基于改进型canny算子的跑道边缘检测与识别方法.docVIP

基于改进型canny算子的跑道边缘检测与识别方法 　　摘 要：文章介绍了一种基于改进型canny边缘检测算法的跑道边缘检测与识别方法，主要应用于无人机自主着陆视觉导航技术领域。本方法对拍摄的跑道图像进行采集，得到数字图像，进行预处理，对处理后的图像采用文章 　　引言 　　无人机的自主着陆导航指无人机机载的导航仪器和飞控系统进行定位导航并最终使无人机自主准确降落在指定着陆场的过程。要想实现自主着陆，无人机必须具备自主导航能力，因此高精度的自主着陆导航技术是无人机自主着陆的关键技术。迄今为止国内外关于无人机自主着陆导航关键技术的研究主要包括：GPS导航技术研究、惯性导航系统研究、GPS、惯导组合系统的研究以及视觉导航系统的研究。其中视觉导航技术是一种基于机器视觉的导航技术，该技术利用视觉传感器采集图像，计算机对采集到的图像进行图像处理，根据处理结果得到无人机的定位姿态参数，视觉传感器功耗低、体积小、安装简单方便，此外视觉导航还具有很高的隐蔽性。因此视觉导航技术应用于无人机的自主着陆，已成为无人机研究的一个重要领域。 　　基于机器视觉的跑道边缘检测方法流程图图1。 　　无人机自主着陆最关键的技术在于如何对着陆跑道进行精确的定位，并根据所识别出的着陆跑道和地平线进行精确的计算得到无人机的姿态角信息和相对跑道的位置，再根据角度位置信息引导无人机精确对准跑道，实现安全着陆。跑道的边缘检测、识别与定位隶属于机器视觉应用于目标识别，是整个自主导航过程中对目标识别的基础。跑道的长度一般在两千米到四千米之间，宽度一般在三十米到一百米之间。有时为特征明显，方便识别，设计为T字形，或十字形等。跑道信息反映在图像中边沿整齐、宽大而平直。根据跑道特点通常采用如下6条特征信息来描述跑道，其中的灰度特性两条，几何特性四条： 　　（1）跑道灰度值较高。（2）跑道表面灰度值相近。（3）跑道长度是限值。（4）跑道宽度是有限值。（5）跑道长度远大于跑道宽度。（6）有两条及以上跑道时，跑道之间相交或平行。 　　文章就是根据跑道的这6个特性设计了一种采用四阈值法对跑道边缘进行检测定位的改进型canny算法。 　　1 传统canny算法 　　图像边缘检测是基于边缘的像素点灰度较图像中其他点有显著变化，从信号研究的频域角度而言，这些像素点信息属于高频信号区域；图像边缘往往都是闭合的连线。Canny边缘检测算子一种基于最优化算法的边缘检测算子，也属于是先平滑后求导数的方法，Canny算子用如下三个判别标准来评判边缘检测性能的优劣：第一：要有好的信噪比，即误判率低，将非边缘点判定为边缘点或者将边缘点判为非边缘点的概率都要低；第二：定位要准确，即通过算法检测出的图像边缘点要尽可能在实际边缘的中心；第三：对单一边缘有且仅有唯一响应，即对单个边缘产生多个响应的概率要低，并且要最大程度的抑制对虚假边缘的响应。Canny算法因具有好的信噪比和高的检测精度，因此应用广泛。用传统canny边缘检测算子检测图像边缘的步骤如下： 　　（1）对图像进行平滑处理，常采用高斯滤波器。 　　（2）计算图像梯度的幅值并判定方向，经典canny算子常采用一阶偏导有限差分法。 　　（3）对步骤2中的梯度幅值进行非极大值抑制 。 　　（4）用双阈值算法检测跑道的边缘并对边缘进行连接。 　　基于以上四个步骤的传统经典型canny算法进行边缘检测数据处理量大，实时性也有待提高，最主要的缺点仍是采用传统方法检测边缘过程中易受干扰产生部分虚假边缘，检测边缘的精度不够高达不到单像素级。因此实际应用中仍存在一定局限。 　　2 文章改进型canny算法 　　文章针对此对传统的canny算法进行了改进，采用四阈值边缘检测定位方法对分割后的数字图像进行边缘检测，解决现有技术中用canny边缘检测方法检测图像边缘存在计算量大，实时性及精度较差的问题，对经过预处理完成图像分割后的数字图像进行图像平滑，经过改进的canny算子在很好的保持图像边缘灰度特性的基础上极大程度的去除噪声，且保证了图像边缘的清晰完整性。基于四阈值的改进型canny边缘检测方法解决了传统算子中双阈值方法难以合理选择上下限阈值的问题，可以删除长度较短或者强度较弱的伪边缘，并能保证边缘的连续性。具体流程图如图2所示。 　　具体实施方法如下： 　　步骤1：对拍摄的跑道图像进行采集，得到数字图像。 　　步骤2：对步骤1得到的数字图像进行预处理。其中图像预处理包括对图像进行灰度滤波去噪以及图像分割。 　　步骤3：采用文章提出的基于四阈值的改进的canny算子，对预处理分割后的数字图像进行边缘检测。具体过程为： 　　（1）采用K近邻均值滤波器代替高斯滤波器对步骤2得到的图像进行平滑处理。具体方法为：以待处理像素为中心，作一个