无人机视觉定位(Matlab代码实现)

       目录

💥1 概述

📚2 运行结果

🎉3 参考文献

👨‍💻4 Matlab代码


💥1 概述

无论是追求认知的高级生命体、还是期望智能的机器人,都面临着定位问题;对于高级生命体,该问题过于庞大,从产业、社会、历史等维度皆可剖析;对于探求弱人工智能的机器人来说,定位问题的定义相对简单,即确定机器人本体在某种坐标系下的位姿和/或环境结构。为解决泛机器人的定位问题,通常会涉及多类传感器的使用。譬如,室外场景下常使用的GNSS(Global Navigation Satellite Syste, 全球导航卫星系统), 室内环境下使用的WiFi定位、超宽带定位、蓝牙定位等,水下场景中常使用的USBL(Ultra Short Base Line,超短基线)等声学基线定位。上述定位传感器方案,通常需要接收外部信号(譬如GNSS定位需要接收到至少4颗卫星的信号),且能够获得世界坐标系下的绝对位置。另外,还存在无需外界信号输入的传感器,譬如IMU(Inertial Measurement Unit,惯性测量单元)、激光雷达、摄像头、轮式里程计等,该类型方案无需接收外界信号、但无法获得世界坐标系下的绝对位置。实际应用场景中,通常会融合各类传感器,比如自动驾驶汽车会组合使用GNSS、激光雷达、摄像头、IMU等传感器。由于成本低、感知信息丰富,摄像头已经成为众多智能设备的标配,利用摄像头进行定位也在实际中得到广泛应用;本文后续对基于图像的视觉定位技术进行概述 。

将视觉技术用于定位可以追溯至上个世纪,但让视觉定位技术声名大噪、为公众熟知,估计是2003年美国宇航局发射的“机遇号”火星探测器。火星探测器登陆的火星属于未知环境的星球,在上面进行科学研究时,面对复杂的大规模环境,且无法对其进行实时遥控时,必须通过同步实现定位与地图创建才能完成导航任务,因此火星车上配置有视野较大、黑白的导航相机,且使用了大家熟知的SLAM(Simultaneous Localization And Mapping,同步定位与建图)技术。除了在科研军事领域有其相关应用外,视觉定位技术在当今的商业领域也有着广泛的应用。譬如,微软的混合现实头戴式显示器Hololens 2,特斯拉具有Autopilot智能辅助驾驶功能的Model Y系列汽车,荣获2020 5G全球应用大赛唯一金奖的华为河图,iRobot搭载摄像头、可实现高效全景导航的Roomba i7+系列扫地机器人,贝壳如视的VR看房系统,大疆科技的Mavic、精灵、FPV,零零无限的V-Coptr(图7)等系列消费级无人机。

📚2 运行结果

主函数部分代码:

%%视觉定位模块画图
a=csvread('data.csv');
fix_speed_x=a(:,1);%修正后X速度
fix_speed_y=a(:,2);
fix_dot_x=a(:,3);%修正后X坐标
fix_dot_y=a(:,4);
fix_dot_z=a(:,5);
laser_high=a(:,6);%激光测距高度


camera_h=1000.0;%
picture_L=877.0;%图片长%
picture_W=651.0;%图片宽%
D=20.0;%D是目标点实际的直径,单位mm%


unit_distance=(picture_W/120)*(laser_high/camera_h);
%  unit_distance=(picture_L/160)*(High/camera_h);
x_real=fix_dot_x.*unit_distance;
%x_real=fix_dot_x.*unit_distance/100;
y_real=fix_dot_y.*unit_distance;
%y_real=fix_dot_y.*unit_distance/100;
z_real = fix_dot_z/50.0*D;%单位m


figure(1);%%xy平面
plot(x_real,y_real);


figure(2);%%三维
plot3(2.50,2.73 ,21 ,'r*');
hold on;
plot3(x_real,y_real,laser_high);
plot3(2.3436,1.8228 ,16 ,'y*');
hold on;
title('视觉定位三维轨迹','fontname','宋体','Color','b','FontSize',20);
x1=xlabel('X轴');       
x2=ylabel('Y轴');        
x3=zlabel('Z轴');        
set(x1,'Rotation',30);    
set(x2,'Rotation',-30);   
set(x3,'Rotation',-30);
axis([-10 10 -10 20 0 30]);

🎉3 参考文献

[1]葛全益,钟涵海,侯冰,张晓龙,卢晓龙.基于SSD的轻量化无人机视觉定位算法[J].电子测试,2022(19):60-62.

部分理论引用网络文献,若有侵权联系博主删除。

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1.版本:matlab2014/2019a/2021a,内含运行结果,不会运行可私信 2.领域:智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,更多内容可点击博主头像 3.内容:标题所示,对于介绍可点击主页搜索博客 4.适合人群:本科,硕士等教研学习使用 5.博客介绍:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可si信 %% 开发者:Matlab科研助手 %% 更多咨询关注天天Matlab微信公众号 ### 团队长期从事下列领域算法的研究和改进: ### 1 智能优化算法及应用 **1.1 改进智能优化算法方面(单目标和多目标)** **1.2 生产调度方面** 1.2.1 装配线调度研究 1.2.2 车间调度研究 1.2.3 生产线平衡研究 1.2.4 水库梯度调度研究 **1.3 路径规划方面** 1.3.1 旅行商问题研究(TSP、TSPTW) 1.3.2 各类车辆路径规划问题研究(vrp、VRPTW、CVRP) 1.3.3 机器人路径规划问题研究 1.3.4 无人机三维路径规划问题研究 1.3.5 多式联运问题研究 1.3.6 无人机结合车辆路径配送 **1.4 三维装箱求解** **1.5 物流选址研究** 1.5.1 背包问题 1.5.2 物流选址 1.5.4 货位优化 ##### 1.6 电力系统优化研究 1.6.1 微电网优化 1.6.2 配电网系统优化 1.6.3 配电网重构 1.6.4 有序充电 1.6.5 储能双层优化调度 1.6.6 储能优化配置 ### 2 神经网络回归预测、时序预测、分类清单 **2.1 bp预测和分类** **2.2 lssvm预测和分类** **2.3 svm预测和分类** **2.4 cnn预测和分类** ##### 2.5 ELM预测和分类 ##### 2.6 KELM预测和分类 **2.7 ELMAN预测和分类** ##### 2.8 LSTM预测和分类 **2.9 RBF预测和分类** ##### 2.10 DBN预测和分类 ##### 2.11 FNN预测 ##### 2.12 DELM预测和分类 ##### 2.13 BIlstm预测和分类 ##### 2.14 宽度学习预测和分类 ##### 2.15 模糊小波神经网络预测和分类 ##### 2.16 GRU预测和分类 ### 3 图像处理算法 **3.1 图像识别** 3.1.1 车牌、交通标志识别(新能源、国内外、复杂环境下车牌) 3.1.2 发票、身份证、银行卡识别 3.1.3 人脸类别和表情识别 3.1.4 打靶识别 3.1.5 字符识别(字母、数字、手写体、汉字、验证码) 3.1.6 病灶识别 3.1.7 花朵、药材、水果蔬菜识别 3.1.8 指纹、手势、虹膜识别 3.1.9 路面状态和裂缝识别 3.1.10 行为识别 3.1.11 万用表和表盘识别 3.1.12 人民币识别 3.1.13 答题卡识别 **3.2 图像分割** **3.3 图像检测** 3.3.1 显著性检测 3.3.2 缺陷检测 3.3.3 疲劳检测 3.3.4 病害检测 3.3.5 火灾检测 3.3.6 行人检测 3.3.7 水果分级 **3.4 图像隐藏** **3.5 图像去噪** **3.6 图像融合** **3.7 图像配准** **3.8 图像增强** **3.9 图像压缩** ##### 3.10 图像重建 ### 4 信号处理算法 **4.1 信号识别** **4.2 信号检测** **4.3 信号嵌入和提取** **4.4 信号去噪** ##### 4.5 故障诊断 ##### 4.6 脑电信号 ##### 4.7 心电信号 ##### 4.8 肌电信号 ### 5 元胞自动机仿真 **5.1 模拟交通流** **5.2 模拟人群疏散** **5.3 模拟病毒扩散** **5.4 模拟晶体生长** ### 6 无线传感器网络 ##### 6.1 无线传感器定位(Dv-Hop定位优化、RSSI定位优化) ##### 6.2 无线传感器覆盖优化 ##### 6.3 无线传感器通信及优化(Leach协议优化) ##### 6.4 无人机通信中继优化(组播优化)
无人机路径规划是个复杂的问题,有多种算法可以实现。以下是一个简单的示例,使用遗传算法实现TSP问题的无人机路径规划。这个代码可以在MATLAB中运行,但是需要注意的是,这个示例没有考虑无人机的实际情况(例如速度,障碍物,传感器等),仅仅是为了演示基于优化理论的无人机路径规划。 ```matlab % 优化参数设置 nPop = 50; % 种群大小 nGen = 500; % 迭代次数 crossover = 0.8; % 交叉概率 mutation = 0.2; % 变异概率 % TSP问题的示例点 nPoints = 10; points = rand(nPoints,2); % 适应度函数计算 fitnessFunction = @(tour) -tourLength(tour,points); % 遗传算法优化 options = gaoptimset('PopulationSize',nPop,'Generations',nGen,... 'CrossoverFraction',crossover,'MutationFcn',{@mutationuniform,mutation},... 'StallGenLimit',100,'Display','iter'); [tour,~,~,~] = ga(fitnessFunction,nPoints,[],[],[],[],[],[],[],options); % 画出路径 figure; plot(points(:,1),points(:,2),'bo'); hold on; plot(points([tour, tour(1)],1),points([tour, tour(1)],2),'r','LineWidth',2); xlabel('x'); ylabel('y'); title(['Path Length: ', num2str(-fitnessFunction(tour))]); % 计算路径长度 function len = tourLength(tour,points) n = length(tour); len = 0; for i = 1:n-1 len = len + norm(points(tour(i+1),:)-points(tour(i),:)); end len = len + norm(points(tour(1),:)-points(tour(n),:)); end ``` 这个示例中,我们使用了一个简单的TSP问题,通过遗传算法来寻找最优路径。遗传算法是一种启发式算法,可以用来解决很多优化问题,但是在实际应用中需要根据具体情况选择不同的算法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值