设计了一种以STM32单片机为控制核心的短距离高精度定位系统。系统通过识别定点位置的单一颜色块作为标识物来控制无人机不断飞到标识物上空,从而实现精准定位。本系统基于OV7670+STM32的结构开发,通过OV7670采集图像存储在FIFO中;STM32通过读取FIFO中的数据进行颜色识别与跟踪。实验结果表明,本系统识别准确率较高,定位精度较GPS定位提高了一个量级。对识别准确率的干扰，增强系统的鲁棒性。预处理完成后开始识别跟踪工作，每一帧图像识别完成后会返回识别标识物的中心点的宽度与高度。系统会对识别物体的宽度高度信息进行分辨，看是否符合设定的阈值，在一定程度上减少了环境的干扰。当系统确定识别到的物体就是标识物后，根据中心点坐标来判断无人机与标识物对象的位置，控制无人机不断向标识物上空飞行。图１系统结构图系统在控制无人机过程中参考遥控器接收机控制飞控过程无人机定位系统-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机，模拟接收机输出ＰＷＭ波，通过调节ＰＷＭ占空比来控制无人机的飞行姿态和油门大校考虑到本系统的精确定位作用，只需模拟接收机的前后、左右、油门三个通道的ＰＷＭ波形，即可实现无人机精准定位。２识别跟踪算法２．１降噪处理图像在形成过程中由于各种各样的因素会产生各种噪声污染（如椒盐噪声、高斯噪声、白噪声等），噪声的存在严重干扰了后续的图像处理工作。迄今为止，在图像去噪方面主要有两大类方法：频域滤波和空域滤波［７］。传统的滤波算法有高斯滤波、中值滤波（ＭＦ）、均值滤波等［８］。经过多次试验发现，本系统所产生的的噪声多为高斯噪声和椒盐噪声。高斯噪声是一种随机噪声，其概率密度函数为：中，文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.nameｚ表示灰度值，μ表示平均值或期望值，σ表示ｚ的标准差。标准差的平方σ２称为ｚ的方差。当服从上式分布时，其值有７０％落在［范围内，且有９５％落在中心点坐标在图像中所处的位置如图５所示，中间区域为设定中心点阈值，如中心点坐标处在中心点阈值内，则默认无人机处在标识物上空，即已完成定位；如果不在中心区域内，则根据所处的相对位置控制无人机向目标上空移动直至定位完成。图４程序流程图图５相对位置判断模拟图在实验过程中，通过对Ｈ、Ｌ、Ｓ的阈值设定，不仅实现了颜色识别与追踪，而且对Ｈ、Ｌ、Ｓ的阈值设定大小不同可识别的颜色也不同，图６显示了系统对蓝色和绿色目标物的识别效果，当识别到标识物时，系统会通过红框选出标识物的大致范围，并表示出中心点位置（红点所处区域）。图６不同颜色的系统识别效果图结语针对目前配送无人机定位精度不高的问题，设计了一种用以弥补ＧＰＳ定位精度的短距离定位系统。系统以为核心，配合外围电路解决了数据滤波、ＲＧＢ－ＨＬＳ格式转换、标识物识别跟踪等技术问题。控制部分模拟遥控器接收机ＰＷＭ信号，实现了系统的通用性，实现了即插即用的效果。实验结果表明，系统具有良好的实时性和鲁棒性，满足配送无人机高精度定位的要求，同时本系统也可以作为一种视觉跟随平台进行进一步的开发使用。参考文献［１］辛哲奎．基于视觉的小型无人直升机地面目标跟踪技术研无人机定位系统-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name