一种基于单目视觉的无人机室内定位方法技术

本发明专利技术公开了一种基于单目视觉的无人机室内定位方法，属于计算机视觉技术领域，包括无人机位姿估计模块和建图模块，适用于室内GPS缺失环境下的无人机飞行轨迹跟踪与自定位，其主要思路为：通过无人机的机载摄像头拍摄的图像帧，利用视觉SLAM算法，实时地估计无人机机载相机的位姿，同时建立当前环境的一个稀疏点云地图。位姿估计部分：结合特征点法和直接法，先跟踪特征点，然后利用直接法根据关键点进行块匹配，估计相机位姿。建图部分：首先判断当前图像是否为关键帧，如是则对其进行特征提取，然后初始化一个深度滤波器进行特征点的深度估计。否则更新深度滤波器，然后判断该特征点的深度分布是否收敛，如是则将此特征的3D点加入地图集当中。3D点加入地图集当中。3D点加入地图集当中。

【技术实现步骤摘要】
一种基于单目视觉的无人机室内定位方法


[0001]本专利技术属于计算机视觉领域，具体设计一种室内无人机自定位方法。

技术介绍

[0002]近年来，无人机技术得到飞速发展。军事上，无人机的出现改变了现代战争的面貌。另一方面，以大疆等品牌为代表的无人机在民用领域也获得了前所未有的关注。
[0003]以民用消费级无人机为例，众所周知，无人机主要依赖以GPS为代表的全球定位系统实现自身定位的功能。但要想在室内等GPS信号缺失的地方进行定位则比较困难。另一方面，传统的室内定位技术主要采用蓝牙、WIFI、基站定位等多种方式融合成一套定位体系。但是该类方法受环境的影响比较大，而且往往需要部署多个设备，此外，这种方式只能得到远近信息，无法知道设备在空间中的姿态。
[0004]视觉SLAM为无人机在GPS信号缺失环境下的定位提供了一种解决方案，对实现无人机的自定位具有重要意义。主要分为两大功能：定位与建图。其中定位主要是根据相机输入的图像，计算无人机在当前环境下的位姿，从而得到在环境中的信息；建图的作用是建立周边环境与空间的对应关系。
专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单目视觉的无人机室内定位方法，其特征在于，包括：步骤1，利用相机的前两帧图像进行系统初始化；步骤2，基于步骤1中提取的相机前两帧图像，通过最小化这两张图像之间对应3D点的投影位置之间的光度误差，求出相对于前一帧图像的相机位姿；步骤3，通过步骤2中获取到的相机初始位姿，预测参考帧中的特征块在当前帧中的位置，由于噪声的存在，三维点和相机位姿估计与真实值之间存在一定的误差，解决办法是通过单独优化当前帧和之前关键帧中相应的特征块之间的光度误差来对特征块的预测位置进行优化；步骤4，利用步骤3中已经优化后的特征块预测位置，通过再次最小化两帧图像之间对应3D点的投影位置之间的光度误差，对相机位姿以及特征块位置进行优化，这里的优化项可以根据实际情况进行选择；步骤5，基于步骤1到步骤4，可以得到无人机机载相机的位姿变化，下面的任务是建图。首先将当前图像加入一个帧序列，然后判断当前帧是否符合系统的关键帧筛选条件，如是关键帧则进入步骤6，否则跳转至步骤8；步骤6，将当前关键帧进行FSAT特征提取，为了避免FAST角点出现“扎堆”的现象，采用非极大值抑制的方法，在一定区域内仅保留响应极大值的角点；步骤7，基于步骤6提取到的FAST特征点，初始化一个深度滤波器，初始值设置为当前关键帧中特征块对应的3D点的平均深度，然后采用极线搜索的方式确定匹配点；步骤8，在当前帧为非关键帧情况下，更新上一关键帧初始化的深度滤波器，并判断特征点是否已经收敛，如是，则将该特征点对应的3D点加入地图，用于后面的相机位姿估计。2.一种基于单目视觉的无人机室内定位方法，其特征在于，所述步骤1具体为：S1：图像刚进来的时候，就获取它的金字塔图像，5层，比例为2，构建图像金字塔的目的是通过进行不同层次的降采样进而获得不同分辨率的图像，解决了FSAT角点不具备尺度的弱点；S2：检测FAST特征点和边缘特征。如果图像中间的特征点数量超过50个，就把这张图像作...

【专利技术属性】
技术研发人员：聂伟，文怀志，周牧，谢良波，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：