梁磊，林浩冬，杨泳，王雨，徐开俊

（中国民用航空飞行学院，广汉618300）

0 引言

小型无人驾驶飞行器作为低成本工具被应用在各种场景中，例如交通监控、边境巡逻、搜索和救援以及监视。近年来，随着微型惯性传感器和航空电子设备新技术的发展，提高了无人机的各项功能。随着自动化和无人驾驶系统的应用不断增长，对精确性和鲁棒性的制导和导航系统的需求也不断增加。然而，在无人机自主着陆、障碍检测等领域的限制仍然阻止许多应用成为现实。由于激光雷达和微型雷达目前的局限性，微型相机的尺寸和低功耗限制使得计算机视觉成为小型无人机的合理选择，并且具有成本低廉的优点。计算机视觉系统旨在接管操作员的控制，起到了眼睛和大脑角色的作用。

在对于上述问题的研究过程当中，天空地面之间水平线的检测对无人机障碍物检测、自主着陆和导航系统都非常有利。对天地线检测的研究可以分为两大类，一是使用机器学习对天空和非天空区域建模的方法。二是依赖于边缘检测的方法，在天地线的检测方法上，机器学习方法，特别是深度学习[1]，已经带来了最先进的性能。但是，在图像包含未学习的特征或模式的情况下，达不到理想的效果。沃克曼等人[2]，采用深度卷积神经网络计算天地线。它采用实时特征推理的替代概率方法，在存在不规则特征的情况下有较高的鲁棒性，但是显著增加了执行时间。在文献[3]中，Orei⁃fej等人基于多个候选水平线的最大后验估计来检测天地线。……