[发明专利]估算无人机，尤其是能够在自动驾驶下执行悬停飞行的无人机的水平速度的方法

说明书

技术领域

本发明涉及驾驶无人机，尤其是诸如直升机、四旋翼直升机之类的旋翼无人机。 

背景技术

此类无人机的典型示例是法国巴黎的鹦鹉股份有限公司(Parrot SA)生产的AR.Drone，其是装配有一系列传感器(三轴加速计和陀螺仪，高度计)的四旋翼直升机。无人机还设置有前置摄像机，其朝无人机前进的方向拍摄场景图片，并且还设置有垂直定向的摄像机，拍摄无人机所飞过地形的图片。 

无人机可由用户通过由无线电连接到无人机的远程遥控设备进行驾驶。无人机还设置有用于稳定悬停飞行的自动系统，该自动系统尤其用于使无人机能以自动方式达到平衡点，并且一旦达到所述平衡点，其用于提供保持该固定点所需的修整校正，即通过校正由于例如空气流动的外部影响和传感器的漂移引起的小的平移运动而提供修整校正。高度计是位于无人机下的超声测距仪，其提供垂直速度的测量，从而可伺服控制推力以稳定无人机的高度。此外，惯性传感器(加速计和陀螺仪)用于以一定的准确性测量无人机的角速度和姿态角，从而可用于沿与地心引力相反的方向动态伺服控制无人机的推力方向。 

为了进行悬停飞行，仍然存在消除无人机线性速度的问题。可惜的是，所采用低成本的加速计通常噪声过大，以致当来它们的信号被二次整合时无法给出令人满意的无人机速度估算。 

WO2009/109711A2(鹦鹉股份有限公司，Parrot)提出了通过分析前视相机拍摄的连续图片并识别图片中各个特征点的运动来从前视相机的图片中估算无人机的水平速度。 

然而，该技术的不足在于缺乏准确性，尤其是在最低速度情况下(当无人机以低速朝前移动时，所拍摄图片的连续图片之间的变化非常小)。它还非常依赖于相机拍摄的场景中感兴趣特征点的存在或不存在：当图片均一时，例如， 当在户外时，示出墙壁或天空，特征点的准缺失(quasi-absence)使该技术失效。 

本发明依赖于垂直定向的相机而非前视相机所传送的图片以估算无人机的水平速度。 

然而，识别由该相机拍摄的图片中的各个点的移动仍然是一项困难的任务，该任务强烈地同时依赖于i)场景的特性(或多或少的对比度，朝或大或小范围的改变)；ii)速度；和iii)限制计算复杂度的约束。 

特别地，如果要求在悬停时执行自动稳定伺服控制，适合的做法是：进行同步准确的，灵敏的(由于平衡点附近的线性速度可能非常低)，并实时可用的速度测量，从而可有效地，反应地执行伺服控制。 

然而，应注意到本发明并不限于为了稳定无人机的悬停飞行而估算速度，它可更普遍地应用于无人机的所有飞行配置中，即使移动值接近无人机的最大速度(大约5米每秒(m/s))。 

存在各种能从摄像机拍摄的场景中估算移动速度的算法。 

算法的第一种类型是所谓的“光流算法”，以下文献特别对其进行了详细描述： 

[1]LUCAS B.D.和KANADE T.，“迭代图像配准技术在立体视觉中的应用”(An Iterative Image Registration Technique with an Application to Stereo Vision)，PROC.DARPA Image Understanding Workshop，第121-130页，1981；和 

[2]HORN B.K.P.和SCHUNK B.，“确定光流”(Determining Optical Flow)，Artificial Intelligence，(17)第185-204页，1981。 

还可以参考以下文献： 

[3]MONDRAGON I.et al.，“基于对无人机控制的平面物体追踪的三维姿态估计”(3D Pose Estimation Based on Planar Object Tracking for UAVs Control)，proc.IEEE conf.On Robotics and Automation，第35-41页，2010，5月3-8，其中描述了用于无人机着陆时的驾驶的，采用不同分辨率估算光流的多分辨率技术。 

光流方法具有对场景约束少的优势(对比少，内容少)。此外，通过采用“多分辨率”方法，能够估算高速度和低速度两者。相反，该方法对旋转和姿态的变化很敏感，它不可能内在地验证给出结果的质量，即，此算法始终假设有足够点提供了大的梯度并藉此给出一结果，但即使该结果是无意义，其仍被给出。