一种未知环境下无人机视觉/惯性组合导航方法技术

本发明专利技术一种未知环境下无人机视觉／惯性组合导航方法，该方法涉及到图像处理、惯性导航计算和滤波估计，因此，在进行主要导航方法之前首先需要进行坐标系定义、坐标系对准和滤波方程建立等。在本发明专利技术中所述的导航过程主要包括：图像获取并对图像进行预处理；通过ＳＩＦＴ方法进行特征点提取；特征点匹配；滤波方程更新；对更新后的滤波方程进行滤波估计五步骤来实现。本发明专利技术只要求当前的地面图像而不需要特定的外部信息配合，因此，理论上可以在任何环境（包括水下、遮挡、峡谷、地下等）下使用；具有隐蔽性好，精度高的优点。

【技术实现步骤摘要】

本专利技术涉及导航
，具体来说是。
技术介绍
无人机导航是指无人机依赖机载的导航设备和飞行控制系统来进行定位和控制并最终完成飞行任务的技术，它是无人机研制的关键技术之一。在无人机导航中常用的方法包括遥控指挥、惯性导航系统(Inertial Navigation System，INS)、卫星导航、组合导航等。 目前也逐渐开展视觉导航系统的研究，但基本上都是以GPS卫星导航为主，其他几种导航方式为辅的方案。然而，由于无人机，特别是作战用小型无人机的应用电磁环境恶劣，遥控通讯链路难以维持，GPS信号也容易受到干扰而无法使用。为了提高无人机导航的适应性，经常采用的导航方法包括惯性导航、景象匹配导航等。 然而这些方法仍然存在一些问题。惯性导航虽然具有自主性好、抗干扰能力强等优点，然而，相对于无人机体积和载荷来讲，高精度的惯性导航系统体积庞大，重量和耗电量则远远超出了无人机的能力范围，同时，惯性导航系统还存在着误差累积等不足而难以单独应用，无法实现无人机的全自主导航。 景象匹配导航的原理是利用航天、航空等遥感手段获取飞行器规划路径下方的地物景象(基准图)并存储于机载计算机中；当携带相应传感器的飞行器飞过预定位置范围时，便即时测量出当地的地物景象(实时图)；将实时图和基准图在机载计算机中进行相关匹配即可以确定出当前飞行器的准确位置，然后把该位置参数送到惯导系统以修正惯导系统积累的误差，从而实现飞行器长时间的精确导航和制导。其特点是导航精度高，不存在INS中的误差累积问题，但是其缺点在于必须依赖于机载的匹配基准图才能对航空器进行导航定位，因此，其应用范围受到了较大的限制而不能称之为未知环境下的导航方法；同时，在景象匹配中如何对图像进行矫正和在巨大的图像数据库中进行图像匹配对无人机机载处理器也是一种考验。 本专利技术中提到的未知环境下的视觉导航技术是利用视觉传感器获得图像，并且通过图像处理方法得到无人机导航参数的一种方式，该方法所采用的传感器包括摄像头、惯性测量单元(IMU)等。视觉传感器具有轻便、低功耗、体积小等优点，十分适合在微小型无人机上使用，而本专利技术中所涉及到的IMU同样适用于无人机场合。此外，视觉导航作为自主导航的一种，工作在被动模式，不需要接收外部信号，因此具有隐蔽性好，抗干扰能力强等优点，将其与IMU相结合，可以同时克服单个摄像头无法得到景象深度信息、特征点匹配误差大，惯性导航系统存在误差累计问题等不足。目前基于视觉信息进行无人机导航是该领域研究的一个热点。 本专利技术与其他无人机应用中的视觉方法不同在于在当前已公开发表的资料中，计算机视觉方法在无人机中的应用主要集中于自主着陆、目标识别以及作为载荷等。自主着陆中视觉方法仅仅应用于飞行器的着陆阶段，无法应用于任务执行阶段，而任务执行阶段是飞行器应用的主要阶段，也是体现无人机价值的阶段，并且无人机视觉自主着陆方法要求已知着陆场信息，仍然属于半自主的导航方式；目标识别则需要实现已知该目标信息，从而可以采用视觉方法得到目标相对于飞行器的位置信息，对于占视觉主要成分的自然环境却无能为力；将视觉作为载荷应用于无人机则完全没有考虑到视觉图像中包含的丰富的导航信息。因此，虽然有将视觉方法应用于导航方面的研究，但是这些方法无一例外均要求已知环境信息或者需要设置人工参考信息等，无法实现真正意义上的“未知环境”下的导航应用。
技术实现思路
本专利技术提出，其目的是为了解决在未知环境下无人机的组合导航问题，它采用了计算机视觉方法，实现了在无人机执行任务过程中的抗干扰、全自主导航。该方法可在不依赖外部信息的情况下，只利用机载惯性导航系统、高度表、机载视觉系统等被动传感器和地面图像特征，为飞行器在任务执行过程中提供导航信息，该方法可以作为卫星导航等半自主导航方式的备份导航手段，并且还可以在干扰、遮挡情况下短时单独使用，从而提高飞行器的生存能力；也可以装载于有人飞机或者地面、水下机器人等载体上作为导航信息来源。 本专利技术，该方法涉及到图像处理、惯性导航计算和滤波估计，因此，在进行主要导航方法之前首先需要进行坐标系定义、坐标系对准和滤波方程建立等。坐标系定义是进行此类导航方法的前提，在理论分析中的导航方法是建立在一定的坐标系关系基础上的，但是在实际中由于安装误差和安装条件的限制，难以做到与理论情况完全相符。因此，IMU测量到的载体加速度和角速度值与从视觉系统中提取到的此参数并非完全相同；同时，二者坐标原点也并非完全重合而是存在一定的偏差，这些因素在实际实现过程中都需要予以考虑。 在本专利技术中所述的导航过程主要通过5步来实现 步骤一图像获取并对图像进行预处理； 图像获取是由摄像头在机载计算机控制下完成的，由于载体环境和所用设备条件限制，所采集到的图像质量难以保证，如果对摄像头输出图像直接进行处理难免会影响该方法的效果甚至无法进行导航，因此，需要对图像进行预处理。 本专利技术中采用的图像为灰度图像，为了满足视觉导航系统对处理速度和信息量的要求采用了中值滤波方法对图像进行预处理。 步骤二通过SIFT方法进行特征点提取； 视觉对惯性系统的约束主要体现在前后几帧图像中特征点坐标的变化上，因此，如何得到稳定的特征点成为该导航方法的首要问题，SIFT方法具有良好的稳定性、很高的匹配准确度，并且其特征点具有很好的分布特性，甚至在纹理不很明显的情况下也能得到充足的特征点。因此，SIFT方法在视觉导航中得到了广泛的应用。 SIFT方法进行特征点提取分为四步骤来实现 1)检测尺度空间极值点； 2)精确确定极值点位置；将位于边缘的极值点删掉，余下的则为SIFT特征点； 3)为每个特征点指定方向参数 4)特征点描述向量的生成。 步骤三特征点匹配； 为了得到特征点坐标变化关系，在进行特征点提取之后还需要对前后时刻的特征点对应关系进行匹配，这是决定该导航方法是否准确可靠最关键的一步。由于在第二步中已经得到了每个特征点对应的描述向量，因此，在此部分可以直接对前后两幅图像中的特征点进行匹配。 步骤四滤波方程更新 根据步骤三中特征点匹配结果可以将特征点分为三类，这三类特征点可以代表实际过程中所有可能出现的情况，分别采用不同的策略对滤波方程进行更新。 步骤五对更新后的滤波方程进行滤波估计； 经过第四步更新后的滤波方程已经包含了图像中特征点的所有运动信息，并且包含了惯性导航系统输出的惯性测量信息进行图像/惯性组合导航，即是对该方程进行滤波处理从而得到对无人机飞行状态的估计(位置、速度、姿态等)。然而，由以上方法建立的系统和观测方程为非线性方程，为了对其进行滤波处理必须采用非线性滤波方法，在本方案中采用了无迹卡尔曼滤波(UKF)方法。 本专利技术的优点在于 1)适应性广，该方法只要求当前的地面图像而不需要特定的外部信息配合，因此，理论上可以在任何环境(包括水下、遮挡、峡谷、地下等)下使用； 2)隐蔽性好，该方法不需要外部信息，也不需要向外部发出信息，因此，可以具有很好的保密性； 3)精度高，当应用于侦察、通讯中继等小范围场合时由于机载摄像头可以得到活动范围的全景图像，因此导航精度可以达到很高的程度。 附图说明 图1为本专利技术准备工作中坐标系定义示意图； 图2为本本文档来自技高网...

【技术保护点】
一种未知环境下无人机视觉／惯性组合导航方法，在进行导航过程之前首先进行坐标系定义及坐标轴对准工作，并建立系统运动状态方程及观测方程，其特征在于：该导航方法通过下列步骤来实现：　步骤一：图像获取并对图像进行预处理；　图像预处理指的 是对原始图像进行灰度矫正、去噪声处理，根据无人机机载视觉系统特点，采用灰度图像进行处理，通过公式：　Ｙ＝０．２９９Ｒ＋０．５９６Ｇ＋０．２１１Ｂ　（１）　将获取到的彩色图像转化为灰度图像Ｙ，式中ＲＧＢ分别表示图像中红、绿、蓝三 种颜色分量；　然后对图像信息进行滤波处理，一般情况下，图像中包含的噪声近似为高斯自噪声，采用中值滤波进行滤波处理，对图像的噪声进行抑制，通过邻域中亮度的中值代替图像的当前点；　步骤二：通过ＳＩＦＴ方法进行特征点提取；　视觉 对惯性系统的约束主要体现在图像特征点坐标上，通过ＳＩＦＴ方法对预处理的图像提取特征点；　步骤三：特征点匹配；　每一个ＳＩＦＴ特征点描述向量均代表了该特征点唯一的特征，对特征点进行匹配即对其特征点描述向量进行匹配；用１２８维的高维 度来对特征点进行描述，使得特征点描述符之间具有很大的差异性；用基于欧几里德距离的最近邻法作为衡量图像相似性的度量进行图像匹配；　步骤四：滤波方程更新　根据步骤三中特征点匹配结果将特征点分为三类：　Ａ、在前后两帧图像中均出现 并且成功匹配的特征点认为是匹配成功的特征点，对匹配成功的特征点进行处理即对该特征点对应的观测值进行更新；　首先在滤波观测向量ｚ中找到与该匹配特征点对应的分量，而后用当前时刻该特征点在摄像机坐标系中的像素坐标代替该分量，并且根据当前惯性 传感器输出重新建立滤波方程，滤波方程包括状态方程和观测方程；　Ｂ、仅在第一帧图像中出现，而在当前帧图像中无法找到与之对应的匹配特征点认为是跟踪丢失的特征点，对其进行删除；　由于滤波方程中各地标点之间互相独立，因此，删除地标点只需 要删除其对应的状态向量及在滤波方差阵中对应的行和列；　Ｃ、在当前帧图像中新出现的特征点认为是新的特征点，对其进行初始化；　步骤五：对更新后的滤波方程进行ＵＫＦ滤波估计；　首先通过选择一组权值不同、且能够代表随机状态变量统计 特性的ｓｉｇｍａ点；其次，将这些采样点代入非线性函数处理后，重构出新的统计特性；最后将得到的均值、方差和测量方程代入到Ｋａｌｍ...

【技术特征摘要】

【专利技术属性】
技术研发人员：范耀祖，徐超，沈晓蓉，张海，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]