一种基于多源视觉辅助的无人机自主导航方法与系统技术方案

本申请涉及无人机定位导航技术领域，具体涉及一种基于多源视觉辅助的无人机自主导航方法与系统。方法包括：获取无人机的地图匹配位置和惯性导航定位位置；构建扩展卡尔曼滤波方程；扩展卡尔曼滤波方程包括计算更新协方差矩阵和系统位置估计；以更新后的系统位置估计为圆心，更新协方差矩阵的位置对应项构建高斯椭圆；判断下一时刻解算得到的地图匹配位置结果是否在高斯椭圆内，若是，则根据下一时刻解算得到的地图匹配位置结果和下一时刻的惯性导航定位位置代入扩展卡尔曼滤波方程进行下一时刻系统位置估计，本发明专利技术具有导航参数连续输出、导航误差不随时间积累、在长航时复杂环境条件下具有良好的鲁棒性的优点。境条件下具有良好的鲁棒性的优点。境条件下具有良好的鲁棒性的优点。

【技术实现步骤摘要】
一种基于多源视觉辅助的无人机自主导航方法与系统


[0001]本申请涉及无人机定位导航
，特别是涉及一种基于多源视觉辅助的无人机自主导航方法与系统。

技术介绍

[0002]精确导航对跨昼夜、复杂飞行环境的无人机至关重要，当今的无人机仍然十分依赖全球导航卫星系统进行精确导航；可是，脆弱的卫星信号可能会受到干扰。为了实现复杂环境下的长航时无人机精确的自主导航，利用无人机自身携带的传感器与公开的离线遥感地图实现自主定位，对长航时无人机具有重要的意义和广泛的应用前景。
[0003]基于遥感地图同源景象匹配的无人机视觉导航定位技术，能够为无人机视觉定位提供可靠的地理位置参考，具有很强的稳定性和抗干扰能力，能够有效提高无人机长距离执行任务的自主导航能力。但依赖于图像匹配算法的准确性，容易受无人机飞行的环境复杂性影响。
[0004]基于滤波技术的卫星/惯性组合导航模型，以惯性导航系统和卫星导航系统输出的速度和位置信息的差值作为观测量，以惯性导航系统线性化的误差方程作为系统方程，通过扩展卡尔曼滤波对惯性导航系统的速度、位置、姿态以及传感器的误差进行最优估计，并对系统状态输出进行校正。该模型的计算量小，能够有效提高系统的导航精度，但是卫星信号易受干扰和欺骗，组合系统稳定性与鲁棒性不够。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种系统位置估计的精度高，导航参数连续输出、导航误差不随时间积累、在长航时复杂环境条件下具有良好的鲁棒性的基于多源视觉辅助的无人机自主导航方法、系统、计算机设备和存储介质。
[0006]一种基于多源视觉辅助的无人机自主导航方法，方法包括：获取无人机飞行区域的地图集以及无人机上机载多源相机拍摄的多源图像，将地图集与多源图像进行特征匹配，根据匹配关系解算出无人机的地图匹配位置；根据无人机机载惯性测量单元解算出无人机的惯性导航定位位置；以无人机的地图匹配位置与惯性导航定位位置差值作为惯性导航系统的观测量，以惯性导航定位位置的误差作为系统误差状态构建扩展卡尔曼滤波方程；扩展卡尔曼滤波方程包括计算更新协方差矩阵和系统位置估计；以更新后的系统位置估计为圆心，更新协方差矩阵的位置对应项构建高斯椭圆；判断下一时刻解算得到的地图匹配位置结果是否在高斯椭圆内，若是，则根据下一时刻解算得到的地图匹配位置结果和下一时刻的惯性导航定位位置代入扩展卡尔曼滤波方程进行下一时刻系统位置估计。
[0007]在其中一个实施例中，获取无人机飞行区域的地图集以及无人机上机载多源相机拍摄的多源图像，将地图集与多源图像进行特征匹配，根据匹配关系解算出无人机的地图
匹配位置包括：根据无人机飞行任务，获取无人机飞行区域的地图集并进行特征提取，建立地图集视觉特征的地图特征描述向量；对无人机上机载多源相机拍摄的多源图像进行多源图像融合生成多源相机融合图像，提取多源相机融合图像的特征，建立多源相机融合图像的相机特征描述向量；建立地图特征描述向量与相机特征描述向量的特征匹配对；根据特征匹配对的变换关系，在地图集上投影出无人机的位置获得无人机的地图匹配位置。
[0008]在其中一个实施例中，无人机上机载多源相机拍摄的多源图像进行多源图像融合生成多源相机融合图像包括：根据无人机的航向、高度与相机内参，对多源图像进行旋转缩放融合处理生成多源相机融合图像。
[0009]在其中一个实施例中，建立地图特征描述向量与相机特征描述向量的特征匹配对；根据特征匹配对的变换关系，在地图集上投影出无人机的位置获得无人机的地图匹配位置包括：利用特征匹配对的所有匹配点的斜率与欧式距离投票，对特征匹配对进行筛选，筛选过程包括：对每一个特征匹配对，计算特征匹配对中多源相机融合图像对应特征点到地图对应特征点的位置变化量；对每一个特征匹配对，初始化一个集合，用于记录位置变化量相似度小于阈值且位置变化斜率小于阈值的所有特征匹配对，称为内点对；在所有特征匹配对对应的集合中，筛选内点对最多的集合，若集合中的内点对的数量超过设定阈值则认为匹配成功，否则匹配失败。
[0010]在其中一个实施例中，根据无人机飞行任务，获取无人机飞行区域的地图集并进行特征提取，建立地图集视觉特征的地图特征描述向量包括：在对地图集并进行特征提取后，将地图集中每张地图的地理信息与地图对应特征点、地图特征描述向量建立索引关系。
[0011]在其中一个实施例中，根据特征匹配对的变换关系，在地图集上投影出无人机的位置获得无人机的地图匹配位置包括：选择匹配成功的内点对，计算单应性变换矩阵与点配准最小二乘估计以确定内点对变换关系，将多源相机融合图像中心点带入单应性变换矩阵与点配准最小二乘估计的两个变换矩阵内，得到多源相机融合图像在地图上的投影点，若两个投影结果距离小于阈值则以单应性变换结果的匹配定位结果作为地图匹配位置，若距离大于阈值则以点配准变换结果的匹配定位结果作为地图匹配位置。
[0012]在其中一个实施例中，根据无人机机载惯性测量单元解算出无人机的惯性导航定位位置包括：利用无人机机载惯性测量单元输出的测量值，进行纯惯性导航解算，求解无人机的位置、速度和姿态并获取无人机惯性导航定位位置。
[0013]一种基于多源视觉辅助的无人机自主导航系统，系统包括：地图匹配位置获取模块：地图匹配位置获取模块用于获取无人机飞行区域的地图
集以及无人机上机载多源相机拍摄的多源图像，将地图集与多源图像进行特征匹配，根据匹配关系解算出无人机的地图匹配位置；惯性导航定位位置获取模块：惯性导航定位位置获取模块根据无人机机载惯性测量单元解算出无人机的惯性导航定位位置；扩展卡尔曼滤波方程构建模块：扩展卡尔曼滤波方程构建模块以地图匹配位置获取模块获取的地图匹配位置结果与惯性导航定位位置获取模块获取的惯性导航定位位置差值作为惯性导航系统的观测量，以惯性导航定位位置获取获取的惯性导航定位位置的误差作为系统误差状态构建扩展卡尔曼滤波方程；扩展卡尔曼滤波方程包括计算更新协方差矩阵和系统位置估计；高斯椭圆构建模块：高斯椭圆构建模块以扩展卡尔曼滤波方程构建模块获得的更新后的系统位置估计为圆心，更新协方差矩阵的位置对应项构建高斯椭圆；系统位置估计模块：系统位置估计模块判断下一时刻地图匹配位置获取模块解算得到的地图匹配位置结果是否在高斯椭圆内，若是，则根据下一时刻地图匹配位置获取模块解算得到的地图匹配位置结果和下一时刻惯性导航定位位置获取模块获得的惯性导航定位位置代入扩展卡尔曼滤波方程构建模块构建的扩展卡尔曼滤波方程进行下一时刻系统位置估计。
[0014]一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述方法的步骤。
[0015]一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
[0016]上述基于多源视觉辅助的无人机自主导航方法、系统、计算机设备和存储介质，采用惯性/多源视觉组合导航算法对无人机位置进行连续系统位置估计，多源视觉组合包括机载多源相机所获取的多源图像与无人机获取的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源视觉辅助的无人机自主导航方法，其特征在于，所述方法包括：获取无人机飞行区域的地图集以及无人机上机载多源相机拍摄的多源图像，将地图集与多源图像进行特征匹配，根据匹配关系解算出无人机的地图匹配位置；根据无人机机载惯性测量单元解算出无人机的惯性导航定位位置；以无人机的所述地图匹配位置与所述惯性导航定位位置差值作为惯性导航系统的观测量，以所述惯性导航定位位置的误差作为系统误差状态构建扩展卡尔曼滤波方程；所述扩展卡尔曼滤波方程包括计算更新协方差矩阵和系统位置估计；以更新后的系统位置估计为圆心，所述更新协方差矩阵的位置对应项构建高斯椭圆；判断下一时刻解算得到的所述地图匹配位置结果是否在所述高斯椭圆内，若是，则根据下一时刻解算得到的所述地图匹配位置结果和下一时刻的惯性导航定位位置代入扩展卡尔曼滤波方程进行下一时刻系统位置估计。2.根据权利要求1所述的基于多源视觉辅助的无人机自主导航方法，其特征在于，所述获取无人机飞行区域的地图集以及无人机上机载多源相机拍摄的多源图像，将地图集与多源图像进行特征匹配，根据匹配关系解算出无人机的地图匹配位置包括：根据无人机飞行任务，获取无人机飞行区域的地图集并进行特征提取，建立地图集视觉特征的地图特征描述向量；对所述无人机上机载多源相机拍摄的多源图像进行多源图像融合生成多源相机融合图像，提取所述多源相机融合图像的特征，建立多源相机融合图像的相机特征描述向量；建立地图特征描述向量与相机特征描述向量的特征匹配对；根据特征匹配对的变换关系，在所述地图集上投影出无人机的位置获得无人机的地图匹配位置。3.根据权利要求2所述的基于多源视觉辅助的无人机自主导航方法，其特征在于，所述无人机上机载多源相机拍摄的多源图像进行多源图像融合生成多源相机融合图像包括：根据无人机的航向、高度与相机内参，对多源图像进行旋转缩放融合处理生成所述多源相机融合图像。4.根据权利要求3所述的基于多源视觉辅助的无人机自主导航方法，其特征在于，建立地图特征描述向量与相机特征描述向量的特征匹配对；根据特征匹配对的变换关系，在所述地图集上投影出无人机的位置获得无人机的地图匹配位置包括：利用特征匹配对的所有匹配点的斜率与欧式距离投票，对所述特征匹配对进行筛选，筛选过程包括：对每一个特征匹配对，计算特征匹配对中多源相机融合图像对应特征点到地图对应特征点的位置变化量；对每一个特征匹配对，初始化一个集合，用于记录位置变化量相似度小于阈值且位置变化斜率小于阈值的所有特征匹配对，称为内点对；在所有特征匹配对对应的集合中，筛选内点对最多的集合，若集合中的内点对的数量超过设定阈值则认为匹配成功，否则匹配失败。...

【专利技术属性】
技术研发人员：何晓峰，刘轲，毛军，屈豪，胡小平，张礼廉，陈昶昊，范晨，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：