一种小型无人机视觉定位方法技术

本发明专利技术公开了一种小型无人机视觉定位方法，所述方法应用在无人机上，为无人机提供准确而可靠的定位，包括以下步骤：从多路摄像头中提取视觉特征点；使用深度滤波器对特征点进行深度融合，得到特征点的深度和方差；使用预积分技术对IMU数据进行预处理；使用IMU数据、视觉特征点对系统进行初始化；使用滑窗优化方式估计系统关键帧位姿，并利用特征点深度方差构建信息矩阵。本发明专利技术可通过提取无人机周围环境的视觉特征，实现复杂环境下的小型无人机视觉定位。

A visual positioning method for small UAV

【技术实现步骤摘要】
一种小型无人机视觉定位方法
本专利技术涉及视觉定位领域，具体涉及一种基于多相机的环视视觉定位方法，属于无人机自主导航与飞行控制等

技术介绍
可靠而准确的定位是无人系统实现运动控制、避障、路径规划以及抓取等各种复杂任务的基础。传统无人机为实现导航与定位功能，对GPS、IMU、磁罗盘等传感器有着较强的依赖性。在传统结构化、合作场景下，该定位方式尚可匹配无人机定位需求。然而，在丛林穿越等复杂场景下，GPS信号容易被遮挡和丢失，而IMU的漂移等特性也使得无人机的长时间定位存在风险。同时，磁罗盘等装置容易受到环境的电磁干扰。基于以上种种原因，无人机的飞行环境受到限制。随着无人机的任务场景越来越复杂，传统的定位手段面临了上述诸多挑战，随着计算机技术和人工智能科技的不断发展，基于视觉惯性传感器的导航系统成为了近年来的研究热点，其中最主要的一个研究领域是SLAM(SimultaneousLocalizationandMapping)。无人机利用激光雷达、相机、IMU等传感器感知环境信息进而实现无人机自身的位置姿态求解，同时对周围信息建模，生成本文档来自技高网...

【技术保护点】
1.一种小型无人机视觉定位方法，其特征在于包括如下步骤：/n步骤1：从多路摄像头中提取特征点/n从两路单目摄像头、两路双目摄像头中接收图像数据，输出视觉帧的特征点信息；/n步骤2：使用深度滤波器对特征点进行深度融合，得到特征点的深度和方差；/n步骤3：使用预积分技术对IMU数据进行预处理；/n步骤4：使用IMU数据、视觉特征点对系统进行初始化；/n步骤5：使用滑窗优化方式估计系统关键帧位姿。/n

【技术特征摘要】
1.一种小型无人机视觉定位方法，其特征在于包括如下步骤：
步骤1：从多路摄像头中提取特征点
从两路单目摄像头、两路双目摄像头中接收图像数据，输出视觉帧的特征点信息；
步骤2：使用深度滤波器对特征点进行深度融合，得到特征点的深度和方差；
步骤3：使用预积分技术对IMU数据进行预处理；
步骤4：使用IMU数据、视觉特征点对系统进行初始化；
步骤5：使用滑窗优化方式估计系统关键帧位姿。


2.根据权利要求1所述的小型无人机视觉定位方法，其特征在于所述的步骤1)具体为：
步骤1.1特征提取与跟踪
接收一帧新图像，用KLT算法跟踪前一帧的稀疏特征点，当最新帧跟踪的特征点小于规定值时，提取新的Shi-Tomasi角点，使得每一帧图像所对应的特征点数量都保持一定值；为了使角点不过于集中，采用极大值抑制算法对新特征点位置进行限制；最后，采用基于本质矩阵的RANSAC算法对特征点的误匹配进行消除；
步骤1.2关键帧判断
对当前帧图像中的特征点进行统计分析，从而判断当前帧是否作为关键帧，判断依据有两个：第一，如果新提取特征点数量超过一定阈值，则认为当前帧是新的关键帧；第二，如果旧特征点的平均像素移动距离超过一定的阈值，则认为当前帧是新的关键帧；如果以上两个条件都不满足，则认为该帧不是关键帧。


3.根据权利要求1所述的小型无人机视觉定位方法，其特征在于所述的步骤2)具体为：
步骤2.1：利用特征点首次观测帧与当前帧的位姿，使用三角测量方法，估算特征点深度，特征点深度满足下述方程组：，
s1x1Tx1-s2x1TRx2＝x1Tt
s1(Rx2)Tx1-s2(Rx2)TRx2＝(Rx2)Tt
其中x1,x2分别表示特征点在首次观测帧与当前帧中的归一化坐标，R表示帧间姿态的变换，t表示帧间位置的变换，s1,s2表示特征点在首次观测帧与当前帧中的深度，对该方程组中的深度值进行求解；
步骤2.2：求解特征点单次估计的深度方差
使用几何不确定度来对特征点深度方差进行估计，δp＝|||p||-||p′|||；
||p||表示特征点深度估计值，||p′||表示对特征点像素值进行一个像素的扰动后的新特征点深度估计值；δp即为深度的一个几何不确定度，也就是深度融合的一个测量值所对应的均方误差；
步骤2.3：将上一状态最优深度与当前测量深度融合
对于系统内所有特征点，用一个近似均匀高斯分布来描述特征点的深度分布，



其中，为以真值为中心的高斯分布，为测量方差，ρ表示为该测量值属于有效测量的概率，为均匀分布，dmin、dmax为其上下限；将真实的后验分布近似表达为由四个参数控制，分别为Z，σ，a，b；当新的测量值dk到来时，深度滤波器的更新做如下处理：
步骤2.3.1：计算深度融合初值：



Zold，分别表示上一次深度融合后深度均值与方差，Zest，分别表示当前观测所计算的深度均值与方差；
步骤2.3.2：计算权重系数c1:



aold，bold别表示上一次深度融合后均匀分布的左右边界，权重系数c1决定着新的观测深度值和方差对本次融合深度值和方差的加权比重；
步骤2.3.3：计算权重系数c2:



aest，best别表示当前观测所计算的均匀分布的左右边界；Zrange为场景的平均深度，权重系数c2由上一次融合后的Beta分布参数决定，控制由上一次融合后的深度得到的深度估计值对本次深度融合的加权比重；
步骤2.3.4：归一化系数c1,c2:



步骤2.3.5：计算系数f、e用于更新Beta分布的参数a、b:






步...

【专利技术属性】
技术研发人员：赵文杰，尹文财，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33