The invention discloses a position and attitude estimation method of an unmanned aerial vehicle based on a lightweight visual odometer. Two-dimensional image information and three-dimensional coordinate information of space points in UAV's forward field of view environment are acquired by depth camera mounted on UAV. Preliminary matching point pairs are processed by improved SIFT feature matching algorithm. Mismatching points in candidate feature points are eliminated by random consistency algorithm and accurate matching is obtained. The precise matching point pairs are used to solve the UAV motion parameters, and then the position change and attitude angle of the UAV are obtained. The method of the invention reduces the equipment carried by the UAV and has a relatively low price. At the same time, the visual signal is stable, stable, and there is no cumulative error, which can improve the accuracy and robustness of UAV autonomous pose estimation.
【技术实现步骤摘要】
一种基于轻量级视觉里程计的无人机位姿估计方法
本专利技术涉及了一种无人机位姿估计方法，特别涉及了一种基于轻量级视觉里程计的无人机位姿估计方法。
技术介绍
近年来，无人机因其操作方便、结构稳定、无人驾驶以及机动灵活等优点，进而在目标跟踪与定位、航拍勘测、消防营救等领域得到了广泛的应用。显然，利用无人机进行目标跟踪与定位、无人机自主降落、无人机位姿控制等问题中，无人机位姿态的确定是必不可少的重要环节，也一直是一个无法回避的技术难题。目前，在传统无人机导航中，无人机依靠GPS和IMU进行自身位姿信息的获取。然而在很多环境中GPS信号容易出现缺失的情况，例如在室内，无人机便无法确定自己的位置信息。与此同时，IMU根据陀螺仪和加速度计的姿态变化，通过积分的方式获取位姿信息的。但是在实际应用中往往会产生累计误差，进而降低位姿估计的精度。
技术实现思路
为了解决现有技术的缺点与不足，本专利技术提供一种基于轻量级视觉里程计的无人机位姿估计方法。如图1所示，本专利技术的目的通过以下步骤的技术方案实现：1)通过安装在无人机上的深度相机对无人机前方视场环境进信息采集，获取无人机前方视场环境...
【技术保护点】
1.一种基于轻量级视觉里程计的无人机位姿估计方法，其特征在于：包括以下步骤：1)通过安装在无人机上的深度相机对无人机前方视场环境进信息采集，获取无人机前方视场环境中的空间点的二维图像信息和三维坐标信息；2)对步骤1)获取的二维图像信息，利用改进SIFT特征匹配算法，处理获得初步匹配的匹配点对；3)对步骤2)获取的初步匹配的特征点对，利用随机一致性算法(RANSAC)剔除候选特征点中的误匹配点，得到精确匹配的匹配点对；4)利用精确匹配的匹配点对求解无人机运动参数，进而求得无人机位置的变化量和姿态角。
【技术特征摘要】
1.一种基于轻量级视觉里程计的无人机位姿估计方法，其特征在于：包括以下步骤：1)通过安装在无人机上的深度相机对无人机前方视场环境进信息采集，获取无人机前方视场环境中的空间点的二维图像信息和三维坐标信息；2)对步骤1)获取的二维图像信息，利用改进SIFT特征匹配算法，处理获得初步匹配的匹配点对；3)对步骤2)获取的初步匹配的特征点对，利用随机一致性算法(RANSAC)剔除候选特征点中的误匹配点，得到精确匹配的匹配点对；4)利用精确匹配的匹配点对求解无人机运动参数，进而求得无人机位置的变化量和姿态角。2.根据权利要求1所述的一种基于轻量级视觉里程计的无人机位姿估计方法，其特征在于：所述步骤2)具体为：首先进行特征点检测；其次对获取的特征点进行二值化的特征点描述；以二值化的特征点描述对相邻两幅图像间的特征点进行粗匹配，获取初步匹配的匹配点对。3.根据权利要求1或2所述的一种基于轻量级视觉里程计的无人机位姿估计方法，其特征在于：所述步骤2)改进SIFT特征匹配算法具体包括以下步骤：2.1)进行特征点检测：由二维图像建立二维图像空间，接着由二维图像进行降采样处理后再和高斯核函数进行卷积处理获得不同图像尺寸的采样图像并构成高斯尺度空间，然后由高斯尺度空间中的每相邻两层采样图像作差得到不同的DoG尺度图像并构成了DoG尺度空间，在DoG尺度空间中检测极值点(Blob)作为特征点；且在针对DoG尺度空间中的每个像素点进行检测极值点时，每个像素点与同尺度的DoG尺度图像中的8个相邻像素点和上、下相邻尺度的DoG尺度图像中的各9像素点的共计26个像素点进行比较；2.2)对获取的特征点进行特征点描述得到特征点的梯度特征向量，将特征点的梯度特征向量进行二值化，获得二值化梯度特征向量，具体公式为：其中，a为二值化阈值，f表示特征点的梯度特征向量，f＝...
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。