[发明专利]一种无人机视觉定位累积误差抑制方法

摘要

本发明公开了一种无人机视觉定位累积误差抑制方法。该方法不需要事先建立路标库，仅利用可信历史访问点的图像信息优化定位结果，能更好的适应未知环境，更易于实施：先利用当前捕获的图像信息对自身位置进行估算，再以估算位置为圆心作圆，将圆内具有高图像特征点匹配率的历史访问点集定义为可信空间，进而利用可信空间中可信历史访问点的图像信息进行定位结果优化；用当前捕获的图像与各可信历史访问点的图像信息，结合各可信历史访问点的已知坐标，逐一计算两点之间的相对旋转量与位移量，并以图像特征点匹配率作为权重进行加权，最终得到优化定位结果。本发明有效抑制全局累积误差，可应用于小型无人机常见的室内巡航场景。

主权项

1.一种无人机视觉定位累积误差抑制方法，其特征在于：针对具备双摄像头的小型无人机，先利用当前捕获的图像信息对自身位置进行估算，估算出初始坐标，再以估算的初始坐标为圆心作圆，在圆内寻找与当前时刻图像具备高图像特征点匹配率的历史访问点集，定义为可信空间，进而利用可信空间中可信历史访问点的图像信息进行定位结果优化；用当前捕获的图像与各可信历史访问点的图像信息，结合各可信历史访问点的已知坐标，逐一计算两点之间的相对旋转量与位移量，并以图像特征点匹配率作为权重进行加权，最终得到优化定位结果，即t_m时刻无人机位置坐标该方法的具体计算步骤如下：步骤一、计算初始坐标已知t_m‑1时刻无人机在地面坐标系下的坐标为左右摄像头在t_m‑1时刻获取的图像分别为其中u和v是图像坐标系下的像素坐标值，I是图像灰度值矩阵；初始坐标的计算方法为：Step1：获取t_m‑1时刻的左右图像并用SIFT算法对和两幅图片进行特征点提取和特征点匹配，得出匹配特征点的像素坐标矩阵，并结合摄像头的内部参数，计算出匹配特征点在t_m‑1时刻摄像头坐标系下的坐标矩阵同时存储匹配特征点的信息；这里，匹配到的特征点有个，是的矩阵，其中分别是匹配特征点在t_m‑1时刻摄像头坐标系下坐标值向量；Step2：获取t_m时刻的左右图像并重复Step1，计算出图像中匹配特征点在t_m时刻摄像头坐标系下的坐标矩阵同样是的矩阵；Step3：利用t_m‑1时刻存储的匹配特征点信息对t_m时刻的匹配特征点进行特征点追踪，得到的追踪特征点个数为个，将新形成的的矩阵和代入方程计算得出无人机在这段飞行距离里的相对旋转量和相对位移量经过以上的步骤便可以得出t_m时刻无人机在地面坐标系下的初始坐标表示为步骤二、可信空间构建以步骤一计算出的初始坐标为圆点、λ为半径作圆，在圆内寻找与t_m时刻图像特征点匹配率大于δ的历史访问点，从而构成可信空间；此时可信空间中的点便是对于t_m时刻的可信历史访问点，构建的可信历史访问点集可以表示成HP＝{t_j|j∈N}，其中可信历史访问点集中可信历史访问点的个数为d，表示为|HP|＝d；所述图像特征点匹配率定义为：假设为t_i时刻由左、右摄像头图像计算出的匹配特征点个数，同时建立并存储t_i时刻特征点的描述算子，在t_j时刻由左、右摄像头图像计算出的匹配特征点中追踪t_i时刻的匹配特征点，假设追踪到的匹配特征点个数为则定义为这两个时刻的图像特征点匹配率；若t_i时刻所存储的历史图像信息满足公式(1)，则定义是在的可信空间中的可信历史访问点；式1中，λ表示可信空间范围大小；δ为图像特征点匹配率阈值；步骤三、当前位置与可信历史点的相对旋转量与位移量计算利用HP(k)时刻所存储可信历史访问点的图像匹配特征点信息，结合t_m时刻提取的图像匹配特征点信息，重新计算记为且和分别是估算出的两位置特征点坐标的相对旋转量和相对位移量，遍历HP中d个历史点，逐一与目标位置计算相对旋转量与位移量；1≤k≤d；步骤四、得出优化定位结果利用匹配率，按公式(2)进行定位结果的优化，并以优化结果作为最终坐标输出；式(2)中，代表t_m时刻图像与HP(k)时刻图像特征点匹配率，代表直接利用t_m时刻图像信息与HP(k)时刻图像信息计算出的t_m时刻位置坐标，为最终输出的t_m时刻坐标。