[发明专利]一种融合机载多传感器的旋翼无人机自主定位方法

权利要求书

1.一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于，包括以下步骤：

S1. 利用机载摄像头，获取地面的实时图像信息；

S2. 实时获取地面纹理灰度图像信息，对每帧灰度图像选择固定数量的特征点，通过匹配相邻两帧灰度图像，计算光流向量，并通过差分，获取光流速度；

S3. 同步摄像头、惯性测量单元与超声波传感器的时间戳，利用惯性测量单元获取的实时姿态信息，对光流速度进行姿态补偿，得到光流速度在水平方向上的分量；利用超声波传感器获取的高度信息对光流速度在水平方向熵的分量进行尺度还原，得到无人机的水平方向上的速度；

S4. 对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，则得到水平方向上的位移信息。

2.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S1中，

考虑包括加速度计与陀螺仪的惯性测量单元，利用机载惯性测量单元模块中的加速度计和陀螺仪分别测得无人机的实时加速度和角速度信息，通过四元数解算，估计旋翼无人机的实时姿态信息，其中实时无人机的姿态信息包括无人机的偏航角增量、横滚角和俯仰角；

利用机载超声波传感器测量无人机相对于地面的高度信息，并利用惯性测量单元获取的实时姿态信息进行姿态补偿，实时校正垂直高度信息。

3.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S2中，

光流速度的获取方法为：

对每帧灰度图采用Shi-Tomasi角点检测的方法，选取100个纹理信息最明显的特征点，以特征点为中心选取3*3的像素窗口作为一个像素单元，将前一帧灰度图中的像素窗口位置作为后一帧灰度图的像素窗口的初始位置，建立一个搜索区域，利用Lucas-Kanade反向相乘算法，采用五层光流金字塔模型，利用最小二乘法，通过令前一帧的像素窗口在后一阵的灰度图的搜索区域内搜索灰度差和最小，求得后一帧的像素窗口位置，两帧像素窗口的距离差，即为光流向量，通过差分，获取光流速度。

4.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S3中，姿态补偿的方法为：包括数据表示和变换表示。

5.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S3中，光流速度的获取方法为：

通过摄像机投影矩阵将图像坐标系下的二位点与摄像机坐标系下的三维点进行匹配；

通过变换矩阵将摄像机坐标系下的空间点转换到机体坐标系下；在坐标变换的过程中消除摄像头不在机体中心而造成的偏差；

通过变换矩阵将机体坐标系下的空间点转换到世界坐标系下，在缺乏磁力计，无法获取当前时刻方位角的情况下，将世界坐标系的X轴正方向设为初始飞行机头的朝向方向。

6.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S4中，对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，即得水平方向上的相对位置信息。