【技术实现步骤摘要】
本专利技术属于目标跟踪，更进一步涉及视觉导航中的一种基于单目视觉与惯导融合的目标位姿估计方法。本专利技术可用于末制导过程中通过对飞行器上相机与地面可识别目标间的相对位姿估计，指导飞行器精准着陆。
技术介绍
1、视觉导航技术是指利用视觉信息来指导移动设备如机器人、飞行器、自动驾驶车辆等在环境中导航的技术。视觉导航技术相对传统卫星导航和惯性导航以其自主性强、无源、引导精度高等优点，使得基于视觉引导飞行器着陆技术成为国内外一个重要研究领域，其主要通过安装在飞行器上的相机，获得着陆点附近的图像，使用计算机视觉算法，估计出飞行器相对于着陆点的位置和方位，结合其他传感器，指导飞行器的精密着陆。
2、在利用视觉进行导航时，位姿估计是其中一个核心问题。位姿估计是指确定相机或地面可识别目标在三维空间中的方向和位置，它直接影响到导航的准确性和可靠性。位姿估计方法最常见的是基于关键点2d投影到3d的方法。其中比较经典的是pnp(perspective-n-point)方法。pnp的n代表n个特征点，pnp方法就是在已知n个三维空间点坐标及其二维投影位置的情况下估计相机与地面可识别目标间的位姿。
3、上海机电工程研究所在其申请的专利文献“低速无人飞行器视觉导航定位方法及系统”(专利申请号2023102865823，申请公布号cn 116429098 a)中公开了一种低速无人飞行器视觉导航定位方法。该方法实现的具体步骤是，通过视觉传感器获取图像并进行预处理，基于预处理后的图像提取特征点获取特征点的图像坐标值；基于飞行器惯性测量单元
4、吕耀宇在其发表的论文“空间合作目标单目视觉位姿测量技术研究”(中国科学院大学，2018年硕士论文)中提出了一种基于合作靶标的飞行器位姿估计方法。该方法对合作靶标进行设计和识别，利用目标识别算法快速获得特征点，利用合作靶标中设计的编码信息进行特征点的定位，最后通过pnp算法进行飞行器位姿求解。该方法存在的不足之处是，该方法在位姿估计算法上选用的pnp方法，pnp方法对于特征点的数量有限制，最少不能低于3个特征点，这一限制增加了特征点检测的难度和时间，影响飞行器位姿估计的实时性和准确性；除此之外，pnp方法在求解位姿时一般需要迭代等解算方法，计算复杂度较高、算法运行时间较长，也会影响飞行器位姿估计的实时性。
技术实现思路
1、本专利技术的目的是针对上述现有技术的不足，提出一种基于单目视觉与惯导融合的目标位姿估计方法，旨在解决计算机视觉算法复杂度高、耗时长，特征点检测难度大，导致的飞行器与地面可识别目标间相对位姿估计实时性低和准确性差的问题。
2、实现本专利技术目的的思路是，本专利技术融合飞行器惯性导航数据，不需要使用多目相机或多帧图像获取姿态信息，使用单目相机通过拍摄单帧图像就能估计飞行器与地面可识别目标间的相对位姿，以此解决了现有技术中计算机视觉算法运行时间较长的问题。本专利技术在对目标图像进行预处理和目标检测后，获取地面可识别目标中两个特征点的像素坐标，仅利用这两个特征点的像素坐标就能解算出飞行器与目标间的相对位姿，以此解决了单纯依靠计算机视觉算法至少需要三个特征点才能进行飞行器与地面可识别目标间相对位姿估计的难题，降低了位姿估计应用对特征点的检测要求。本专利技术在位姿解算方面，融合了飞行器惯性导航的角度数据，即飞行器的俯仰角、偏航角和滚转角的度数，计算出地面可识别目标的旋转矩阵，并测量两个特征点的空间位置关系，联立坐标系转换公式和距离公式进行解算，即可快速解算出唯一的相对位姿，不需要使用迭代等其他复杂的解算方法，克服了传统pnp方法在求解位姿时的计算复杂度较高、算法运行时间较长的问题。
3、本专利技术的实现步骤如下：
4、步骤1，获取标定单目相机的内部参数；
5、步骤2，利用单目相机拍摄目标图像并预处理图像，从预处理后的图像中检测地面可识别目标；
6、步骤3，提取地面可识别目标中两个特征点像素坐标；
7、步骤4，获取飞行器惯性导航的角度数据并计算地面可识别目标的旋转矩阵；
8、步骤5，联立距离公式和两个特征点对应的两组坐标转换公式，解算相机与地面可识别目标之间的相对位姿。
9、专利技术与现有的技术相比具有以下优点：
10、第一，本专利技术使用单目相机通过拍摄的单帧图像就能对飞行器进行相对位姿估计，克服了现有技术中计算机视觉算法运行时间较长的问题，使得本专利技术能以更高的实时性完成飞行器的相对位姿估计。
11、第二，本专利技术只需要地面可识别目标图像中的两个特征点就能解算出目标的相对位姿，克服了单纯依靠计算机视觉算法至少需要三个特征点才能进行飞行器与地面可识别目标间相对位姿估计的难题，降低了位姿估计应用对特征点的检测要求，使得本专利技术可以在末制导阶段提高飞行器相对位姿估计的实时性和准确性。
12、第三，本专利技术在位姿解算方面，融合了飞行器惯性导航的角度数据，可以仅用两个特征点快速解算出唯一的相对位姿，克服了传统pnp方法在求解位姿时的计算复杂度较高、算法运行时间较长的不足，使得本专利技术可以节约飞行器上宝贵的计算资源，缩短位姿解算的时间，提高相对位姿估计的解算速度。
本文档来自技高网...【技术保护点】
1.一种基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，获取标定单目相机的内部参数，利用标定后的单目相机拍摄目标图像，通过对目标图像进行预处理及地面可识别目标检测，提取地面可识别目标中两个特征点的像素坐标，融合惯性导航数据，计算地面可识别目标的旋转矩阵，联立距离公式和坐标转换公式解算相机与地面可识别目标之间的相对位姿；该方法的步骤包括如下：
2.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤1中所述的标定单目相机可采用Tsai两步法、张氏标定法、主动视觉相机标定法、相机自标定法、零失真相机标定法、基于遗传算法的标定、基于神经网络的标定及基于误差反向传播的标定方法中的任意一种方法对飞行器上使用的单目相机进行标定。
3.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤1中所述的内部参数包括：标定后单目相机的焦距、水平像素偏移量、竖直像素偏移量以及图像中心的像素坐标。
4.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤2中所述的预处理图像可采用灰度化、
5.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤2中所述的从预处理后的图像中检测地面可识别目标可采用边缘检测、角点检测、关键点检测、兴趣点检测、纹理分析、形状匹配、图像分割方法中的任意一种方法，从预处理后的图像中检测出飞行器末制导过程中地面上可识别的目标。
6.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤3中所述的提取地面可识别目标中两个特征点像素坐标，可采用快速角点检测、Harris角点检测、霍夫变换方法中的任意一种方法，提取检测出的地面目标中的两个特征点的像素坐标。
7.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤4中所述的计算地面可识别目标的旋转矩阵，在末制导过程中，飞行器的旋转矩阵相当于地面可识别目标的旋转矩阵，地面可识别目标的旋转矩阵表达式如下：
8.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤5中所述的距离公式如下：
9.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤5中所述的坐标转换公式如下：
...【技术特征摘要】
1.一种基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，获取标定单目相机的内部参数，利用标定后的单目相机拍摄目标图像，通过对目标图像进行预处理及地面可识别目标检测，提取地面可识别目标中两个特征点的像素坐标，融合惯性导航数据，计算地面可识别目标的旋转矩阵，联立距离公式和坐标转换公式解算相机与地面可识别目标之间的相对位姿；该方法的步骤包括如下：
2.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤1中所述的标定单目相机可采用tsai两步法、张氏标定法、主动视觉相机标定法、相机自标定法、零失真相机标定法、基于遗传算法的标定、基于神经网络的标定及基于误差反向传播的标定方法中的任意一种方法对飞行器上使用的单目相机进行标定。
3.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤1中所述的内部参数包括：标定后单目相机的焦距、水平像素偏移量、竖直像素偏移量以及图像中心的像素坐标。
4.根据权利要求1所述的基于单目视觉与惯导融合的目标位姿估计方法，其特征在于，步骤2中所述的预处理图像可采用灰度化、二值化、直方图均衡化、滤波器、图像分割、图像增强、几何变换、边缘检测等图像处理方法中的任意一种方法...
【专利技术属性】
技术研发人员：权磊，朱婧祎，石少勇，孙斌，刘艳，樊鑫宇，
申请(专利权)人：西安电子科技大学，
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。