一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法技术

本发明专利技术涉及一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，一种无人机在航路任意位置、无需已知图形、利用单目视觉传感器图像信息实时估计与校正硅MEMS陀螺误差的方法；在每个计算周期，单目视觉传感器获取的图像信息通过与上一帧图像信息的特征匹配，获取机体坐标系下无人机的姿态变化率；再采用硅MEMS陀螺三轴测量数据与通过图像信息获得的姿态变化率作为观测值进行Kalman滤波；依据Kalman滤波结果校正硅MEMS陀螺误差，更新导航数据和滤波器参数；进入下一计算周期。本发明专利技术可用于任何包含单目视觉传感器和硅MEMS陀螺的无人机导航系统中。

【技术实现步骤摘要】

本专利技术涉及一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，可用于任何包含单目视觉传感器和硅MEMS陀螺的无人机导航系统中。
技术介绍
MEMS陀螺仪是一类应用MEMS(MicroElectro-MechanicalSystem)技术制成的测量运动物体角速率的惯性测量单元，因其具有体积小、重量轻、成本低以及可靠性高等优点，从而推动捷联惯导系统的迅速发展，在无人机领域获得广泛的研究。但这类MEMS陀螺仪容易受自身材料、制造水平以及工作环境等一系列因素的影响，性能普遍不高。一般来讲，陀螺的误差主要分为确定性误差及随机误差，前者主要指由扰动(敏感物理模型中的参数变化)和环境敏感(敏感环境的干扰)引起的误差，后者主要指由不确定因素引起的随机漂移，其中确定性误差是捷联惯导系统最主要的误差源。因此捷联惯导在使用之前必须通过标定实验确定出MEMS陀螺仪的各项误差系数，以在捷联惯导系统中对其进行补偿。现阶段视觉导航是无人机导航的一种热门研究方向。部分无人机上安装有小型图像传感器，利用获取的图像信息计算无人机的速度信息或辅助旋翼自主悬停与降落。但是现阶段在无已知地标的情况下，关于利用机载图像传感器辅助计算无人机姿态信息的研究仍很少见。
技术实现思路
本专利技术的技术解决问题是：克服现有技术的不足，提供一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法。该方法以低成本硅MEMS陀螺和单目视觉传感器为测量器件，采用Kalman滤波信息融合的思路，实时估计校正硅MEMS陀螺误差，以提高全飞行过程中惯性导航和飞行控制系统的精度。本专利技术可用于任何包含单目视觉传感器和硅MEMS陀螺的无人机导航系统中。本专利技术的技术解决方案为：一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，以单目视觉传感器和低成本硅MEMS陀螺作为测量传感器；在将单目视觉传感器实时获取的当前帧图像与上一帧图像进行特征点匹配，将匹配成功的特征点组成特征点组，利用匹配成功的特征点组计算相邻时刻的姿态转换矩阵，从而获取机体坐标系下相邻时刻无人机姿态转换矩阵；通过硅MEMS陀螺的测量值计算相邻时刻的姿态转换矩阵，将通过MEMS陀螺计算得到的姿态转换矩阵与通过单目视觉传感器实时获取的姿态转换矩阵分别作为观测值进行Kalman滤波，估计硅MEMS陀螺误差；根据Kalman滤波结果校正硅MEMS陀螺误差，更新导航数据和滤波器参数；进行下一个重复计算周期。所述单目视觉传感器实时获取的当前帧图像与上一帧图像进行特征点匹配时，匹配过程为：分别提取两张图像的特征点(μ,ν)t-1,((μ,ν)t-1为上一时刻特征点在图像坐标系下的坐标值，(μ,ν)t为当前时刻特征点在图像坐标系下的坐标值)，利用RANSAC算法剔除误匹配点后，将匹配成功的特征点组成特征点组；如果匹配上的特征点组的个数大于等于3，则认为该次匹配成功，否则认为匹配失败。所述方法并不依赖于利用已知图形作为地标，且在特定地标上空确定无人机姿态，而是利用普通单目视觉传感器获取的当前帧图像，与上一帧图像进行特征匹配，可以在任意时刻、在航路任意位置利用图像信息实时估计并校正硅MEMS陀螺误差，提高全飞行过程中惯性导航和飞行控制系统的精度。通过硅MEMS陀螺测量值时，在每个计算周期内，利用硅MEMS陀螺提供的三维正交角速度测量数据，将上一时刻方向余弦矩阵定义为经过捷联导航算法更新得当前时刻方向余弦矩阵计算出相邻时刻的姿态转换矩阵所述Kalman滤波时，构建九维观测量Kalman滤波器模型，其中Z＝[Z1Z2Z3Z4Z5Z6Z7Z8Z9]T，表示惯导解算得来的阵，表示利用图像特征匹配计算得来的阵，九维观测量由与相减获得。所述方法在飞行过程期间始终迭代重复计算。以低成本、硅MEMS工艺陀螺和低成本单目视觉传感器为测量设备，满足无人机机载电子设备低功耗、小体积、轻质量的限制。本专利技术的原理是：硅MEMS陀螺在惯性测量单元独立工作，误差随时间快速积累，无法提供可信的航向姿态信息。本专利技术利用了单目视觉传感器实时解算姿态信息作为观测量，通过信息融合滤波器为惯性测量单元提供了误差抑制的途径。依据Kalman滤波结果校正惯性测量单元误差，更新导航数据和滤波器参数，提供无人机飞行过程中高精度导航信息。本专利技术与现有技术相比的优点在于：以低成本、硅MEMS工艺陀螺和低成本单目视觉传感器作为测量传感器，满足无人机机载电子设备低功耗、小体积、轻质量的限制。利用单目视觉图像信息实时估计校正陀螺误差，无需外界提供地标或已知图形等模板信息，摆脱了飞行时间与地点的限制。在飞行的过程中利用Kalman滤波器，在每个迭代计算步骤中估计陀螺误差，提高了单目视觉传感器和硅MEMS陀螺信息融合的精度，为无人机提供了可信有效的定姿信息，以提高全飞行过程中惯性导航和飞行控制系统的精度。本专利技术可用于任何包含单目视觉传感器和硅MEMS陀螺的无人机导航系统中。附图说明图1为本专利技术的基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法流程图。具体实施方式如图1所示，本专利技术的具体方法如下：一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，以普通单目视觉传感器和低成本硅MEMS陀螺作为测量传感器；在每个计算周期，硅MEMS陀螺经过捷联导航算法，参与更新当前无人机姿态和其他导航数据；根据单目视觉传感器实时获取的图像信息实时估计与校正陀螺误差的方法：将单目视觉传感器实时获取的当前帧图像与上一帧图像进行特征点匹配，获取机体坐标系下相邻时刻无人机姿态转换矩阵；通过硅MEMS陀螺的测量值计算相邻时刻的姿态转换矩阵，将通过陀螺与图像获取的姿态转换矩阵作为观测值进行Kalman滤波，估计硅MEMS陀螺误差；根据Kalman滤波结果校正硅MEMS陀螺误差，更新导航数据和滤波器参数；进行下一个重复计算周期。本专利技术所用到的坐标系有：机体坐标系(Σb)机体坐标系Ob-XbYbZb原点位于无人机质量中心,ObXb轴位于无人机参考平面内平行于机身轴线并指向无人机右方，ObYb轴垂直于无人机参考面并指向无人机前方，ObZb轴在参考面内垂直于XOY平面，指向无人机上方。图像坐标系(u,v)图像坐标系(u,v)原点为摄像机光心(投影中心)，x,y坐标(u,v)以像素为单位。摄像机坐标系(Σc)计算机坐标系Oc-XcYcZc原点为摄像机光心(投影中心)，OcXc轴和OcYc轴与成像平面坐标系的X轴和Y轴平行，OcZc轴为摄像机的光轴，和图像平面垂直。地理坐标系(∑n)地理坐标系On-XnYnZnOnXn轴当地指东，OnYn轴当地指北，OnZn轴指天。具体包括以下步骤：(1)利用单目视觉传感器获取的当前帧图像与上一帧图像进行特征点匹配，获取机体坐标系下无人机在两个时刻间的姿态转换矩阵。(2)利用硅MEMS陀螺获取三维角速度信息，经过捷联导航算法，实时获取机体坐标系下无人机在两个时刻间的姿态转换矩阵。(3)在每个计算周期，首先利用惯性测量单元提供的三维正交角速度和加速度测量数据，经过捷联导航算法，实时更新当前无人机姿态。(4)以图像测量信息与硅MEMS陀螺测量信息为观测量，构建九维观测量Kalman滤波器模型。(5)用Kalman滤波器状态变量估计值校正硅MEMS陀螺误差，提高导航精度。(6)上本文档来自技高网...

【技术保护点】
一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，其特征在于：以单目视觉传感器和低成本硅MEMS陀螺作为测量传感器；在将单目视觉传感器实时获取的当前帧图像与上一帧图像进行特征点匹配，将匹配成功的特征点组成特征点组，利用匹配成功的特征点组计算相邻时刻的姿态转换矩阵，从而获取机体坐标系下相邻时刻无人机姿态转换矩阵；通过硅MEMS陀螺的测量值计算相邻时刻的姿态转换矩阵，将通过MEMS陀螺计算得到的姿态转换矩阵与通过单目视觉传感器实时获取的姿态转换矩阵分别作为观测值进行Kalman滤波，估计硅MEMS陀螺误差；根据Kalman滤波结果校正硅MEMS陀螺误差，更新导航数据和滤波器参数；进行下一个重复计算周期。

【技术特征摘要】
1.一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，其特征在于：以单目视觉传感器和低成本硅MEMS陀螺作为测量传感器；在将单目视觉传感器实时获取的当前帧图像与上一帧图像进行特征点匹配，将匹配成功的特征点组成特征点组，利用匹配成功的特征点组计算相邻时刻的姿态转换矩阵，从而获取机体坐标系下相邻时刻无人机姿态转换矩阵；通过硅MEMS陀螺的测量值计算相邻时刻的姿态转换矩阵，将通过MEMS陀螺计算得到的姿态转换矩阵与通过单目视觉传感器实时获取的姿态转换矩阵分别作为观测值进行Kalman滤波，估计硅MEMS陀螺误差；根据Kalman滤波结果校正硅MEMS陀螺误差，更新导航数据和滤波器参数；进行下一个重复计算周期。2.根据权利要求1所述一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，其特征在于：所述单目视觉传感器实时获取的当前帧图像与上一帧图像进行特征点匹配时，匹配过程为：分别提取两张图像的特征点(μ,ν)t-1,(μ,ν)((μ,ν)t-1为上一时刻特征点在图像坐标系下的坐标值，(μ,ν)t为当前时刻特征点在图像坐标系下的坐标值)，利用RANSAC算法剔除误匹配点后，将匹配成功的特征点组成特征点组；如果匹配上的特征点组的个数大于等于3，则认为该次匹配成功，否则认为匹配失败。3.根据权利要求1所述一种基于单目视觉传感器的硅MEMS陀螺误差估计与校正方法，其...

【专利技术属性】
技术研发人员：杨百川，盛蔚，杨睿，
申请(专利权)人：杨百川，
类型：发明
国别省市：北京;11