The invention provides an autonomous navigation method of unmanned aerial vehicle based on 3D visual SLAM, including: RGB D camera to obtain the color image and depth data of the environment around UAV; the unmanned aerial vehicle operation system extracts the feature points; the UAV airborne operation system determines whether it has enough feature points, if the number of feature points is large In 30, it indicates that it has enough feature points, then the UAV attitude calculation process is carried out, otherwise the repositioning is carried out, and the global optimization of the bundle set optimization method is used, and an incremental map is constructed. Only a RGB D camera is used to give the information of the UAV position and pose, reconstruct the three-dimensional map of the surrounding environment, avoid the complex process of solving the depth information of the single camera, solve the complexity and robustness of the matching algorithm in the binocular camera, and use the iterative nearest point method to combine the reprojection error algorithm to make the unmanned aerial vehicle pose estimation more Accurate positioning, navigation and autonomous flight of UAVs in indoor and other unknown environments, so as to avoid problems that can not be located when there is no GPS signal.
【技术实现步骤摘要】
基于三维视觉SLAM的无人机室内自主导航方法
本专利技术属于无人机室内定位导航
,尤其涉及一种基于三维视觉SLAM的无人机室内自主导航方法。
技术介绍
目前无人机定位的主流导航系统是GPS和惯性导航系统的组合导航系统,但在室内或无法使用GPS的未知环境下,这种方法无法使用。SLAM研究的问题就是机器人在未知环境移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上构造增量式地图,实现机器人的自主定位和导航。研究SLAM使用的传感器通常是激光和相机,激光定位较准确,但成本高,且无法识别丰富的特征,普通的相机,对光强敏感,无法在较弱光线下使用。通常基于图像特征点的无人机位姿估计只使用一种特征匹配方法,很容易出现特征丢失或位姿估计不准的问题。
技术实现思路
为解决上述技术问题,本专利技术提供一种基于三维视觉SLAM的无人机室内自主导航方法。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。本专利技术采用如下技术方案:在一些可选的实施例中,提供一种基于三维视觉SLAM的无人机室内自主导航方法,包括:RGB-D相机获取无人机周围环境的彩色图像和深度数据并在机器人软件平台(ROS,RobotOperatingSystem)上进行时间对齐的配准;无人机机载运算系统提取所述RGB-D相机获取的彩色图像中的特征点;所述无人机机载运算系统判断是否具有足够的所述特征点,若所述特征点的数量大于30,表示 ...
【技术保护点】
1.基于三维视觉SLAM的无人机室内自主导航方法,其特征在于,包括:RGB‑D相机获取无人机周围环境的彩色图像和深度数据并在ROS系统上进行时间对齐的配准;无人机机载运算系统提取所述RGB‑D相机获取的彩色图像中的特征点;所述无人机机载运算系统判断是否具有足够的所述特征点,若所述特征点的数量大于30,表示具有足够的特征点,则进行无人机姿态推算过程,否则进行重定位;所述无人机机载运算系统使用捆集优化方法全局优化通过所述无人机姿态推算过程获取的最优位姿和地图点,从而得到最佳位姿;所述无人机机载运算系统将自所述RGB‑D相机获取的三维稠密点云进行滤波,使用所述最佳位姿将三维点云变换到世界坐标系下进行拼接,再进行逐步叠加,构造增量式三维地图信息。
【技术特征摘要】
1.基于三维视觉SLAM的无人机室内自主导航方法,其特征在于,包括:RGB-D相机获取无人机周围环境的彩色图像和深度数据并在ROS系统上进行时间对齐的配准;无人机机载运算系统提取所述RGB-D相机获取的彩色图像中的特征点;所述无人机机载运算系统判断是否具有足够的所述特征点,若所述特征点的数量大于30,表示具有足够的特征点,则进行无人机姿态推算过程,否则进行重定位;所述无人机机载运算系统使用捆集优化方法全局优化通过所述无人机姿态推算过程获取的最优位姿和地图点,从而得到最佳位姿;所述无人机机载运算系统将自所述RGB-D相机获取的三维稠密点云进行滤波,使用所述最佳位姿将三维点云变换到世界坐标系下进行拼接,再进行逐步叠加,构造增量式三维地图信息。2.根据权利要求1所述的基于三维视觉SLAM的无人机室内自主导航方法,其特征在于,还包括:所述无人机机载运算系统发送位姿信息及路径规划信息至无人机飞行控制模块;无人机飞行控制模块依据所述位姿信息及路径规划信...
【专利技术属性】
技术研发人员:肖冉,王伟,杜浩,徐朝文,
申请(专利权)人:江苏中科院智能科学技术应用研究院,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。