一種無(wú)人機(jī)視覺導(dǎo)航方法
【專利摘要】本發(fā)明研究一種無(wú)人機(jī)視覺導(dǎo)航方法。首先利用SIFT算法構(gòu)建圖像的多尺度空間，然后精確定位特征點(diǎn)的位置。然后根據(jù)圖像中提取的最穩(wěn)定特征點(diǎn)采用最近/次近鄰距離匹配方法對(duì)特征點(diǎn)進(jìn)行匹配，利用已經(jīng)匹配的特征點(diǎn)對(duì)求解基礎(chǔ)矩陣再進(jìn)一步解算本質(zhì)矩陣從而求解了無(wú)人機(jī)的姿態(tài)變換。
【專利說(shuō)明】一種無(wú)人機(jī)視覺導(dǎo)航方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于視覺導(dǎo)航領(lǐng)域，涉及一種無(wú)人機(jī)視覺導(dǎo)航方法研究。

【背景技術(shù)】
[0002]近年來(lái)，無(wú)人機(jī)(UAV)在軍事上的作用日趨重要，如美國(guó)研制的“捕食者”、“全球鷹”、A160，法國(guó)的“鷹”，西歐國(guó)家(EADS公司)的HALE無(wú)人機(jī)。美國(guó)的無(wú)人機(jī)動(dòng)力裝置為I臺(tái)雙路渦噴發(fā)動(dòng)機(jī)，控制系統(tǒng)采用慣性+ “導(dǎo)航星”空間無(wú)線電導(dǎo)航系統(tǒng)數(shù)據(jù)修正方式。機(jī)載模塊化偵察設(shè)備包括側(cè)視雷達(dá)、光電偵察系統(tǒng)、無(wú)線電技術(shù)偵察和無(wú)線電電子對(duì)抗設(shè)備、一體化數(shù)據(jù)接收與傳遞系統(tǒng)、ATACCS目標(biāo)指示系統(tǒng)、轉(zhuǎn)發(fā)設(shè)備等。海軍型還將裝備有水面活動(dòng)目標(biāo)選擇系統(tǒng)的掃描雷達(dá)。美國(guó)軍事專家通過(guò)分析“全球鷹”無(wú)人機(jī)的作用使用經(jīng)驗(yàn)，發(fā)現(xiàn)該機(jī)還有一系列缺點(diǎn)，主要是有效載荷的重量和體積有限，能源系統(tǒng)功率不足，每次出動(dòng)不能保證所有偵察設(shè)備同時(shí)運(yùn)行。因此，相對(duì)于大型軍用機(jī)，無(wú)人機(jī)要求具有低成本、小尺寸、低功耗、高精度的特點(diǎn)，以便于其運(yùn)輸、發(fā)射和回收。
[0003]先進(jìn)的導(dǎo)航系統(tǒng)是決定無(wú)人機(jī)完成作戰(zhàn)任務(wù)、提高生存力的關(guān)鍵。近十年來(lái)，無(wú)論在定位、跟蹤還是在自主信息處理及無(wú)人機(jī)載荷方面的發(fā)展已取得重大進(jìn)展，如現(xiàn)代衛(wèi)星導(dǎo)航技術(shù)、慣性導(dǎo)航系統(tǒng)、通訊和監(jiān)控技術(shù)等，此外，新的視覺感知和處理設(shè)備也已經(jīng)裝備到無(wú)人機(jī)上。為了在未知的、動(dòng)態(tài)變化的復(fù)雜環(huán)境中執(zhí)行任務(wù)，在大多數(shù)情況下，無(wú)人機(jī)使用全球定位系統(tǒng)(GPS)導(dǎo)航定位和慣性導(dǎo)航系統(tǒng)(IMU)。GPS的估計(jì)精度直接取決于參與定位的衛(wèi)星的數(shù)量以及接收設(shè)備接收信號(hào)的質(zhì)量與電臺(tái)的影響。此外，相鄰設(shè)備的無(wú)線電頻率干擾或信道堵塞都可能導(dǎo)致位置估計(jì)的不可靠，而這些問(wèn)題又是普遍存在且難以解決。在無(wú)法使用或獲得有效GPS信號(hào)的時(shí)候，無(wú)人機(jī)的導(dǎo)航系統(tǒng)只能依靠慣性導(dǎo)航系統(tǒng)，而高精度的慣性導(dǎo)航系統(tǒng)依靠于高精度的傳感器，這一方面增加了成本，一方面增加了無(wú)人機(jī)的載荷。另外，由于慣導(dǎo)系統(tǒng)的位置誤差隨時(shí)間的增長(zhǎng)而積累，所以必須由外部信息校正，如果攜帶如無(wú)線電、激光掃描儀等設(shè)置，對(duì)于中小型無(wú)人機(jī)(MUAV)，載荷重量是一個(gè)最大限制。而視覺傳感器重量輕、功耗小、探測(cè)距離遠(yuǎn)、分辨率高，是中小型無(wú)人機(jī)視覺導(dǎo)航的優(yōu)選載荷。
[0004]SIFT算法具有良好的尺度、旋轉(zhuǎn)、光照以及三維視角的不變性，因而SIFT特征點(diǎn)具有很好的區(qū)分性，很適合用于圖像特征匹配。由于飛行器的飛行導(dǎo)致圖像序列中的某些特征某一時(shí)刻進(jìn)入圖像，某一時(shí)刻又走出圖像，所以要利用這些圖像特征解算出的位置信息，合成載體飛行路線并與慣導(dǎo)位置信息進(jìn)行數(shù)據(jù)融合，獲得優(yōu)質(zhì)的導(dǎo)航參數(shù)。
[0005]因此，本發(fā)明研究的無(wú)人機(jī)視覺導(dǎo)航中路線合成方法，正是為了適合中小型無(wú)人機(jī)的高定位精度、微型化及低成本的特點(diǎn)，具有理論與實(shí)用價(jià)值。


【發(fā)明內(nèi)容】

[0006]本發(fā)明重點(diǎn)研究室內(nèi)無(wú)人機(jī)視覺導(dǎo)航問(wèn)題。首先利用SIFT算法構(gòu)建圖像的多尺度空間，然后精確定位特征點(diǎn)的位置。然后根據(jù)圖像中提取的最穩(wěn)定特征點(diǎn)采用最近/次近鄰距離匹配方法對(duì)特征點(diǎn)進(jìn)行匹配，利用已經(jīng)匹配的特征點(diǎn)對(duì)求解基礎(chǔ)矩陣再進(jìn)一步解算本質(zhì)矩陣從而求解了無(wú)人機(jī)的姿態(tài)變換。具體的研究方案如圖1所示。主要內(nèi)容如下:
[0007]I) SIFT算法定位特征點(diǎn)的位置
[0008]2)最近/次近鄰距離匹配方法對(duì)特征點(diǎn)進(jìn)行匹配
[0009]3)求解了無(wú)人機(jī)的姿態(tài)變換

【專利附圖】

【附圖說(shuō)明】
[0010]圖1本發(fā)明的研究方案圖。

【具體實(shí)施方式】
[0011]主要環(huán)節(jié)的具體設(shè)計(jì)思路如下:
[0012](I) SIFT算法定位特征點(diǎn)的位置
[0013]首先利用高斯核函數(shù)與圖像進(jìn)行卷積，得到經(jīng)高斯模糊變化的圖像，通過(guò)改變尺度空間因子生成一系列不同空間尺度的圖像，然后對(duì)高斯模糊變化后的圖像利用差分求取尺度空間的極值得到圖像的高斯差分尺度空間，由此構(gòu)建了圖像的多尺度空間。在構(gòu)建了圖像的多尺度空間后，對(duì)圖像點(diǎn)計(jì)算每個(gè)尺度下的高斯差分尺度的響應(yīng)值，將這些響應(yīng)值連接起來(lái)得到特征尺度的軌跡曲線。計(jì)算此特征曲線同時(shí)在二維空間和尺度空間中的極值點(diǎn)作為該位置點(diǎn)的特征尺度，由此的局部特征點(diǎn)的精確定位。在確定局部特征點(diǎn)的位置后，使用關(guān)鍵點(diǎn)的及領(lǐng)域像素的梯度信息，來(lái)作為特征點(diǎn)的方向參數(shù)，由此每個(gè)特征點(diǎn)都包括位置、尺度和方向3個(gè)信息。
[0014](2)最近/次近鄰距離匹配方法對(duì)特征點(diǎn)進(jìn)行匹配
[0015]取兩幅圖像，分別獲得128維向量的特征集來(lái)描述圖片的特征信息，以兩特征集的歐氏距離作為距離函數(shù)。由于遍歷算法耗時(shí)嚴(yán)重，以特征集的每一同維數(shù)據(jù)與其均值的差方根大小為索引建立Kd-Tree，采用BBF搜素算法。然后通過(guò)歐氏距離以判斷最近距離和次近距離的比值進(jìn)行匹配。
[0016](3)求解了無(wú)人機(jī)的姿態(tài)變換
[0017]首先利用RANSAC作為搜索引擎，基于7點(diǎn)法的解算思想求解基礎(chǔ)矩陣。在獲得基礎(chǔ)矩陣后，對(duì)原匹配點(diǎn)進(jìn)行錯(cuò)誤匹配點(diǎn)的剔除，保留屬于內(nèi)點(diǎn)的特征點(diǎn)。基礎(chǔ)矩陣結(jié)合攝像機(jī)內(nèi)參求得本質(zhì)矩陣，最終結(jié)算解算得到載體的運(yùn)動(dòng)信息。
【權(quán)利要求】
1.一種無(wú)人機(jī)視覺導(dǎo)航方法。其特征在于(I)利用SIFT算法構(gòu)建圖像的多尺度空間，然后精確定位特征點(diǎn)的位置；利用已經(jīng)匹配的特征點(diǎn)求解基礎(chǔ)矩陣，并結(jié)合攝像機(jī)內(nèi)參解算本質(zhì)矩陣，從而求解了無(wú)人機(jī)的姿態(tài)變換。
2.根據(jù)權(quán)利要求1所述的一種無(wú)人機(jī)視覺導(dǎo)航方法，其特征在于，利用SIFT算法進(jìn)行特征點(diǎn)提取。
3.根據(jù)權(quán)利要求1所述的一種無(wú)人機(jī)視覺導(dǎo)航方法，其特征在于，利用最近/次近鄰距離匹配方法對(duì)特征點(diǎn)進(jìn)行匹配。
【文檔編號(hào)】G01C21/20GK104316057SQ201410596775
【公開日】2015年1月28日 申請(qǐng)日期:2014年10月31日 優(yōu)先權(quán)日:2014年10月31日
【發(fā)明者】錢紅亮, 謝飛, 宋家祥, 郭強(qiáng), 成怡 申請(qǐng)人:天津工業(yè)大學(xué)