一种基于标签辅助的桥梁检测无人机视觉导航方法技术

本发明专利技术公开了一种基于标签辅助的桥梁检测无人机视觉导航方法，沿无人机飞行路线，在待检测桥梁上间隔布设多个定位二维码标签；在无人机的飞行过程中，通过无人机上的相机持续观测待检测桥梁表面，当相机观测到定位二维码标签时，根据定位二维码标签查询对应的坐标值组合；根据坐标值组合确定定位二维码标签与相机之间的第一转换关系矩阵；结合第一转换关系矩阵、第二转换关系矩阵和坐标值组合解算无人机的第一位置信息；使用第一位置信息替代通过VIO获得的无人机的第二位置信息，继续进行无人机导航；本发明专利技术可以消除VIO算法产生的漂移误差，提升定位精度，减少后端优化的工作量。减少后端优化的工作量。减少后端优化的工作量。

【技术实现步骤摘要】
一种基于标签辅助的桥梁检测无人机视觉导航方法


[0001]本专利技术属于大跨度桥梁检测
，尤其涉及一种基于标签辅助的桥梁检测无人机视觉导航方法。

技术介绍

[0002]随着改革开放，国民经济飞速发展，我国桥梁数量剧增，桥梁的安全检测成为必须考虑的问题。当人工检测手段应用于高空、深水、宽幅、结构复杂的桥梁时，面临着检测难度大、效率低、盲区大、安全性等突出工程难题，桥梁检测的难点在于桥下不可达区域的检测。因此目前具有发展前景的方法是采用无人机进行桥梁检测。
[0003]目前，大部分无人机采取的导航技术是GPS卫星导航、惯性导航或者组合导航等。如捷联惯导、激光雷达与惯导融合等。对于桥梁检测而言，由于环境复杂，桥下区域信号微弱，不适合采取上述导航手段，主要是基于SLAM(Simultaneous localization and mapping，即时定位与地图重建)的视觉导航，为了弥补SLAM尺度不确定等缺陷，现在又在SLAM基础上加入了IMU(惯性导航传感器)，提升了鲁棒性，即目前主流的基于VIO(Visual
‑
inertial odometry，视觉惯性里程计)的导航方法。
[0004]VIO研究相对成熟，但是算法框架中包含卡尔曼滤波、预积分、高斯牛顿法等内容，导致算法复杂程度高，资源占用大。

技术实现思路

[0005]本专利技术的目的是提供一种基于标签辅助的桥梁检测无人机视觉导航方法，提升导航精度，降低计算量，提升大跨度桥梁检测效率。
[0006]本专利技术采用以下技术方案：一种基于标签辅助的桥梁检测无人机视觉导航方法，包括以下步骤：
[0007]沿无人机飞行路线，在待检测桥梁上间隔布设多个定位二维码标签；
[0008]在无人机的飞行过程中，通过无人机上的相机持续观测待检测桥梁表面，当相机观测到定位二维码标签时，根据定位二维码标签查询对应的坐标值组合；
[0009]根据坐标值组合确定定位二维码标签与相机之间的第一转换关系矩阵；
[0010]结合第一转换关系矩阵、第二转换关系矩阵和坐标值组合解算无人机的第一位置信息；其中，第二转换关系矩阵为无人机与相机之间的转换关系矩阵；
[0011]使用第一位置信息替代通过VIO获得的无人机的第二位置信息，继续进行无人机导航。
[0012]进一步的，在无人机起飞前，将多个定位二维码标签对应的坐标值组合存储至无人机的存储设备中；
[0013]其中，坐标值组合由定位二维码标签的四个角点的坐标值组成。
[0014]进一步的，根据坐标值组合确定定位二维码标签与相机之间的第一转换关系矩阵包括：
[0015]将坐标值组合带入预设的关系式中，可得八个方程；
[0016]关系式为：
[0017][0018]其中，f为相机的焦距；f
x
＝1/d
x
，d
x
为单位像素在图像坐标系中的u轴上的真实物理尺度；f
y
＝1/d
y
，d
y
为单位像素在图像坐标系中的v轴上的真实物理尺度；R3×3为世界坐标系到相机坐标系的旋转矩阵，(u0,v0)为图像坐标系中图像的中心点坐标；用(u,v)表示像素坐标下的点的坐标；用(x
w
,y
w
,z
w
)表示世界世界坐标系下点的坐标；用T3×1为世界坐标系到相机坐标系的平移矩阵，
[0019]结合八个方程求解旋转矩阵R3×3和平移矩阵T3×1；
[0020]结合旋转矩阵R3×3和平移矩阵T3×1得到第一转换关系矩阵其中，T1为第一转换关系矩阵。
[0021]进一步的，关系式通过以下方法得到：
[0022]确定图像坐标系到像素坐标系的转化关系及转化矩阵其中，(x,y)为图像坐标系中点的坐标；
[0023]确定相机坐标系到图像坐标系的转化矩阵其中，(x
c
,y
c
,z
c
)为相机坐标系中点的坐标，Z
c
为尺度变换因子；
[0024]确定世界坐标系到相机坐标系的转化矩阵
[0025]确定世界坐标系到像素坐标系的转化矩阵
[0026]展开并简化世界坐标系到像素坐标系的转化矩阵，得到关系式。
[0027]进一步的，展开并简化世界坐标系到像素坐标系的转化矩阵包括：
[0028]展开世界坐标系到像素坐标系的转化矩阵可得：
[0029][0030]简化展开后的世界坐标系到像素坐标系的转化矩阵可得：
[0031][0032]进一步的，相邻的两个定位二维码标签之间的距离为10～20m。
[0033]进一步的，定位二维码标签位长方形，其面积大小为0.1～0.3m2。
[0034]本专利技术的有益效果是：本专利技术给出了一种针对特定场景基于标签辅助修正VIO漂移误差的桥梁检测无人机导航方法，即在大跨度桥梁检测中，桥梁检测区域按照规定的方法布置标签，在标签可观测区域，通过将VIO解算数据和标签解算数据实时融合，可以消除VIO算法产生的漂移误差，从而提升位置数据的精度，提升定位精度，并减少后端优化(误差处理)的工作量。
附图说明
[0035]图1为本专利技术实施例一种基于标签辅助的桥梁检测无人机视觉导航方法的流程示意图；
[0036]图2为本专利技术实施例中各坐标系的转换关系示意图；
[0037]图3为本专利技术实施例中定位二维码标签及其角点坐标示意图；
[0038]图4为本专利技术实施例的应用场景示意图。
具体实施方式
[0039]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0040]本专利技术实施例公开了一种基于标签辅助的桥梁检测无人机视觉导航方法，如图1所示，包括以下步骤：
[0041]步骤S10、沿无人机飞行路线，在待检测桥梁上间隔布设多个定位二维码标签；步骤S20、在无人机的飞行过程中，通过无人机上的相机持续观测待检测桥梁表面，当相机观测到定位二维码标签时，根据定位二维码标签查询对应的坐标值组合；步骤S30、根据坐标值组合确定定位二维码标签与相机之间的第一转换关系矩阵；步骤S40、结合第一转换关系矩阵、第二转换关系矩阵和坐标值组合解算无人机的第一位置信息；其中，第二转换关系矩阵为无人机与相机之间的转换关系矩阵；步骤S50、使用第一位置信息替代通过VIO获得的
无人机的第二位置信息，继续进行无人机导航。
[0042]该方法是针对特定场景基于标签辅助修正VIO漂移误差的桥梁检测无人机导航方法，即在大跨度桥梁检测中，桥梁检测区域按照规定的方法布置标签，在标签可观测区域，通过将VIO解算数据和标签解算数据实时融合，可以消除VIO算法产生的漂移误差，从而提升位置数据的精度，提升定位精度，并减少后端优化(误差处理)的工作量。
[0043]如图4所示，本实施例的方法主要应用场景是桥梁检测中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标签辅助的桥梁检测无人机视觉导航方法，其特征在于，包括以下步骤：沿无人机飞行路线，在待检测桥梁上间隔布设多个定位二维码标签；在所述无人机的飞行过程中，通过所述无人机上的相机持续观测待检测桥梁表面，当所述相机观测到所述定位二维码标签时，根据所述定位二维码标签查询对应的坐标值组合；根据所述坐标值组合确定所述定位二维码标签与所述相机之间的第一转换关系矩阵；结合所述第一转换关系矩阵、第二转换关系矩阵和所述坐标值组合解算所述无人机的第一位置信息；其中，所述第二转换关系矩阵为所述无人机与所述相机之间的转换关系矩阵；使用所述第一位置信息替代通过VIO获得的无人机的第二位置信息，继续进行无人机导航。2.如权利要求1所述的一种基于标签辅助的桥梁检测无人机视觉导航方法，其特征在于，在所述无人机起飞前，将多个所述定位二维码标签对应的坐标值组合存储至所述无人机的存储设备中；其中，所述坐标值组合由所述定位二维码标签的四个角点的坐标值组成。3.如权利要求1所述的一种基于标签辅助的桥梁检测无人机视觉导航方法，其特征在于，根据所述坐标值组合确定所述定位二维码标签与所述相机之间的第一转换关系矩阵包括：将所述坐标值组合带入预设的关系式中，可得八个方程；所述关系式为：其中，f为所述相机的焦距；f
x
＝1/d，d
x
为单位像素在图像坐标系中的u轴上的真实物理尺度；f
y
＝1/d
y
，d
y
为单位像素在图像坐标系中的v轴上的真实物理尺度；R3×3为世界坐标系到相机坐标系的旋转矩阵，(u0,v0)为图像坐标系中图像的中心点坐标；用(u,v)表示像素...

【专利技术属性】
技术研发人员：张夷斋，杨奇磊，黄攀峰，张帆，刘正雄，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：