[发明专利]基于九轴惯性传感器的无人机自主返航方法

说明书

技术领域

本发明属于无人机飞行控制领域，涉及自主返航方法，特指一种基于九轴惯性传感器的无人机自主返航方法。

背景技术

近年来多旋翼飞行器因其机动性能强、可执行任务丰富等优点受到广泛应用和迅猛发展。自主返航技术是无人机飞控研究的重要功能之一。目前市售的多旋翼无人机产品的飞控系统大多基于GPS信号实现一键返航功能，通过记录无人机在初始位置的卫星定位坐标，若检测到遥控器失联或切换至返航模式时，则以记录的初始位置坐标为目标航点飞行，到达初始点后缓慢降落，但在室内或复杂城市环境条件下卫星定位信号并不可靠，此时基于GPS信号的一键返航功能即失效。

目前利用视觉信息进行无人机返航任务的现有研究成果并不是很多，在收不到GPS卫星定位信号且对环境未知情况下，可以通过单目SLAM算法实时构建地图并对无人机定位，实现定点悬停、轨迹跟随等功能。SLAM算法以减小漂移为目的，把传感器轨迹和随时间推移跟踪得到的三维地标之间的几何约束条件考虑在内，从而形成一个地图映射，通过记录无人机在地图中的运动轨迹来控制其返回起点，在获取完整信息之前，方位参照位置及无人机的轨迹必须不断地完善，因此，运算的复杂度过大，实现的主要困难在于计算的实时性。另外，如果无人机在飞行过程中预先记录了一系列前置摄像机拍摄获取的图像关键帧，可以比较当前图像的描述子与图像序列的描述子求解当前位置与哪一关键帧最接近，再通过图像匹配的方法确定当前图像与关键帧之间特征点匹配关系，计算基础矩阵之后求解两个摄像机位置之间的相对偏移与旋转矩阵，利用这个过程可以控制无人机依次到达关键帧拍摄位置，完成一条轨迹，然后通过记录轨迹引导无人机回到轨迹起点位置，但这种方法需要存储的图像比较密集，且对于复杂路径的鲁棒性有待验证。

若单独使用光流法来预测无人机航速并进行积分，从而估计无人机从起点到终点的相对位移，这样的估算方法势必会产生一定的漂移误差，因此单独依靠速度信息的积分来确定无人机返航的路线并不可靠。另一方面，若单独依靠图像关键帧匹配来找到回程路径，虽然提高了精准度，但是图像关键帧之间的距离有限，需要获取相当密集的关键帧图像才能满足图像匹配精确度的要求，这样会消耗大量的存储空间来存储图像。

发明内容

针对上述已有技术的不足，本发明提供了一种基于九轴惯性传感器的无人机自主返航方法，其不仅能够减小光流法对航速进行积分带来的漂移误差，还能减少图像帧的存储量，有效地节约存储空间。

本发明的技术方案是：

一种基于九轴惯性传感器的无人机自主返航方法，包括以下步骤：

S1利用IMU九轴惯性测量单元记录无人机起始位置P₁处的状态信息即无人机初始状态姿态角(φ₀,ψ₀,θ₀)，其中φ₀为初始翻滚角，ψ₀为初始偏航角，θ₀为初始俯仰角；通过无人机的前置摄像机等时间间隔地记录起始位置P₁至终点位置P_N去程过程中的N幅关键帧图像和位置信息；

S2以IMU九轴惯性测量单元记录的无人机初始状态姿态角(φ₀,ψ₀,θ₀)为无人机的标准姿态角，无人机的姿态控制器为PID控制器，PID控制器通过调整PID控制参数控制对无人机回程过程中任一时刻当前状态的俯仰角、横滚角和偏航角进行姿态角修正，保证无人机始终保持平稳的飞行状态；

S3以无人机起始位置P₁至终点位置P_N去程过程中的终点P_N为回程起点开始，无人机的前置摄像机获取当前位置图像帧，并利用无人机的底部摄像机获取具有地面纹理特征的连续图像帧用于光流法估计得到无人机在世界坐标系下的水平航速，对该航速进行积分，得到当前位置距离获取前一关键帧图像位置的相对位移信息S_t；