机坐标系下的无人艇合作目标的位置,分别经过相机坐标系、机体坐标系、地面惯性系的坐标转换,获得无人机与无人艇在地面坐标系下的相对位置关系;
结束:判断是否降落成功
当无人机与无人艇间的相对位置满足δx<δxt1时,判断δy和δh是否分别小于δyt1,δht1;如果δy和δh都小于δyt1,δht1,表示降落成功,无人机电机停转,其中δxt1,δyt1,δht1分别为表示降落成功的阈值。
2.根据权利要求1所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:步骤三中所述神经元i和神经元j间的解剖学特征可用权重矩阵ωij的形式进行描述,l10→ipc、l10→imc、ipc→l10投射突触传导的权重采用高斯分布进行描述;l10→ipc,l10→imc,ipc→l10的正向投射关系标准服从高斯分布,它们的权重可描述为
其中,i→j可分别代表l10→ipc、l10→imc和ipc→l10;δl10→ipc,δl10→imc,δipc→l10分别为高斯函数分布的宽度;
imc→l10的反向投射权重表示为
其中,δimc→l10为高斯函数分布的宽度,d为高斯函数的下陷深度,下陷附近i=j;当d=1时,imc神经元j到l10神经元i在同一位置没有反馈,即i=j;
imc→l10的反向投射服从均匀分布,即
ωij=1(4)
对于前向抑制强度的增加,全局imc→ipc投射并不能促进竞争互动作用,而只是调节ipc神经元的活性水平;然而,随着周期性的反拓扑imc→l10反馈投射强度的增加,刺激竞争开始出现;新位置的imc神经元活动在l10目标神经元中产生足够的抑制电流,抑制电流和适应电流之和可以克服兴奋电流;l10目标神经元停止放电,ipc神经元的刺激竞争分数+1。
3.根据权利要求2所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:所述的刺激竞争分数定义为
其中,ri和rj分别为i,j神经元刺激中心周围的n个神经元的平均峰值速率。
4.根据权利要求1所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:所述步骤四的具体过程如下:
将步骤二中获得的布尔颜色特征图、布尔亮度特征图及布尔梯度特征图根据步骤三中的仿猛禽注意力分配机制中的刺激竞争分数公式进行竞争打分,按照得分情况对各特征维度的布尔特征图进行分别排序,得分前m的布尔特征获胜并进行进一步处理。
5.根据权利要求4所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:所述的进一步处理是:将获得的m个布尔颜色特征图、m个布尔亮度特征图和m个布尔梯度特征图采用格式塔原则进行特征融合,经线性化处理后得到最终的无人艇或合作目标注意力分配图。
6.根据权利要求1所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:步骤五所述的五个阶段,具体如下:
(1)无人机捕捉到无人艇,但是无法识别合作目标;
(2)无人机只能捕捉到第一层合作目标,但无法获得起降区域上的标识点;
(3)无人机能够捕捉到第二层合作目标,但无法获得第三层合作目标,该阶段包含只能识别部分第二层合作目标标识点的情况;
(4)无人机同时捕捉到第二层合作目标和第三层合作目标,该部分包括只识别到部分合作目标标识点的情况;
(5)无人机只能捕捉到第三层合作目标,该阶段包含只能识别部分第三层合作目标标识点的情况。
7.根据权利要求1所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:在所述步骤六之后,结束步骤之前,该方法进一步包括有:标识点部分遮挡的预测处理,具体如下:
无人机在降落到无人艇的过程中会出现标识点遮挡的情况,标识点的遮挡会造成无人机与无人艇间的位姿估计结果不准确,使得无人艇无法安全的降落到无人艇上;
针对步骤五中五个阶段之一:当无人机只能识别到部分第二层合作目标标识点且不满足椭圆拟合条件时,需要对被遮挡的标识点进行预测,用估计出的点和检测到的特征点进行椭圆拟合;
针对步骤五中五个阶段之一:当第二层合作目标和第三层合作目标都被部分检测到时,选取第三层合作目标作为无人机的合作目标,此时,需要剔除第二层合作目标的干扰;干扰处理情况可表示为m+8,m为检测到的第二层合作目标的个数,8为第三层合作目标的个数;干扰处理通过椭圆拟合统计重合的椭圆中心的方式进行。
8.根据权利要求1所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:在所述的结束步骤中,判断δy和δh是否分别小于δyt1,δht1;若否,无人机加大油门,执行起飞指令。
9.根据权利要求1所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:本发明方法进一步包括有:无人机在无人艇上自主起飞策略,具体过程如下:
当无人机精准降落到无人艇并执行能源补充操作后,或根据结束步骤判断结果,无人机执行起飞指令,以执行其他任务流程;起飞过程与降落过程相反,同时为保证无人机能够平稳快速起飞,加入无人机自主起飞策略;即在无人机起飞过程中,无人机的视觉系统仍然处于工作状态,采集下视场景中的图像,根据仿猛禽注意力分配机制的测算结果,使得合作目标始终处于图像的正中央,避免由于无人机与无人艇的运动差异且无人机还未上升到离艇高度时与无人艇发生碰撞。
10.根据权利要求9所述的一种仿猛禽注意力分配的无人机/艇精准自主起降方法,其特征在于:该方法进一步包括有如下步骤:判断是否起飞成功,
判断无人机与无人艇间的相对位置是否满足δh>δht2,若满足,表示起飞成功,其中,δht2为起飞成功时无人机与无人艇间相对高度的阈值;若不满足,无人机视觉系统继续使能,保持无人艇的合作目标处于图像中央,并继续上升,直至满足起飞成功条件。