【技术实现步骤摘要】
本专利涉及无人机室内定位和导航，具体涉及一种基于多基站uwb和点线式视觉惯性的室内工厂无人机定位方法及系统。
技术介绍
1、随着无人机技术的不断发展，室内定位技术已成为其应用中的重要环节。相较于室外环境中已渐趋成熟的全球卫星定位导航系统如gps、北斗等，由于室内环境具有的复杂性和高动态性，导致室内定位技术面临许多挑战。因此在室内工厂环境下，面临更为复杂的环境，进一步加大了对无人机自身位置的精确定位的难度。
2、目前，室内无人机定位导航技术主要有激光雷达导航、视觉惯性导航、超声波导航、融合导航等。
3、(1)激光雷达导航，通过无人机顶部搭载的激光雷达扫描周围环境，获取地形地貌信息，再结合无人机的初始位置信息，通过比对计算得出无人机的实时位置。(2)视觉惯性导航，通过无人机上搭载的相机和imu获取图像和姿态信息，通过积分计算得出无人机的实时位置，融合相机数据，来优化无人机位姿，实现精准定位和导航。(3)超声波导航，通过无人机底部的超声波发射器和接收器来测量无人机与地面或其他物体之间的距离，从而确定无人机的位置。(4)融合导航，无人机同时搭载相机、imu和激光雷达，将视觉惯性与激光导航进行融合来实现组合导航。
4、当下的室内无人机定位导航技术依然存在一些问题亟待解决：
5、(1)使用视觉信息的定位导航，容易受到室内光照和环境纹理信息的影响，在一些光照环境复杂的高动态环境，系统的定位性能将急剧下降。
6、(2)使用imu信息的定位导航，由于imu传感器在长期运行的过程中会造成累
7、(3)使用超声波的定位导航，需要无人机能够与地面或其他物体接触，这限制了其在大多数场景下的使用。
8、因此，有必要开发一种基于多基站uwb和点线式视觉惯性的室内工厂无人机定位方法及系统，通过精确和具鲁棒性的互补信息来提高系统定位的精度和鲁棒性。
技术实现思路
1、本专利技术要解决的技术问题是，提供一种基于多基站uwb和点线式视觉惯性的室内工厂无人机定位方法，通过精确和具鲁棒性的互补信息来提高系统定位的精度和鲁棒性。
2、为了解决上述技术问题，本专利技术的技术方案为：该基于多基站uwb和点线式视觉惯性的室内工厂无人机定位方法，具体步骤为：
3、s1：布设uwb基站，设定无人机运动起始点，并测量uwb基站的位置同时传输至无人机系统进行坐标转换与初始化；
4、s2：通过无人机获取图像，对获得的原始图像进行灰度化处理，然后进行点特征和线特征的提取，之后再求出相邻关键帧之间的位姿，即相机位姿变换信息；
5、s3：通过无人机上搭载imu传感器进行预积分计算，即可获得相邻关键帧之间imu传感器的姿态信息；
6、s4：将步骤s2中获得的相机位姿变换信息与步骤s3得到的imu传感器姿态信息分别构建相机的重投影残差方程和imu的预积分残差方程，联合重投影残差方程和imu的预积分残差方程建立非线性优化问题，进行求解后得到视觉惯性位姿信息；
7、s5：通过无人机搭载的uwb传感器获得当前无人机在世界坐标系下的空间位置信息；
8、s6：通过无人机系统的融合算法后端获取当前时刻的视觉惯性位姿信息与uwb全局空间坐标信息，分别计算无人机的位姿转换残差与uwb位置残差，再联合位姿转换残差方程与uwb位置残差方程建立非线性优化方程，然后求解得到优化后无人机的全局位置信息。
9、采用上述技术方案，使用至少四基站的uwb定位技术，对至少四个基站的位置信息进行初始测量与设置，基站将自身的位置信息发送到无人机系统进行坐标转换与初始化，目的是为了统一坐标系；使用基于多基站的uwb室内定位技术来获取无人机的位置信息，其能够在复杂的室内工厂中提供一种较为鲁棒和精确的无人机定位信息；无人机使用单目相机获取图像；系统对图像进行灰度化；使用灰度化图像提取点特征和线特征，以此来选取关键帧；根据具有相同点线特征的不同关键帧，构建视觉重投影误差求出相机的位姿；使用预积分算法对imu传感器的三轴加速度和三轴角速度信息进行计算，求出无人机当前时刻的位置、速度和姿态；通过视觉重投影误差和imu预积分误差建立非线性优化方程进行对当前位姿的视觉惯性联合优化，优化方程的解是当前时刻无人机的位姿；多基站uwb定位系统通过tw-tof技术获得每一个基站相对于无人机的距离信息，通过四点定位法求出无人机的位置；同时提出一种基于非线性优化的松耦合融合算法框架，通过视觉惯性的相对位姿转换残差和uwb定位误差建立非线性优化方程对全局各个时刻的无人机位姿进行联合优化，通过高斯牛顿法或levenberg-marquardt法进行求解，最后得到无人机最佳的位姿估计；该方法相对于激光雷达方法与融合方法在具有鲁棒性和精确定位的基础上减小了系统构建成本；相对于超声波定位导航，该方法能够适用于更为一般的室内工厂环境；相对于视觉惯性，该方法能够在光照复杂和低纹理的环境下具有更好的鲁棒性和定位精度。
10、优选地，所述步骤s1中首先在定位场景中布设至少四个uwb基站，在无人机起始阶段使用uwb基站的超宽带定位系统，并设定无人机开始运动的起始点为世界坐标系原点，对每一个所述uwb基站的位置信息进行测量和设置，在测量出四基站在超宽带坐标系的各个空间位置之后，通过tw-tof算法测量出无人机上定位标签和各个基站之间的距离，通过四点定位法求出定位标签在超宽带坐标系下中的位置信息，最后通过空间坐标变换将基站坐标统一为世界坐标系下的坐标；具体步骤为：
11、s11：设四个基站的超宽带坐标分别为pa0、pa1、pa2、pa3，以四个基站中某一基站为超宽带坐标系原点，定义其坐标为pa0＝(0,0,0)；
12、s12：根据已定义的超宽带坐标系原点，依次测量出另三个超宽带基站的坐标，并配置到基站中，从而得到另三个超宽带基站的坐标，如式(1)所示：
13、
14、s13：根据tw-tof算法测量出初始时刻无人机上定位标签和各个基站之间的距离ri；再通过四点定位法求出定位标签的初始时刻在超宽带坐标系下的位置信息p0＝(x0,y0,z0)，从而得到式(2)：
15、
16、将式(2)转换为式(3)：
17、
18、再通过高斯-约旦消元法求解式即可得到定位标签在超宽带坐标系的坐标，将初始时刻的定位标签位置定义为世界坐标系的原点；
19、s14：最后通过坐标变换，将超宽带系统每一次定位的结果进行一个三维的平移，则能将超宽带坐标系计算的坐标统一为世界坐标系下的坐标；即假设t时刻超宽带系统测得无人机在超宽带坐标系下的坐标为pt＝(xt,yt,zt)，其在世界坐标系下的坐标，公式为ptw＝pt-p0＝(xt-x0,yt-y0,zt-z0) (4)。
20、优选地，所述步骤s2的具体步骤为：
2本文档来自技高网...
【技术保护点】
1.一种基于多基站UWB和点线式视觉惯性的室内工厂无人机定位方法，其特征在于，具体步骤为：
2.根据权利要求1所述的基于多基站UWB和点线式视觉惯性的室内工厂无人机定位方法，其特征在于，所述步骤S1中首先在定位场景中布设至少四个UWB基站，在无人机起始阶段使用UWB基站的超宽带定位系统，并设定无人机开始运动的起始点为世界坐标系原点，对每一个所述UWB基站的位置信息进行测量和设置，在测量出四基站在超宽带坐标系的各个空间位置之后，通过TW-TOF算法测量出无人机上定位标签和各个基站之间的距离，通过四点定位法求出定位标签在超宽带坐标系下中的位置信息，最后通过空间坐标变换将基站坐标统一为世界坐标系下的坐标；具体步骤为：
3.根据权利要求2所述的基于多基站UWB和点线式视觉惯性的室内工厂无人机定位方法，其特征在于，所述步骤S2的具体步骤为：
4.根据权利要求3所述的基于多基站UWB和点线式视觉惯性的室内工厂无人机定位方法，其特征在于，所述步骤S22中通过LSD线特征提取方法进行线特征的描述，通过LBD算法对提取到的线特征进行描述的具体步骤为：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。