基于光流测速的视觉惯导组合导航方法技术

本发明专利技术涉及一种基于光流测速的视觉惯导组合导航方法，包括以下步骤：基于运动载体，构建各个坐标系，并通过视觉传感器采集运动载体的若干下视图像；基于获取的下视图像，进行光流解算，得到运动载体的运动信息，包括速度和位置；获取运动载体搭载的惯导模块的惯导信息；基于卡尔曼滤波器，将运动信息和惯导信息进行融合，得到精确的运动信息。本发明专利技术解决了纯惯导解算误差累积过快的问题，又改善了纯光流导航的姿态不敏感及光照条件要求苛刻的缺陷。陷。陷。

【技术实现步骤摘要】
基于光流测速的视觉惯导组合导航方法


[0001]本专利技术属于计算机视觉和组合导航
，具体涉及一种基于光流测速的视觉惯导组合导航方法。

技术介绍

[0002]近年来基于位置的服务逐渐在工业商用、个人消费等领域兴起，工业AGV小车、无人机等运动载体对于在各种环境下获取自身精确的空间位置的需求正变得更加迫切，尤其是在室内、城市楼宇以及野外森林等复杂环境下，卫星导航信号易受干扰，导致运动载体无法进行有效的测速和定位。因此，迫切需要一种便捷灵活、成本较低且仅依靠自身的导航方式。
[0003]惯导系统在导航过程中不与外界交换信息，也不向外界传输能量，是一种可以全天候进行导航的自主性导航系统。但是惯导系统本质上是采用积分运算的方式，在导航过程中随着时间的推移，误差会逐渐累积，长时间运行后会严重发散，需要利用其他导航信息进行误差修正。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于光流测速的视觉惯导组合导航方法，旨在解决上述问题。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]一种基于光流测速的视觉惯导组合导航方法，包括以下步骤：
[0007]步骤S1：基于运动载体，构建各个坐标系，并通过视觉传感器采集运动载体的若干下视图像；
[0008]步骤S2：基于获取的下视图像，进行光流解算，得到运动载体的运动信息，包括速度和位置；
[0009]步骤S3：获取运动载体搭载的惯导模块的惯导信息；
[0010]步骤S4：基于卡尔曼滤波器，将运动信息和惯导信息进行融合，得到精确的运动信息。
[0011]进一步的，所述坐标系包括：
[0012]图像坐标系oxy，该坐标系的原点位于图像左上角，x轴正向为原点水平向右，y轴正向为原点水平向下；
[0013]相机坐标系o
c
x
c
y
c
z
c
，该坐标系的原点位于镜头光心，x
c
轴与y
c
轴分别平行于图像坐标系的x轴和y轴，z
c
轴与相机光轴重合；
[0014]机体坐标系o
b
x
b
y
b
z
b
，该坐标系的原点位于载体质心位置，以载体纵轴向前方向为x
b
轴正向，以横轴向右方为y
b
轴正向，沿载体向下方向为z
b
轴正向；
[0015]导航坐标系o
n
x
n
y
n
z
n
，该坐标系的原点位于载体质心位置，x
n
轴正向为沿经度正北方向，y
n
轴为沿纬度正东方向，z
n
轴正向垂直于当地水平面向下。
[0016]进一步的，所述步骤S2，具体为：
[0017]①
将第一帧图像I0进行灰度变换得到灰度图，通过ORB特征点检测算法获取该帧图像包含的特征点像素坐标数据，特征点集记为P0；
[0018]②
将第一帧图像I1进行灰度变换得到灰度图，通过ORB特征点检测算法获取该帧图像包含的特征点像素坐标数据，特征点集记为P1；
[0019]③
将图像I0、I1和特征点集P0、P1作为输入，计算BRIEF描述子，进而用暴力匹配的方式将特征点集P0、P1中的特征点进行初步配对，得到特征点对集；
[0020]④
使用GMS算法，对上步所得出的特征点对集进行筛选，剔除掉错误的匹配点对，得到准确的图像特征点匹配信息；
[0021]⑤
计算筛选后剩余特征点对的坐标变化，将坐标变化值与相机的像素尺寸相乘即得到特征点在两帧图像间的移动距离；将计算出的特征点在坐标轴方向的移动距离除以两帧图像的时间间隔得到特征点在图像坐标系下的光流速度值[v
u v
v
]；
[0022]⑥
利用激光测距仪获取的高度数据，将图像坐标系下的光流速度转换到机体坐标系下，得到机体坐标系下的速度[v
bx v
by
]。
[0023]进一步的，所述卡尔曼滤波器，具体为：
[0024]卡尔曼滤波算法在离散域中的状态方程如下：
[0025]X
k
＝φ
k.k
‑1X
k
‑1+Γ
k.k
‑1W
k
‑1[0026]其中，根据误差模型，选取姿态角误差速度误差δV＝[δV
n δV
e δV
d
]T
以及位置误差δp＝[δL δλ δH]T
作为卡尔曼滤波器的状态变量，状态变量表示为：
[0027][0028]状态转移矩阵形式如下：
[0029][0030]其中f
b
为加速度计读数，Δt为时间间隔；
[0031]系统噪声矩阵形式如下：
[0032][0033]系统的噪声矩阵W
k
‑1设置为：
[0034]W
k
‑1＝[n
ωx n
ωy n
ωz n
ax n
ax n
ax
]T
[0035]其中，[n
ωx n
ωy n
ωz
]T
为陀螺仪的测量的白噪声，[n
ax n
ax n
ax
]T
为加速度测量的白噪声；
[0036]利用惯导信息建立状态更新模型，卡尔曼滤波算法在离散域中的量测方程如下：
[0037]Z
k
＝H
k
X
k
+V
k
[0038]其中H
k
为k时刻的观测矩阵，V
k
为k时刻的观测噪声。
[0039]以特征点在像素坐标系下的速度误差[δv
u δv
v
]T
为量测量：
[0040][0041]其中
[0042][0043][n
x n
y
]T
为量测噪声，f为相机焦距。
[0044]一种基于光流测速的视觉惯导组合导航系统，包括视觉传感器和导航终端；所述视觉传感器获取运动载体的运动图像，并传输至导航终端；所述导航终端收到视觉传感器传来的载体运动图像后，对采集的运动图像数据进行光流解算，得到载体的运动信息，并结合运动载体的惯导信息，基于卡尔曼滤波器得到精确的运动信息。
[0045]本专利技术与现有技术相比具有以下有益效果：
[0046]本专利技术使用GMS算法进行特征点对的误匹配剔除，将高匹配数量转换为高匹配质量，能够提高特征检测匹配的准确性和鲁棒性，进一步地能够提高光流解算的精度，是的导航精度提高。此外，光本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光流测速的视觉惯导组合导航方法，其特征在于，包括以下步骤：步骤S1:基于运动载体，构建各个坐标系，并通过视觉传感器采集运动载体的若干下视图像；步骤S2:基于获取的下视图像，进行光流解算，得到运动载体的运动信息，包括速度和位置；步骤S3:获取运动载体搭载的惯导模块的惯导信息；步骤S4：基于卡尔曼滤波器，将运动信息和惯导信息进行融合，得到精确的运动信息。2.根据权利要求1所述的基于光流测速的视觉惯导组合导航方法，其特征在于，所述坐标系包括：图像坐标系oxy，该坐标系的原点位于图像左上角，x轴正向为原点水平向右，y轴正向为原点水平向下；相机坐标系o
c
x
c
y
c
z
c
，该坐标系的原点位于镜头光心，x
c
轴与y
c
轴分别平行于图像坐标系的x轴和y轴，z
c
轴与相机光轴重合；机体坐标系o
b
x
b
y
b
z
b
，该坐标系的原点位于载体质心位置，以载体纵轴向前方向为x
b
轴正向，以横轴向右方为y
b
轴正向，沿载体向下方向为z
b
轴正向；导航坐标系o
n
x
n
y
n
z
n
，该坐标系的原点位于载体质心位置，x
n
轴正向为沿经度正北方向，y
n
轴为沿纬度正东方向，z
n
轴正向垂直于当地水平面向下。3.根据权利要求1所述的基于光流测速的视觉惯导组合导航方法，其特征在于，所述步骤S2，具体为：
①
将第一帧图像I0进行灰度变换得到灰度图，通过ORB特征点检测算法获取该帧图像包含的特征点像素坐标数据，特征点集记为P0；
②
将第一帧图像I1进行灰度变换得到灰度图，通过ORB特征点检测算法获取该帧图像包含的特征点像素坐标数据，特征点集记为P1；
③
将图像I0、I1和特征点集P0、P1作为输入，计算BRIEF描述子，进而用暴力匹配的方式将特征点集P0、P1中的特征点进行初步配对，得到特征点对集；
④
使用GMS算法，对上步所得出的特征点对集进行筛选，剔除掉错误的匹配点对，得到准确的图像特征点匹配信息；
⑤
计算筛选后剩余特征点对的坐标变化，将坐标变化值与相机的像素尺寸相乘即得到特征点在两帧图像间的移动距离；将计算出的特征点在坐标轴方向的移动距离除以两帧图像...

【专利技术属性】
技术研发人员：谢钰，李阳，黄峰，吴衔誉，吴靖，沈英，
申请(专利权)人：福州大学，
类型：发明
国别省市：