[发明专利]基于SIFT算法的无人机视觉导航方法

说明书

技术领域

本发明属于视觉导航领域，涉及一种基于SIFT算法的无人机视觉导航方法，特别针对小型无人机的高定位精度、微型化及低成本的要求。

背景技术

近年来，无人机(UAV)在军事上的作用日趋重要，如美国研制的“捕食者”、“全球鹰”、A160，法国的“鹰”，西欧国家(EADS公司)的HALE无人机。美国的无人机动力装置为1台双路涡喷发动机，控制系统采用惯性+“导航星”空间无线电导航系统数据修正方式。机载模块化侦察设备包括侧视雷达、光电侦察系统、无线电技术侦察和无线电电子对抗设备、一体化数据接收与传递系统、ATACCS目标指示系统、转发设备等。海军型还将装备有水面活动目标选择系统的扫描雷达。美国军事专家通过分析“全球鹰”无人机的作用使用经验，发现该机还有一系列缺点，主要是有效载荷的重量和体积有限，能源系统功率不足，每次出动不能保证所有侦察设备同时运行。因此，相对于大型军用机，无人机要求具有低成本、小尺寸、低功耗、高精度的特点，以便于其运输、发射和回收。

先进的导航系统是决定无人机完成作战任务、提高生存力的关键。近十年来，无论在定位、跟踪还是在自主信息处理及无人机载荷方面的发展已取得重大进展，如现代卫星导航技术、惯性导航系统、通讯和监控技术等，此外，新的视觉感知和处理设备也已经装备到无人机上。为了在未知的、动态变化的复杂环境中执行任务，在大多数情况下，无人机使用全球定位系统(GPS)导航定位和惯性导航系统(IMU)。GPS的估计精度直接取决于参与定位的卫星的数量以及接收设备接收信号的质量与电台的影响。此外，相邻设备的无线电频率干扰或信道堵塞都可能导致位置估计的不可靠，而这些问题又是普遍存在且难以解决。在无法使用或获得有效GPS信号的时候，无人机的导航系统只能依靠惯性导航系统，而高精度的惯性导航系统依靠于高精度的传感器，这一方面增加了成本，一方面增加了无人机的载荷。另外，由于惯导系统的位置误差随时间的增长而积累，所以必须由外部信息校正，如果携带如无线电、激光扫描仪等设置，对于中小型无人机(MUAV)，载荷重量是一个最大限制。而视觉传感器重量轻、功耗小、探测距离远、分辨率高，是中小型无人机视觉导航的优选载荷。

因此，本发明旨在研究如何利用视觉信息辅助惯性导航系统，提出基于SIFT的无人机视觉导航方法研究，正是为了适合中小型无人机的高定位精度、微型化及低成本的特点，具有理论与实用价值。

发明内容

本发明重点研究无人机视觉导航系统的关键技术。解决自然路标的特征提取与跟踪问题，解决视觉信息与惯性导航系统参数的数据融合问题，实现视觉信息对惯性导航系统误差的修正，获得精确的导航坐标。具体的研究方案如图1所示。主要内容如下：

1)基于SIFT算法实现自然路标的特征提取

2)设计动态扩展卡尔曼滤波器对无人机的运动状态和视觉特征的位置进行估计，从而获得无人机的导航参数。

附图说明

图1是本发明的研究方案图。

图2是本发明的动态卡尔曼滤波融合视觉信息与惯性导航参数的原理。

具体实施方式

主要环节的具体设计思路如下：

(1)基于SIFT的自然特征摄取与跟踪

对导航相机获取的图像基于SIFT方法提取特征点通过4步完成：

a)尺度空间极点检测：将输入图像通过不同尺度的高斯核函数连续滤波和下采样，形成高斯金字塔图像，然后再对相邻尺度的两个高斯图像相减得到DOG(高斯偏差)，关键点不仅是当前DOG图像局部邻域(相邻8象素)的极大或极小值，而且是前后相邻尺度的DOG领域的极大或极小值。

b)特征点定位：在极值点的局部邻域用三维二次函数拟合方法来差值确定极值点的亚象素位置。

c)主方位赋值：在构造SIFT描述算子之前首先为每个关键点赋予一个主方向。主方向是指关键点邻域内各点梯度方向的直方图中最大值所对应的方向。但是这个主导方位可能不唯一，除了最高峰值，其他所有大于最高峰值80％的方位值都要记录下来。后续的描述算子构造均以该方向为参照，这样所构造的描述算子具有旋转不变性。