一种用于城市峡谷环境导航的动态3D城市模型构建方法技术

本发明专利技术公开了一种用于城市峡谷环境导航的动态3D城市模型构建方法，包括静态精细化3D城市模型构建和基于视觉/GNSS/3D模型融合生成的位置信息对3D城市模型的动态优化两个步骤流程。本发通过实时获取的基于机载视觉信息/GNSS/3D地图在当前历元融合的结果，运用到视觉的回环检测步骤中，从而利用最终地图优化后的信息对城市3D模型数据库进行动态的更新。另外通过实时获取的基于机载视觉信息/GNSS/3D地图在当前历元融合的结果，运用到视觉的回环检测步骤中，从而利用最终地图优化后的信息对城市3D模型数据库进行动态的更新，不但提高了3D城市模型的精度，而且解决了传统3D城市模型信息的滞后性的问题，最终为城市环境的高精度定位提供重要的保障。度定位提供重要的保障。度定位提供重要的保障。

【技术实现步骤摘要】
一种用于城市峡谷环境导航的动态3D城市模型构建方法


[0001]本专利技术涉及一种用于城市峡谷环境导航的动态3D城市模型构建方法，属于卫星定位导航的


技术介绍

[0002]复杂的低空环境给无人机导航定位带来巨大的挑战，为满足城市峡谷中无人机定位的精度及可靠性；随着我国低空空域的逐步开放，低空无人机的应用将会实现井喷式的发展。全球卫星导航系统(GNSS)作为无人机导航最基础的传感器之一，可以在空旷环境下获得无人机连续、高精度的定位信息。但是基于GNSS信号城市峡谷环境下容易受到各种障碍物(诸如：建筑物、树木等的阻挡或反射)的影响导致了多路径干扰(MI)和非视距接收(NLOS)，严重影响了定位解算结果的精度及可靠性。
[0003]目前，在此领域内已展开了大量的研究，其中解决方法之一便是使用多源信息融合来提高系统的导航性能。这其中典型的方法之一便是采用GNSS与3D城市模型相结合从而输出最终结果的方法。Peyraud等人提出了一种基于3D地图辅助NLOS卫星的检测与排除的定位算法。文章假设已知3D城市地图，经过实验证明，在结合来自GNSS接收器的数据之前使用基于3D地图辅助NLOS检测和排除对于在密集的城市地区可以有效提高定位精度。Gu等人提出了一种结合视觉SLAM、GNSS传感器和惯性传感器进行定位的算法。该算法提出了利用GNSS卫星信号的反射来优化3D城市模型，实验表明该方法在城市峡谷环境下具有较好的精度。但是其优化3D城市模型的算法只涉及了3D城市模型的墙面与位置的优化，并未涉及诸如：建筑楼顶、边缘等细节方面的优化。Kumar等人提出了一种基于基于3D城市模型提高城市峡谷场景精度的GNSS定位方法。城市峡谷环境下的实验结果表明该方法在东向和北向的均方根误差均要优于10米。Hsu等人提出了一种基于3D城市模型融合射线追踪的GNSS定位方法。该方法通过二维地图结合高度信息建立了3D城市模型，并通过射线追踪的方法对GNSS伪距进行校正，实验结果表明，该方法在城市峡谷环境下的定位精度能达到5.1米左右。但是该方法所建立的3D城市模型较为粗糙，会对实验结果造成影响。因此使用3D城市模型可以成为支撑GNSS在城市定位的重要数据源，3D城市模型的精度直接影响着城市环境GNSS定位的精度。
[0004]视觉传感器作为一种低成本的传感器，在城市峡谷环境下，以其可以主动获取周围场景范围内的信息的优点，实现同步定位与建图(SLAM)等应用。主要的研究包括：Deng等人提出了一种将RTK
‑
GPS与基于激光雷达的SLAM相结合的定位方法。Schleicher等人提出了一种基于立体视觉的SLAM融合GPS的算法。此外其SLAM所使用的回环检测依赖于几乎在同一位置所拍摄图像的视觉外观。Liu等人提出了一种基于优化的视觉
‑
惯性SLAM的算法，将视觉SLAM与GNSS的原始测量进行紧耦合，采用滑动窗口捆绑平差的方法，对重投影误差、IMU预积分误差和原始GNSS测量误差进行联合优化。因此，视觉传感器可以和GNSS、IMU等多传感器融合从而提高城市复杂环境的定位精度，并且获得的实时高精度位置信息，可以为3D城市模型的动态更新提供位置和信息的补充。
[0005]术语解释：
[0006]GNSS
ꢀꢀ
全球导航卫星系统(Global Navigation Satellite System)
[0007]GPS
ꢀꢀ
全球定位系统(Global Positioning System)
[0008]IMU
ꢀꢀ
惯性测量元件(Inertial Measurement Unit)
[0009]LOS
ꢀꢀ
视距接收(Line
‑
Of
‑
Sight)
[0010]NLOS
ꢀꢀ
非视距接收(Non
‑
Line
‑
Of
‑
Sight)
[0011]ORB
ꢀꢀ
快速特征点提取与描述(Oriented FAST AndRotatedBRIEF)
[0012]SLAM
ꢀꢀ
同步定位与建图(Simultaneous Localization And Mapping)
[0013]BA
ꢀꢀꢀ
光束法平差(Bundle Adjustment)
[0014]UV
ꢀꢀꢀ
纹理贴图坐标
[0015]RTK
ꢀꢀ
实时动态(Real
‑
Time Kinematic)
[0016]BOW
ꢀꢀ
词袋模型(Bag
‑
Of
‑
Words Model)
[0017]MI
ꢀꢀ
多路径(Multipath)
[0018]现有技术中主要存在的问题如下：
[0019]3D城市模型作为城市峡谷环境的定位中的重要数据源，其质量影响着多源信息融合的结果。现有的用于3D城市模型的数据库多数较为粗糙，其中许多建筑、道路等细节处未涉及，较容易导致进行NLOS信号的误判或进行伪距修正时造成额外的误差。少部分3D城市模型是研究者从专业的测绘公司购买的，虽然这种3D城市模型具有较好的精度，但是综合成本较高。此外，上述3D城市模型还有一个缺点，就是其信息的滞后性。有的模型是早前一段时间构建的，同样的模型可能已经使用了好几年，但是城市却是处于不断地变化过程之中，故其缺乏及时、准确的信息更新的问题。

技术实现思路

[0020]本专利技术的技术目的在于是用于城市峡谷环境导航的动态3D城市模型构建，主要是提出了一种用于城市峡谷环境导航的动态3D城市模型构建及具体实施方法。
[0021]本专利技术设计了一种用于城市峡谷环境导航的动态3D城市模型构建方法，
[0022]一种用于城市峡谷环境导航的动态3D城市模型构建方法，包括静态精细化3D城市模型构建和基于视觉/GNSS/3D模型融合生成的位置信息对3D城市模型的动态优化两个步骤流程。具体实施方式如下：
[0023]S1.静态精细化3D城市模型构建
[0024]首先从初始的城市建筑道路数据库中获取建筑与道路相关的数据信息，包括：建筑物边界角点信息、道路边界角点信息、纹理信息、建筑与道路标识信息，并写入建筑物与道路的顶点信息。根据已有的建筑物角点和边长信息计算建筑物的中心坐标。利用建筑中心点确定位置并结合所获取的建筑物角点和深度信息建立建筑物的三维模型。计算建筑物的贴图重复，并去除重复的部分。接着从数据库中提取建筑物的纹理信息并计算其侧面和顶面的UV，然后将各纹理信息映射到模型各对应的平面中。构建初步的3D城市模型，接着便采用基于Delaunay三角剖分的分治法来对建筑物的边缘进行建模。通过递归地将点云的空间分割为若干小立方体，并分别通过Delaunay准则将小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于城市峡谷环境导航的动态3D城市模型构建方法，其特征在于：具体实施方式如下：S1.静态精细化3D城市模型构建；首先从初始的城市建筑道路数据库中获取建筑与道路相关的数据信息，并写入建筑物与道路的顶点信息；构建初步的3D城市模型，接着采用基于Delaunay三角剖分的分治法来对建筑物的边缘进行建模；通过递归地将点云的空间分割为若干小立方体，并分别通过Delaunay准则将小立方体点云内的点进行拼接来实现，最后将重建的结果重新拼接成一个整体；S2.基于视觉/GNSS/3D模型融合生成的位置信息对3D城市模型的动态优化；(1)GNSS质量控制处理模块根据初始位置确定候选点，调用所构建的3D城市模型中该点周围的数据，解算出所有信号对应的卫星的位置；与3D城市模型相结合，确定各卫星在3D城市模型中的位置；若卫星不可见或被遮挡，则将该卫星的信号判定为NLOS信号并将该卫星予以剔除，即不使用该卫星的信号进行定位解算；若卫星可见则将其信号判定为LOS信号并予以保存计算；(2)视觉处理模块1)拍摄及测距通过安装于无人机顶部的双目相机从两个角度对正前方的现实场景进行拍摄，对场景中物体进行测距；2)特征点选取针对标定完毕的双目相机获取连续的视觉图像，并将获取到的第一帧图像作为初始关键帧；将获取到的图像用ORB算法提取其中的特征点，首先使用FAST算法进行特征点的快速检测；对于图像上的一个像素点A，其灰度值为I
A
,将A与目标圆圈范围内的16个像素进行灰度值比较；在像素点分类完成后，若A点周围有8个以上的像素点其灰度值大于或小于A，则将点A判断为特征点；选用的算法首先选择候选点A周围每隔90度角的4个点进行计算，若至少有三个点的像素值与候选点的像素值差异足够大，则不再进行其他点的计算，直接将其判断为特征点；得到特征点后，接着使用BRIEF算法计算特征描述子；3)特征点的匹配当前后两帧的图像的特征点的描述子相似度大于90％时，认为这两个点为相同的特征点，即这两个点匹配成功；然后初始位置与姿态估计；若当前帧图像与上一帧图像的匹配失败了，则通过重定位部分进行继续跟踪；通过遍历之前的帧间匹配所得到的地图点搜索与当前帧具有共视关系的关键帧；将所得到的关键帧的子关键帧和父关键帧以及从关键帧中选择的与当前帧共视程度最高的10个关键帧都插入到局部关键帧中；选择与当前帧共视程度最高的关键帧作为参考关键帧；当完成了局部关键帧的更新后，接着更新局部地图点；清空原有的地图点，然后插入之前得到的局部关键帧中的地图点；接着进行局部地图点的匹配，标记当前帧中的地图点不参与之后的搜索；将得到的局部地图点投影到当前帧；判断局部地图点是否在当前帧的视野范围内；将经过筛选的地图点通过投影进行特征匹配；最后根据新的匹配点采用BA重新优化相机的位姿，从而实现了对相机位姿的优化；排除90％的点能够被至少三个关键帧所观察到的关键帧作为冗余的关键帧，并确定关键帧：
(3)动态融合和优化利用所构建的地图中的信息来优化所构建的3D建筑模型，根据所建立的点云地图信息及GNSS所提供位置的辅助，快速计算建筑物的轮廓、高度和边缘信息，并与已有3D城市模型的中的信息进行比对和优化；提取视觉模块所采集的建筑物图像中建筑物的纹理信息，并将其与已有3D城市模型中已有的纹理信息进行对比和优化；然后将提取出的优化信息作为初始信息导入到3D城市模型构建的步骤中，实现对3D城市模型的补充与优化；最后将得到的3D城市模型的数据信息存储到精细化3D城市模型数据库中以供后续使用。2.根据权利要求1所述的一种用于城市峡谷环境导航的动态3D城市模型构建方法，其特征在于：静态精细化3D城市模型构建方法还包括如下步骤：(1)读入点云数据，包含其空间坐标信息；(2)根据从小到大的顺序对坐标值顺序进行排列，并以坐标大小来对空间进行分割；以横坐标为主、纵坐标为辅，按升序排序将其分割成数个不相交的子集；(3)在每个子集内，按照Delaunay优化准则分别剖分，形成了多个局部网格模型；(4)根据每个子集所在坐标进行合并，主要依据其顶部与底部坐标；(5)通过递归算法，继续执行步骤2至步骤4，直到所有子节点处理完成；(6)将同建筑物模型上的三角剖分模型进行合并，得到最终的Delau...

【专利技术属性】
技术研发人员：刘菲，王志，吕人力，蒋磊，孙蕊，
申请(专利权)人：中国民航管理干部学院南京航空航天大学，
类型：发明
国别省市：