【技术实现步骤摘要】
本专利技术主要涉及无人机，特指一种用于无人机自主飞行任务的隧道口角点特征提取方法。
技术介绍
1、微型无人机具有体积小、重量轻、功耗低、机动性好等优点，能够完成狭小空间内的探索、搜救、视察等任务。为了顺利执行上述任务，微型无人机需要具有在未知环境中自主定位与导航的能力。gps定位常常用于微型无人机的定位与导航中，且具有不错的精确度。但是当无人机在室内、隧道等卫星拒止的环境中执行自主飞行任务时，就需要通过自身携带的其他传感器，如视觉传感器等，实时估计自身的位置并通过狭小环境。微型无人机受到载重量以及电池容量的限制，所能搭载的传感器数量及机载计算机的算力都比较有限。因此，如何根据特定任务场景设计轻量化的适用于微型无人机的自主导航系统具有重要的理论意义和实践价值。
2、传统的视觉惯性组合导航系统在实际使用时往往会因为纹理较少，特征点之间的区分度不大，视觉追踪效果不好，加速度大且视觉像素变化快等导致较大的误差。但是如果可以考虑到无人机的应用环境，把地图特征先验信息融合进组合导航系统中，就可以放宽定位系统的处理精度和速度要求，有效的降低误差。因此，在部分环境已知的情况下，设计一种能够适用于微型无人机的、轻量化的视觉惯性导航定位系统是十分有必要的。这种视觉惯性导航系统可以为在特定环境下运行的微型无人机提供高精度的室内定位和环境感知能力。它通过提取特定环境特征来解算出无人机真实位姿，进而修正累计误差，为微型无人机快速稳定地完成隧道穿越、环境检测等复杂任务打下基础。
技术实现思路
1、
2、为解决上述技术问题，本专利技术采用以下技术方案：
3、一种用于无人机自主飞行任务的隧道口角点特征提取方法,其包括：
4、步骤s1:基于canny边缘检测方法进行隧道环境特征提取;
5、步骤s2：边缘特征的最小矩形拟合,以得到隧道口角点特征。
6、作为本专利技术方法的进一步改进：所述canny边缘检测方法包括：
7、步骤s11：采用高斯滤波方法平滑图像；
8、步骤s12：计算图像梯度幅值和方向；
9、步骤s13：抑制非极大值，保留局部最大值，抑制非局部最大值的所有值；
10、步骤s14：使用双阈值算法来检测和连接边缘。
11、作为本专利技术方法的进一步改进：所述步骤s11中对图像进行平滑滤波，具体为：
12、
13、其中，为标准差，为滤波器内点坐标，为任意大于等于0的整数。
14、作为本专利技术方法的进一步改进：所述步骤s12中采用sobel算子来计算两个方向上的梯度， sobel算子和梯度的计算方法为：
15、
16、求出其幅值和梯度方向：
17、。
18、作为本专利技术方法的进一步改进：所述步骤s13中所述非极大值抑制是沿着梯度方向而不是沿着边缘方向。
19、作为本专利技术方法的进一步改进：所述步骤s14中是根据高阈值和低阈值将图像中的边缘像素分成三类：强边缘像素、弱边缘像素和被抑制的边缘像素；对于强边缘像素，给予保留；对于弱边缘像素，通过判断条件决定是否保留；对于被抑制的边缘像素，给予舍弃。
20、作为本专利技术方法的进一步改进：所述步骤s2包括：
21、步骤s21：求出轮廓点集的凸包；
22、步骤s22：根据这个凸包求出其最小外接矩形；
23、步骤s23：根据得到的边缘特征的最小外接矩形，得到隧道口四个角点的精确像素坐标。
24、作为本专利技术方法的进一步改进：所述步骤21包括:
25、预处理：取横坐标或纵坐标最小的点，记为p0，连接p0与其它点，按照这些线段与竖直向下方向形成的夹角由小到大记为p1、p2、p3……;
26、把三个待考察p1、p2、p3分别记为b、m、f；
27、当p0被记为f，且三个待考察点按照b、m、f的顺序左转时，循环以下步骤：
28、如果三个待考察点按b、m、f的顺序“做左转”，拿起b，放在f的前面，将原先的b改名为f，将原先的f改名为m，将原先的m改名为b；否则拿起m，放在b的后面，移除刚才m所在的点，将原先的m改名为b，将原先的b改名为m；
29、按照编号大小顺序连接剩下的点，得到的多边形就是给定点集的凸包，返回。
30、作为本专利技术方法的进一步改进：还包括合理性分析，对提取矩形的长宽比、旋转角度进行了限制；任务流程中，无人机在飞至隧道口附近会进入悬停状态，此时无人机运动幅度较小，结合前几帧图像进行综合判断，当矩形的特征变化较大时，舍弃当前结果，重新进行特征提取。
31、与现有技术相比，本专利技术的优点就在于：本专利技术的原理简单、适用范围广、精度高，通过本专利技术的方法就能快速提取出了隧道口角点特征，得到四个隧道角点的精确像素坐标，并使用特征相关约束和历史特征信息来保证所提取目标的准确性。本专利技术可以通过提取隧道口四个角点，解算出无人机相对于隧道中心的位姿关系。之后可以利用这一信息修正定位误差，让无人机更加稳定的穿越隧道，最终形成一种轻量化的基于视觉导航的隧道穿越方法。
本文档来自技高网...【技术保护点】
1.一种用于无人机自主飞行任务的隧道口角点特征提取方法,其特征在于，包括：
2.根据权利要求1所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述Canny边缘检测方法包括：
3.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤S11中对图像进行平滑滤波，具体为：
4.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤S12中采用sobel算子来计算两个方向上的梯度， sobel算子和梯度的计算方法为：
5.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤S13中所述非极大值抑制是沿着梯度方向而不是沿着边缘方向。
6.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤S14中是根据高阈值和低阈值将图像中的边缘像素分成三类：强边缘像素、弱边缘像素和被抑制的边缘像素；对于强边缘像素，给予保留；对于弱边缘像素，通过判断条件决定是否保留；对于被抑制的边缘像素
7.根据权利要求1-6中任意一项所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤S2包括：
8.根据权利要求7所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤21包括:
9.根据权利要求1-6中任意一项所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：还包括合理性分析，对提取矩形的长宽比、旋转角度进行了限制；任务流程中，无人机在飞至隧道口附近会进入悬停状态，此时无人机运动幅度较小，结合前几帧图像进行综合判断，当矩形的特征变化较大时，舍弃当前结果，重新进行特征提取。
...【技术特征摘要】
1.一种用于无人机自主飞行任务的隧道口角点特征提取方法,其特征在于，包括：
2.根据权利要求1所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述canny边缘检测方法包括：
3.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤s11中对图像进行平滑滤波，具体为：
4.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤s12中采用sobel算子来计算两个方向上的梯度， sobel算子和梯度的计算方法为：
5.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其特征在于：所述步骤s13中所述非极大值抑制是沿着梯度方向而不是沿着边缘方向。
6.根据权利要求2所述的用于无人机自主飞行任务的隧道口角点特征提取方法，其...
【专利技术属性】
技术研发人员：喻煌超，王祥科，刘旭东，曹粟，尹栋，彭羽凡，吴欣宁，王菖，
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：
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。