基于三维视觉SLAM的无人机室内自主导航方法技术

本发明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，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；无人机机载运算系统提取特征点；无人机机载运算系统判断是否具有足够的特征点，若特征点的数量大于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；使用捆集优化方法全局优化；构造增量式地图。仅使用一台RGB‑D相机给出无人机位姿信息，重建周围环境三维地图，避免单目相机求解深度信息的复杂过程，解决了双目相机中匹配算法的复杂度和鲁棒性问题；使用迭代最近点法结合重投影误差算法，使无人机位姿估计更加准确；使无人机在室内及其它未知环境下进行定位、导航和自主飞行，避免没有GPS信号时无法定位的问题。

Indoor autonomous navigation of UAV Based on 3D vision SLAM

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。在一些可选的实施例中，所述的基于三维视觉SLAM的无人机室内自主导航方法，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息控制无人机进行全自主飞行。在一些可选的实施例中，所述重定位的过程包括：将当前帧与所有候选关键帧进行匹配；当匹配点数大于15时重定位成功，则进行RANSAC迭代，RANSAC是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。在一些可选的实施例中，所述无人机姿态推算过程包括：使用迭代最近点法结合重投影误差方法进行两两帧间匹配，从而求得所述RGB-D相机的三维空间位置和姿态，同时提取关键帧图像中关键点作为地图点；使用通用图优化方法(G2O，GeneralGraphOptimization)把位姿和空间特征点构建成节点，将位姿变换后的点与变换前的点坐标的误差方程构建成边，将优化问题表达成位姿图，利用通用图优化方法中优化求解器来优化位姿和空间特征点，得到最优位姿和地图点；使用当前帧的位姿将相机坐标系下的当前帧变换到世界坐标系下时，与存储的候选帧进行比较，如果两帧位置信息和特征点的比较值收敛，则认为是同一个位置，闭合路径，更新里程计和三维点云地图。本专利技术所带来的有益效果：本专利技术仅使用一台RGB-D相机，给出无人机的位姿信息，重建出周围环境的三维地图，避免了单目相机中求解深度信息的复杂过程，解决了双目相机中匹配算法的复杂度和鲁棒性问题；使用迭代最近点法结合重投影误差方法算法，使无人机位姿的估计更加准确，并建立周围环境下小场景的特征丰富的三维地图；本专利技术使无人机在室内及其它未知环境下进行定位、导航和自主飞行，避免了没有GPS信号时无法定位的问题；使用更准确和更鲁棒性的位姿优化算法，使视觉导航定位适用于更多的如光线较暗的场景中。为了上述以及相关的目的，一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明某些示例性方面，并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显，所公开的实施例是要包括所有这些方面以及它们的等同。附图说明图1是本专利技术基于三维视觉SLAM的无人机室内自主导航方法的流程示意图。图2是本专利技术无人机SLAM的系统结构框图。具体实施方式以下描述和附图充分地示出本专利技术的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本专利技术的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。如图2所示，SLAM系统包括：无人机机载传感器系统1、无人机机载运算系统2及无人机机载飞行控制单元3。无人机机载传感器系统1的RGB-D相机用于获取无人机周围环境的彩色图像和深度数据。无人机机载运算系统2包括位姿估计、三维建图、回环检测和路径规划部分，这四个过程在无人机机载运算系统2上处理，无人机机载运算系统2是一个体量很轻的高性能电脑棒。无人机机载传感器系统2获取的位姿信息和路径规划发送到无人机机载飞行控制单元3中的无人机飞行控制模块指示无人机进行全自主飞行。本专利技术仅使用一台RGB-D相机作为无人机SLAM的传感器系统。RGB-D相机小型轻量，相对于单目相机可以提供三维点信息，相对于双目相机减少匹配算法的复杂度和提高了鲁棒性。如图1所示，在一些说明性的实施例中，针对小型无人机在室内或其它GPS无法使用的未知环境下，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，包括：101：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。102：无人机机载运算系统提取RGB-D相机获取的彩色图像中的特征点。103：无人机机载运算系统判断是否具有足够的特征点，若特征点的数量大于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。104：无人机姿态推算过程。105：重定位。106：无人机机载运算系统使用捆集优化方法（BA，BundleAdjustment）全局优化通过无人机姿态推算过程104获取的最优位姿和地图点，从而得到最佳位姿。当无人机机载运算系统启动时，初始位置设置为原点，从所有关键帧中求得的位姿及地图点建立一个局部初步地图，对建立的局部初步地图进行一次局部BA优化，删除冗余地图点。随着无人机的运动，G2O构建的位姿图也会越大，把无人机位姿和三维空间的地图点不断地添加到图中，最后对所添加的图进行全局BA优化，得到最佳的位姿和三维点云地图。107：构造增量式地图。无人机机载运算系统将自RGB-D相机获取的三维稠密点云进行滤波，使用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。提取关键帧的特征点作为地图点建立稀疏地图，对于关键帧加上关键帧的深度信息可以建立稠密的具有本文档来自技高网...

【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