一种基于地理底图的单目无人机绝对视觉匹配定位方案制造技术

本发明专利技术公开了一种基于地理底图的单目无人机绝对视觉匹配定位方案，该方法包括：构建无人机飞行区域的地理底图并进行特征提取，得到模板图像；获取机载相机照片并进行特征提取，得到待测目标图像；基于惯性测量单元对无人机进行运动约束，将模板图像与待测目标图像进行匹配，得到匹配区域；根据机载相机的输出和惯性测量单元的输出，构建视觉惯性里程计并获取无人机的局部位姿；利用扩展卡尔曼滤波算法，将匹配区域与无人机的局部位姿进行状态联合估计，得到无人机实时位姿。通过使用本发明专利技术，能够实现无人机在复杂环境下的精准定位。本发明专利技术作为一种基于地理底图的单目无人机绝对视觉匹配定位方案，可广泛应用于无人机视觉定位领域。领域。领域。

【技术实现步骤摘要】
一种基于地理底图的单目无人机绝对视觉匹配定位方案


[0001]本专利技术涉及无人机视觉定位领域，尤其涉及一种基于地理底图的单目无人机绝对视觉匹配定位方案。

技术介绍

[0002]无人机具有制造成本低、续航时间长、隐蔽性好、生命力强、不惧伤亡、起降简单、操作便捷、灵活机动等特点，适合在复杂和危险的环境下执行更加繁重的任务，因此在军事和民用领域都具有极为广阔的应用前景。随着无人机应用领域不断增多，对无人机的性能要求也是越来越严格，尤其是无人机的定位性能。对于无人机在多变的环境下执行任务，当前的定位与导航方案难以满足需求。目前，无人机定位与导航主要依赖于全球定位方案GNSS提供的位置信息，但GNSS信号较为微弱，易受到干扰。在遮挡严重的室外环境和室内环境， GNSS无法正常工作，不能提供稳定的速度和位置信息，将直接导致无人机无法正常飞行。这激发了在GNSS信号拒止环境下补充或替代卫星导航新方法的发展。
[0003]针对卫星定位方案拒止情况下的无人机定位问题，现有方法主要利用视觉图像与机载参考图进行场景匹配，获取无人机的绝对位置信息。但参考图像和无人机实时采集信息存在高度、时间和视角差异，图像中特征的对应关系会因这种差异被破坏，导致现有方法难以在现实复杂环境下完成无人机精确定位，需研究高可靠性的匹配方法以完成无人机现实复杂环境下的精确定位。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的是提供一种基于地理底图的单目无人机绝对视觉匹配定位方案，能够实现无人机在复杂环境下的精准定位。r/>[0005]一种基于地理底图的单目无人机绝对视觉匹配定位方案，包括以下步骤：
[0006]构建无人机飞行区域的地理底图并进行特征提取，得到模板图像；
[0007]获取机载相机照片并进行特征提取，得到待测目标图像；
[0008]基于惯性测量单元对无人机进行运动约束，将模板图像与待测目标图像进行匹配，得到匹配区域；
[0009]根据机载相机的输出和惯性测量单元的输出，构建视觉惯性里程计并获取无人机的局部位姿；
[0010]利用扩展卡尔曼滤波算法，将匹配区域与无人机的局部位姿进行状态联合估计，得到无人机实时位姿。
[0011]进一步，所述构建无人机飞行区域的地理底图并进行特征提取，得到模板图像这一步骤，具体包括：
[0012]根据无人机飞行区域的经纬度坐标、图像缩放等级和图像风格，选取下载源，获得图像瓦片；
[0013]将图像瓦片坐标进行统一和融合，获取坐标方案；
[0014]将坐标方案写入待处理模板的四个角点的世界坐标，得到地理底图；
[0015]对地理底图进行特征点提取并确定特征点方向，构建特征点描述，得到模板图像。
[0016]进一步，所述基于惯性测量单元对无人机进行运动约束，将模板图像与待测目标图像进行匹配，得到匹配区域这一步骤，具体包括：
[0017]基于惯性测量单元，利用误差状态卡尔曼滤波算法估计无人机的运动状态；
[0018]根据无人机的运动状态建立受约束的待测目标图像；
[0019]将受约束的待测目标图像与模板图像进行匹配，得到匹配区域。
[0020]进一步，所述基于惯性测量单元，利用误差状态卡尔曼滤波算法估计无人机的运动状态这一步骤，具体包括：
[0021]利用惯性测量单元，对无人机的名义状态进行积分更新；
[0022]利用误差状态卡尔曼滤波算法，对无人机的误差状态进行时间更新和量测更新；
[0023]将名义状态和误差状态进行合并，得到无人机的运动状态。
[0024]进一步，所述将受约束的待测目标图像与模板图像进行匹配，得到匹配区域这一步骤，具体包括：
[0025]采用欧氏距离，计算受约束的待测目标图像与模板图像任意两点间的欧氏距离；
[0026]根据欧氏距离和kd树的数据结构，剔除误差匹配点，得到同名点集；
[0027]根据同名点集，构建匹配区域。
[0028]进一步，所述扩展卡尔曼滤波算法方程表示如下：
[0029][0030]上式中，是误差协方差矩阵，Q
k
是过程噪声的协方差矩阵，T
k,k
‑1是无人机在关键帧k
‑
1 处到处k的状态转换矩阵，τ
k,k
‑1是T
k,k
‑1的伴随矩阵，是初始位姿估值，是无人机在关键帧k处二阶近似的误差协方差矩阵，R
k
是测量噪声的协方差矩阵，K
k
是卡尔曼增益，ln(
·
)
∨
和exp(
·
^)是SE(3)的运算符。
[0031]进一步，还包括对机载相机的输出和惯性测量单元的输出进行修正处理。
[0032]本专利技术方法及系统的有益效果是：本专利技术基于地理底图和机载相机，通过无人机飞行区域下的机载相机图片与地理底图进行匹配，得到匹配区域，实现了无人机的定位与地图测量更新，同时通过视觉惯性里程计估计无人机的局部位姿，将匹配区域与无人机的局部位姿进行状态联合估计，获得无人机实时位姿，提高定位精度。
附图说明
[0033]图1是本专利技术一种基于地理底图的单目无人机绝对视觉匹配定位方案的步骤流程图；
[0034]图2是本专利技术具体实施例模板图像地理配准的流程示意图；
[0035]图3是本专利技术具体实施例图像瓦片坐标转换的示意图；
[0036]图4是本专利技术具体实施例相机坐标转换的示意图；
[0037]图5是本专利技术具体实施例误差状态卡尔曼滤波的流程示意图；
[0038]图6是本专利技术具体实施例基于地理底图匹配区域的流程示意图；
[0039]图7是本专利技术具体实施例状态联合估计的流程示意图；
[0040]图8是本专利技术具体实施例提供的一种基于地理底图的单目无人机绝对视觉匹配定位系统的结构框图。
具体实施方式
[0041]下面结合附图和具体实施例对本专利技术做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0042]参照图1，本专利技术提供了一种基于地理底图的单目无人机绝对视觉匹配定位方案，该方案包括以下步骤：
[0043]S1、参照图2，构建无人机飞行区域的地理底图并进行特征提取，得到模板图像；
[0044]其中，无人机包括无人直升机、涵道式无人飞行器和旋翼式无人机中的一种或几种；使用相同的无人机视觉匹配定位方案和相同传感器组合时，定位性能在不同无人飞行设备上具有一致性。
[0045]S1.1、根据无人机飞行区域的经纬度坐标、图像缩放等级和图像风格，选取下载源，获得图像瓦片；无需耗费大量的人力和物力实现预先建立模板数据库，通过开源数据库(Google 影像和ArcGISTM)实时获取与更新；
...

【技术保护点】

【技术特征摘要】
1.一种基于地理底图的单目无人机绝对视觉匹配定位方案，其特征在于，包括以下步骤：构建无人机飞行区域的地理底图并进行特征提取，得到模板图像；获取机载相机照片并进行特征提取，得到待测目标图像；基于惯性测量单元对无人机进行运动约束，将模板图像与待测目标图像进行匹配，得到匹配区域；根据机载相机的输出和惯性测量单元的输出，构建视觉惯性里程计并获取无人机的局部位姿；利用扩展卡尔曼滤波算法，将匹配区域与无人机的局部位姿进行状态联合估计，得到无人机实时位姿。2.根据权利要求1所述一种基于地理底图的单目无人机绝对视觉匹配定位方案，其特征在于，所述构建无人机飞行区域的地理底图并进行特征提取，得到模板图像这一步骤，具体包括：根据无人机飞行区域的经纬度坐标、图像缩放等级和图像风格，选取下载源，获得图像瓦片；将图像瓦片坐标进行统一和融合，获取坐标方案；将坐标方案写入待处理模板的四个角点的世界坐标，得到地理底图；对地理底图进行特征点提取并确定特征点方向，构建特征点描述，得到模板图像。3.根据权利要求1所述一种基于地理底图的单目无人机绝对视觉匹配定位方案，其特征在于，所述基于惯性测量单元对无人机进行运动约束，将模板图像与待测目标图像进行匹配，得到匹配区域这一步骤，具体包括：基于惯性测量单元，利用误差状态卡尔曼滤波算法估计无人机的运动状态；根据无人机的运动状态建立受约束的待测目标图像；将受约束的待测目标图像与模板图像进行匹配，得到匹配区域。4.根据权利要求3所述一种基于地理底图的单目无人机绝对视觉匹配定位方案，其特征在于，所述基于惯性测量单元，利用误差状态卡尔曼滤波算法估计无人机的运动状态这...

【专利技术属性】
技术研发人员：杨雪榕，童鹏飞，张艳，王龙飞，李嘉轩，柳祥林，朱贞欣，
申请(专利权)人：中山大学，
类型：发明
国别省市：