【技术实现步骤摘要】
本专利技术属于定位导航，特别涉及一种基于惯性导航和视觉导航的无人机飞行状态预测方法。
技术介绍
1、森林草原资源是地球赖以生存的重要资源，使用无人机对森林草原资源的监测是保护资源的重要手段。传统导航只依靠惯性导航系统与gps组成组合惯导，但无人机处于草原或森林环境由于卫星遮挡或恶劣工作环境无法获得gps卫星信号等原因，导致无人机无法进行精准的导航；另一方面，无人机视觉导航具有更新频率低等问题。
技术实现思路
1、针对无gps情况下森林草原内精准导航，实现了对森林草原资源的保护，本专利技术提出一种基于惯性导航和视觉导航的无人机飞行状态预测方法，具体包括以下步骤：
2、在无人机上安装惯性传感器和视觉传感器，通过惯性传感器获取无人机的惯性姿态信息；
3、通过视觉传感器获取相邻两帧图像，并从相邻两帧图像中获取无人机的视觉姿态信息；
4、将获取的无人机的惯性姿态信息和视觉姿态信息转换到同一坐标系中；
5、将无人机当前的惯性姿态信息和视觉姿态信息输入卡尔曼滤波器进行滤波，卡尔曼滤波器预测下一时刻的飞行状态。
6、进一步的，通过视觉传感器获取相邻两帧图像，并从相邻两帧图像中获取无人机的视觉姿态信息的过程包括：
7、采集至少5组特征点对，每组特征点对为同一特征点在相邻两帧图像中位置；
8、构建两帧图像之间的位置转换关系，并通过当前两帧图像中至少5组特征点求解得到当前同一特征点在相邻两帧之间的转换矩阵；
10、将当前根据惯性传感器获得的位置信息和姿态信息以及视觉传感器获得的位置信息和姿态信息输入卡尔曼滤波器，预测下一时刻无人机飞行状态。
11、进一步的，两帧图像之间的位置转换关系表示为：
12、
13、
14、其中，表示地理坐标系下一个特征点在第i帧的位置，h为同一特征点在相邻两帧图像中的转换矩阵，hij表示转换矩阵中第i行第j列的值，i、j∈{1,2,3}；c为旋转矩阵，表示为cij表示转换矩阵中第i行第j列的值，i、j∈{1,2,3}；t为平移矩阵，表示为ti表示平移矩阵中第i行的值，i∈{1,2,3}。
15、进一步的，根据当前同一特征点在相邻两帧之间的转换矩阵求解得到当前时刻无人机的视觉姿态信息包括：
16、
17、γ＝arctan(-c12/cosθ,c22/cosθ)
18、ψ＝arctan(-c13/cosθ,c11/cosθ)
19、其中，θ、γ、ψ为当前无人机的视觉姿态信息，即θ为当前无人机的视觉姿态信息中的横滚角，γ为当前无人机的视觉姿态信息中的偏航角，ψ为当前无人机的视觉姿态信息中的俯仰角。
20、进一步的，将获取的无人机的惯性姿态信息和视觉姿态信息转换到同一坐标系中，其中无人机的惯性姿态信息在地面坐标系中，将无人机的视觉姿态信息也变换到地面坐标系中，变换过程包括：
21、根据无人机与视觉传感器之间的质心距离关系，将无人机坐标系的原点投影到视觉坐标系中；
22、根据视觉传感器的内部参数，将视觉坐标系中的位置转换到图像坐标系中的位置，根据图像坐标系中的参数信息计算视觉传感器的姿态信息；
23、将图像坐标系中的位置根据转换矩阵投影到地面坐标系中。
24、进一步的，将视觉坐标系上的一点(xc,yc,zc)转换到图像坐标系上得到(xp,yp,1)的过程包括：
25、
26、其中，fx、fy、u0、v0为视觉传感器的内参，通过标定获得。
27、进一步的，将图像坐标系中一点的位置(xc,yc,zc)根据转换矩阵投影到地面坐标系中得到位置(xw,yw,zw)，该过程包括：
28、
29、其中，r为旋转矩阵，t为平移矩阵。
30、进一步的，将当前根据惯性传感器获得的位置信息和姿态信息以及视觉传感器获得的位置信息和姿态信息输入卡尔曼滤波器，预测下一时刻无人机飞行状态的过程包括：
31、
32、
33、
34、
35、
36、其中，为k+1时刻的无人机位置预测值；mk,k+1为k时刻到k+1时刻的状态变换矩阵，表示mk,k+1的转置；为k时刻的无人机位置分析向量，至少由当前视觉传感器获得的位置信息、姿态信息和惯性传感器获得的位置信息、姿态信息组成；为k+1时刻的预测值的误差协方差矩阵；为k时刻的无人机位置分析值误差协方差矩阵；qk为驱动模型的误差方差矩阵；kk+1为k+1时刻的增益矩阵；为k+1时刻无人机位置的观测值，由视觉传感器通过坐标转换得到的无人机位置；hk+1为观测算子。
37、本专利技术采用立体相机等视觉传感器组成惯导\视觉导航系统，较好地解决了由于gps“丢星”所造成的影响，实现了精准导航的多样性、实用性和高精度性，为无人机导航在恶劣环境下提供技术支持。
本文档来自技高网...【技术保护点】
1.一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，通过视觉传感器获取相邻两帧图像，并从相邻两帧图像中获取无人机的视觉姿态信息的过程包括：
3.根据权利要求2所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，两帧图像之间的位置转换关系表示为：
4.根据权利要求3所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，根据当前同一特征点在相邻两帧之间的转换矩阵求解得到当前时刻无人机的视觉姿态信息包括：
5.根据权利要求1所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，将获取的无人机的惯性姿态信息和视觉姿态信息转换到同一坐标系中，其中无人机的惯性姿态信息在地面坐标系中，将无人机的视觉姿态信息也变换到地面坐标系中，变换过程包括：
6.根据权利要求5所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，将视觉坐标系上的一点(XC,YC,
7.根据权利要求5所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，将图像坐标系中一点的位置(Xc,Yc,Zc)根据转换矩阵投影到地面坐标系中得到位置(Xw,Yw,Zw)，该过程包括：
8.根据权利要求1所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，将当前根据惯性传感器获得的位置信息和姿态信息以及视觉传感器获得的位置信息和姿态信息输入卡尔曼滤波器，预测下一时刻无人机飞行状态的过程包括：
...【技术特征摘要】
1.一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，通过视觉传感器获取相邻两帧图像，并从相邻两帧图像中获取无人机的视觉姿态信息的过程包括：
3.根据权利要求2所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，两帧图像之间的位置转换关系表示为：
4.根据权利要求3所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，根据当前同一特征点在相邻两帧之间的转换矩阵求解得到当前时刻无人机的视觉姿态信息包括：
5.根据权利要求1所述的一种基于惯性导航和视觉导航的无人机飞行状态预测方法，其特征在于，将获取的无人机的惯性姿态信息和视觉姿态信息转换到同一坐标系...
【专利技术属性】
技术研发人员：张时雨，刘程，许常燕，魏旭阳，张裕，谢长城，黎昱杰，熊秉毅，刘红艳，刘安心，
申请(专利权)人：中国电子科技集团公司第二十四研究所，
类型：发明
国别省市：
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。