基于视觉/惯导的无人机自主着陆方法技术

本发明专利技术提供了一种基于视觉/惯导的无人机自主着陆方法，首先利用视觉导航算法求解无人机位置及位姿；然后利用视觉导航求解的无人机位姿作为惯导的初始值，开始求解惯性导航参数；利用惯导相邻时间获取的参数剔除实时图像与参考图像SURF匹配的误匹配点对；最后利用无迹卡尔曼滤波组合导航参数，实时调整无人机位姿进行着陆引导。本发明专利技术可以提高视觉导航算法的实时性，使视觉系统保持长时间的高精度；解决了单一惯导的误差发散不可以单独使用的问题，在视觉导航解算失败的情况下也能提供载体的导航参数。

Automatic landing method for UAVs based on vision / INS

The invention provides a vision / inertial navigation for UAV Landing Based on the method of using visual navigation algorithm for UAV position and posture; and then use the visual navigation for UAV pose as the initial value of inertial navigation, inertial navigation to solving parameters; the error of the matching points by acquiring adjacent time ins the parameters from real-time image and reference image matching SURF; finally, the unscented filtering Calman navigation parameters, adjust the pose of UAV landing guidance. The invention can improve the real-time visual navigation algorithm, the visual system to maintain high precision long time; to solve the error divergence single ins can not alone use, can also provide the navigation parameter vector in the visual navigation solution in case of failure.

【技术实现步骤摘要】
基于视觉/惯导的无人机自主着陆方法
本专利技术涉及一种无人机自主着陆方法，属于组合导航领域。
技术介绍
视觉导航技术是利用数字图像处理技术，对机载图像传感器所获取的航拍图像进行处理和分析，最终得到无人机导航控制所需要的位姿参数的技术。图像处理的大信息量等特点使得无人机在视觉导航定位时实时性不能得到满足，因此需要一种快速实时图像匹配算法来解决这一问题。惯导技术是一种传统的不接收外来的无线电信号，也不向外部辐射能量的自主式导航技术。惯性导航设备具有全天候、全时空工作能力和很好的隐蔽性，能够提供短期高精度、高稳定性的导航参数。但是，惯性导航设备是一个时间积分系统，其误差随着时间迅速累积且垂直定位功能不好，不可以单独使用，因此需要通过引入另一种导航源对惯导长时间累积的误差进行修正。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种基于视觉/惯导的无人机自主着陆方法，通过视觉和惯性导航组合的方法来设计无人机自主着陆系统，利用惯性导航来快速剔除视觉导航图像匹配的误匹配点提高视觉导航的实时性，通过无迹卡尔曼滤波(UKF)的方式将视觉导航输出参数与惯导进行组合，用视觉来修正惯性导航误差，解决惯导随时间误差累积较大的问题。本专利技术解决其技术问题所采用的技术方案包括以下步骤：1)利用视觉导航算法求解无人机位置及位姿，步骤如下：1.1)利用无人机机载摄像头获取实时图像；1.2)判断获取的实时图像是否为第一帧图像，若是，转到步骤1.3)，否则转到步骤1.4)；1.3)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，利用RANSAC算法剔除SURF误匹配点对，获取正确的SURF匹配点对，转到步骤1.7)；1.4)判断实时图像帧数是否为设定的固定周期T的倍数，若是，转到步骤1.5)，否则转到步骤1.6)；1.5)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，转到步骤3)；1.6)利用LK光流法跟踪上一帧实时图像提取的SURF特征点；1.7)利用获取的SURF匹配点对进行无人机位姿解算；2)利用无人机位姿作为惯导的初始值，开始求解惯性导航参数，步骤如下：2.1)利用陀螺输出的角速度观测值，采用四元数法进行姿态更新，然后将更新后的四元数转换成姿态矩阵k表示上一时刻，k+1表示当前时刻，L为导航坐标系，b为载体坐标系；2.2)根据姿态矩阵中元素的值，计算载体的姿态，包括航向角、俯仰角、翻滚角；2.3)利用姿态矩阵，将加速度计输出的比力观测值fb由载体坐标系转换到导航坐标系，得到导航坐标系下的比例观测值2.4)有害加速度的补偿：对fL进行哥氏加速度修正和正常重力补偿，得到载体在地球表面的加速度a＝fL-(2ΩLie+ΩLel)vL+gL，其中，ΩLie为地球自转角速度三维分量构成的反对称阵，ΩLel为L系相对于地固系旋转角速度三维分量构成的反对称阵，vL为速度矢量，gL为地球重力矢量；2.5)利用加速度进行积分得到速度增量，得到当前时刻的速度vLk+1＝vLk+a.Δt；2.6)利用速度进行积分得到位置增量，进而得到当前时刻的位置3)利用惯导相邻时间获取的参数剔除实时图像与参考图像SURF匹配的误匹配点对，步骤如下：3.1)获取时刻t与时刻t+Δt的惯导参数；3.2)求取时刻t与时刻t+Δt之间的惯导参数变换；3.3)获取t时刻特征点在摄像头成像平面上的投影点坐标为Wt＝[u,v]T，其中，u、v表示投影点在图像坐标系中的坐标值；3.4)根据特征点匹配方法得到t+Δt时刻特征点在摄像头成像平面上的投影点坐标为Wt+Δt；3.3)获取视觉导航t时刻到t+Δt时刻投影点坐标变化D＝wt+Δt-wt＝[xi，yi]T；3.4)预测t+Δt时刻投影点坐标为时刻t到t+Δt之间飞行器航向变化，T为时刻t到t+Δt之间投影点平移向量；3.5)得到特征点坐标变化向量3.6)定义匹配误差3.7)误匹配点Pem＝{P(x,y)|ex＞dx,ey＞dy}，其中dx，dy分别为预先设定的匹配误差阈值；3.8)将误匹配点剔除；返回步骤1.7)；4)利用无迹卡尔曼滤波组合导航参数；5)利用获取的无人机参数实时调整无人机位姿进行着陆引导。本专利技术的有益效果是：(1)本专利技术利用惯性导航计算得到的位置和姿态来对视觉导航匹配算法中的误匹配点实现快速剔除，不仅可以提高视觉导航算法的实时性，而且可以使视觉系统保持长时间的高精度；(2)本专利技术采用视觉导航修正惯导，解决了单一惯导在导航着陆阶段，垂直定位功能较差，误差发散不可以单独使用的问题，且在视觉导航解算失败的情况下，组合系统则完全依靠惯性导航来提供载体的导航参数。附图说明图1是本专利技术步骤流程示意图；图2是惯导系统修正视觉导航系统原理图；图3是视觉导航修正惯导系统的原理图；图4是仿真验证系统程序流程图；图5是仿真结果图。具体实施方式下面结合附图和实施例对本专利技术进一步说明，本专利技术包括但不仅限于下述实施例。本专利技术的组合导航方法是按以下步骤1)至步骤4)的基础上循环运行：步骤1)利用视觉导航算法求解无人机位置及位姿包括1.1)～1.8)；1.1)利用无人机机载摄像头获取实时图像，转到步骤1.2)；1.2)判断获取的实时图像是否为第一帧图像，若是转到步骤1.3)，否则转到步骤1.4)；1.3)第一帧图像处理过程如下：1.3.1)对实时获取的图像进行预处理，提取实时图像的SURF特征点，转到步骤1.3.2)；1.3.2)将实时图像提取的SURF特征点与参考图像的SURF特征点进行SURF匹配，转到步骤1.3.3)；1.3.3)利用RANSAC算法剔除SURF误匹配点对，获取正确的SURF匹配点对，转到步骤1.8)，执行完后转到步骤2)；1.4)判断当前获取的实时图像帧数是否为T的倍数(T为预先设定的固定周期，本算法取T＝5)，若是转到步骤1.5)，否则转到步骤1.7)；1.5)对实时获取的图像进行预处理，提取实时图像的SURF特征点，转到步骤1.6)；1.6)将实时图像提取的SURF特征点与参考图像的SURF特征点进行SURF匹配，转到步骤3)，执行完后转到步骤1.8)；1.7)利用LK光流法跟踪上一帧实时图像提取的SURF特征点，转到步骤1.8)；1.8)利用获取的SURF匹配点对进行无人机位姿解算；步骤2)利用视觉导航求解的无人机位姿作为惯导的初始值开始求解惯性导航参数包括2.1)～2.6)顺序执行；2.1)姿态更新：利用陀螺输出的角速度观测值，采用四元数法进行姿态更新，然后将更新后的四元数转换成姿态矩阵，记为k表示上一时刻，k+1表示当前时刻，L为导航坐标系，b为载体坐标系；2.2)姿态提取：根据姿态矩阵中元素的值，计算载体的姿态，包括航向角、俯仰角、翻滚角；2.3)比力分解：利用姿态矩阵，将加速度计输出的比力观测值fb由载体坐标系转换到导航坐标系，2..4)有害加速度的补偿：对fL进行哥氏加速度修正和正常重力补偿，得到载体在地球表面的加速度，如下所示：a＝fL-(2ΩLie+ΩLel)vL+gL其中ΩLie为地球自转角速度三维分量构成的反对称阵，ΩLel为L系相对于地固系旋转角速度三维分量构成的反对称阵，vL为速度矢量，gL为地球重力矢量；2.5)积分求取速度；利用加本文档来自技高网...

【技术保护点】
一种基于视觉/惯导的无人机自主着陆方法，其特征在于包括下述步骤：1)利用视觉导航算法求解无人机位置及位姿，步骤如下：1.1)利用无人机机载摄像头获取实时图像；1.2)判断获取的实时图像是否为第一帧图像，若是，转到步骤1.3)，否则转到步骤1.4)；1.3)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，利用RANSAC算法剔除SURF误匹配点对，获取正确的SURF匹配点对，转到步骤1.7)；1.4)判断实时图像帧数是否为设定的固定周期T的倍数，若是，转到步骤1.5)，否则转到步骤1.6)；1.5)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，转到步骤3)；1.6)利用LK光流法跟踪上一帧实时图像提取的SURF特征点；1.7)利用获取的SURF匹配点对进行无人机位姿解算；2)利用无人机位姿作为惯导的初始值，开始求解惯性导航参数，步骤如下：2.1)利用陀螺输出的角速度观测值，采用四元数法进行姿态更新，然后将更新后的四元数转换成姿态矩阵

【技术特征摘要】
2015.12.20 CN 20151096366231.一种基于视觉/惯导的无人机自主着陆方法，其特征在于包括下述步骤：1)利用视觉导航算法求解无人机位置及位姿，步骤如下：1.1)利用无人机机载摄像头获取实时图像；1.2)判断获取的实时图像是否为第一帧图像，若是，转到步骤1.3)，否则转到步骤1.4)；1.3)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，利用RANSAC算法剔除SURF误匹配点对，获取正确的SURF匹配点对，转到步骤1.7)；1.4)判断实时图像帧数是否为设定的固定周期T的倍数，若是，转到步骤1.5)，否则转到步骤1.6)；1.5)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，转到步骤3)；1.6)利用LK光流法跟踪上一帧实时图像提取的SURF特征点；1.7)利用获取的SURF匹配点对进行无人机位姿解算；2)利用无人机位姿作为惯导的初始值，开始求解惯性导航参数，步骤如下：2.1)利用陀螺输出的角速度观测值，采用四元数法进行姿态更新，然后将更新后的四元数转换成姿态矩阵k表示上一时刻，k+1表示当前时刻，L为导航坐标系，b为载体坐标系；2.2)根据姿态矩阵中元素的值，计算载体的姿态，包括航向角、俯仰角、翻滚角；2.3)利用姿态矩阵，将加速度计输出的比力观测值fb由载体坐标系转换到导航坐标系，得到导航坐标系下的比例观测值2.4)有害加速度的补偿：对fL进行...

【专利技术属性】
技术研发人员：高嘉瑜，李江，武云云，陈佳，原彬，
申请(专利权)人：中国电子科技集团公司第二十研究所，
类型：发明
国别省市：陕西,61