基于主动视觉的无人机位姿自适应估计方法技术

本发明专利技术公开了一种基于主动视觉的无人机位姿自适应估计方法，至少包括：主动视觉检测，通过无人机机载视觉系统对降落合作目标进行连续观测，并对所有检测到的降落合作目标进行筛选，保留当前视野范围内检测精度较高的降落合作目标信息；无人机位姿计算，以视觉2D特征、惯性测量信息为输入，实时计算当前无人机相对合作目标的位姿；自适应位姿融合，根据相应的协方差信息对所有计算的无人机相对降落合作目标的位姿解进行基于联邦滤波的自适应融合，得到最优化的无人机位姿。本发明专利技术可以有效提高面向自主降落任务无人机视觉的有效测量精度和范围，也适用于机器人视觉感知与定位研究。

Adaptive estimation of UAV pose based on active vision

【技术实现步骤摘要】
基于主动视觉的无人机位姿自适应估计方法
本专利技术属于无人机自主降落与视觉导航领域，具体涉及一种基于主动视觉的无人机位姿自适应估计方法。
技术介绍
近几年，无人机作为机器人领域的研究热点，其自主降落能力(包括静止和运动平台)已被深入展开研究。针对该问题，通常采用基于GPS、惯性、视觉、激光等的感知方式，目的是实时计算无人机相对降落目标的运动位姿。公开号为109211241A的专利公开一种基于视觉SLAM的无人机自主定位方法，由特征提取及匹配求解运动部分、图像和惯性测量单元IMU融合部分以及估计3D点深度部分组成。公开号为106054929B的专利公开一种基于光流的无人机自动降落引导方法，在降落过程中通过对光流模块的相机拍摄的实时图像进行处理，确定标志物，估计标志物相对无人机的位置和姿态。公开号为110068321A的专利公开一种定点降落标志的UAV相对位姿估计方法。公开号为104166854B的专利公开了一种针对小型无人机自主降落的视觉分级地标定位识别方法，采用视觉分级地标避免使用单级地标时由于离地高度变化而图像分辨率固定而导致地标的尺度变化问题。类似的公开专利还有106516145B、105197252A、109270953A等。然而，上述专利只考虑了如何从视觉2D特征中计算无人机相对位姿，并没有考虑基于视觉的位姿信息融合问题。
技术实现思路
本专利技术的目的在于提供一种基于主动视觉的无人机位姿自适应估计方法，该方法主要用于解决无人机降落阶段视觉系统与观测目标之间相对距离变化对视觉定位精度的影响，不仅评估了视觉定位前端的图像级检测精度，也对其后端输出位姿结果进行了自适应融合。本专利技术为达上述目的所采用的技术方案是：本专利技术提供一种基于主动视觉的无人机位姿自适应估计方法，至少包括：主动视觉检测，通过无人机机载视觉系统对降落合作目标进行连续观测，并对所有检测到的降落合作目标进行筛选，保留当前视野范围内检测精度较高的降落合作目标信息；所述降落合作目标包含多组不同尺度的合作特征，每组合作特征包含不同的特定几何图形；无人机位姿计算，以视觉2D特征、惯性测量信息为输入，实时计算当前无人机相对合作目标的位姿；自适应位姿融合，根据相应的协方差信息对所有计算的无人机相对降落合作目标的位姿解进行基于联邦滤波的自适应融合，得到最优化的无人机位姿。接上述技术方案，所述主动视觉检测至少包括图像目标提取和特征自主选择两步骤，无人机机载视觉系统对降落合作目标进行连续观测，采用图像目标提取方法实现所有降落合作目标检测和特征提取，进而利用特征自主选择方法对所有检测到的目标进行筛选，保留当前视野范围内检测精度较高的目标信息。接上述技术方案，无人机位姿计算方法包括基于视觉与惯性的位姿测量和基于无迹卡尔曼滤波的位姿计算；基于视觉与惯性的位姿测量方法主要利用惯性或视觉检测信息对无人机相对位姿进行计算；所述基于无迹卡尔曼滤波的位姿计算方法主要负责处理同时具有惯性和视觉检测信息情况下的位姿计算，提高位姿计算的输出频率。接上述技术方案，当仅有惯性测量信息时，利用其角速度和加速度信息的时间积分，确定无人机相对上一时刻的位姿变化；当获取到视觉2D特征时，无人机根据视觉特征的单应性变换，计算得到无人机相对降落合作目标的位姿。接上述技术方案，还包括步骤：异常监测，对优化后的位姿解进行持续检测和识别，消除异常值。接上述技术方案，图像目标提取的方法包括线段特征检测、角点特征检测和几何模式匹配三个步骤，机载视觉系统利用这些步骤对实时获取得图像进行处理，并根据点、线之间的几何约束关系完成模式匹配，同时实现降落合作目标检测与特征提取。接上述技术方案，特征自主选择的方法模仿人类视觉从周围场景中挑选定位参照物的生物机理，根据视觉中目标成像比例与相对距离之间的3D-2D投影关系，从不同大小尺度的降落合作目标的组合中选择视景最佳目标用于视觉定位的输入信息。接上述技术方案，基于无迹卡尔曼滤波的位姿计算方法以惯性和视觉检测信息为输入，惯性传感器以100或200Hz刷新率的角速度和加速度对无人机位姿进行累积计算，而视觉检测信息通过视觉单应性的转换计算无人机位姿；获得的两种位姿解在贝叶斯框架下相互修正的同时，得到修正值对应的协方差信息；无人机随时间变化的非线性状态转移通过无迹变换实现。接上述技术方案，自适应位姿融合方法将视觉位姿计算作模块化处理，利用各模块输出的位姿解和相应协方差进行联邦融合，并对各模块输出的异常状态进行监测，为无人机在自主降落阶段提供连续、平稳的位姿估计。本专利技术还提供一种计算机存储介质，其内存储有可被处理器执行的计算机程序，该计算机程序执行上述技术方案的无人机位姿自适应估计方法。本专利技术产生的有益效果是：本专利技术利用旋翼飞行器机载视觉与惯性信息，将信息融合与视觉定位技术相结合，不仅通过主动视觉方法预先对所获取的视觉信号进行评估，而且对基于不同尺度特征的视觉定位结果进行了自适应融合，确保无人机在由远及近的降落过程具有稳定、连续的位姿估计，解决了视觉在不同相对距离检测精度不稳定的问题。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术基于主动视觉的无人机位姿自适应估计方法的流程图；图2是主动视觉检测方法中的图像目标检测算法流程图；图3是主动视觉检测方法中的特征主动选择算法流程图；图4是无人机位姿计算方法中基于视觉2D-3D的位姿计算流程图；图5是无人机位姿计算方法中基于视觉&惯性的位姿计算流程图；图6是自适应位姿融合方法的计算框架。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例基于主动视觉的无人机位姿自适应估计方法，至少包括以下步骤：主动视觉检测，根据视觉3D-2D投影比例变换，为无人机视觉系统提供至少一组降落合作目标(参照物)对应的高质量图像，使无人机能够利用图像处理算法从降落合作目标中提取到可靠的几何信息。具体地，主动视觉检测部分使无人机能够通过视觉对降落合作目标进行搜索和检测；降落合作目标包含多组不同尺度的合作特征，每组合作特征适用于无人机视觉在不同相对距离范围内观测；当无人机处于不同高度时，主动视觉检测部分负责从降落合作目标中选择观测质量优秀的合作特征；每组合作特征是由不同的特定几何图形组成，主动视觉检测部分负责对其进行识别，从中提取点、线作为图像特征。无人机位姿计算，以视觉2D特征、惯性测量信息为输入，用于实时计算当前无人机相对降落合作目标的位姿(位置和姿态)；当仅有惯性测量信息时，利用其角速度和加速度信息的时间积分，确定无人机相对上一时刻的位姿变化；当获取到视觉2D特征时，无人机根据视觉特征的单应性变换，计算得到无人机相对降落合作目标的位姿。具体地，无人机位姿计算部分主要用于计算当本文档来自技高网...

【技术保护点】
1.一种基于主动视觉的无人机位姿自适应估计方法，其特征在于，至少包括：/n主动视觉检测，通过无人机机载视觉系统对降落合作目标进行连续观测，并对所有检测到的降落合作目标进行筛选，保留当前视野范围内检测精度较高的降落合作目标信息；所述降落合作目标包含多组不同尺度的合作特征，每组合作特征包含不同的特定几何图形；/n无人机位姿计算，以视觉2D特征、惯性测量信息为输入，实时计算当前无人机相对合作目标的位姿；/n自适应位姿融合，根据相应的协方差信息对所有计算的无人机相对降落合作目标的位姿解进行基于联邦滤波的自适应融合，得到最优化的无人机位姿。/n

【技术特征摘要】
1.一种基于主动视觉的无人机位姿自适应估计方法，其特征在于，至少包括：
主动视觉检测，通过无人机机载视觉系统对降落合作目标进行连续观测，并对所有检测到的降落合作目标进行筛选，保留当前视野范围内检测精度较高的降落合作目标信息；所述降落合作目标包含多组不同尺度的合作特征，每组合作特征包含不同的特定几何图形；
无人机位姿计算，以视觉2D特征、惯性测量信息为输入，实时计算当前无人机相对合作目标的位姿；
自适应位姿融合，根据相应的协方差信息对所有计算的无人机相对降落合作目标的位姿解进行基于联邦滤波的自适应融合，得到最优化的无人机位姿。


2.根据权利要求1所述的无人机位姿自适应估计方法，其特征在于，所述主动视觉检测至少包括图像目标提取和特征自主选择两步骤，无人机机载视觉系统对降落合作目标进行连续观测，采用图像目标提取方法实现所有降落合作目标检测和特征提取，进而利用特征自主选择方法对所有检测到的目标进行筛选，保留当前视野范围内检测精度较高的目标信息。


3.根据权利要求1所述的无人机位姿自适应估计方法，其特征在于，无人机位姿计算方法包括基于视觉与惯性的位姿测量和基于无迹卡尔曼滤波的位姿计算；基于视觉与惯性的位姿测量主要利用惯性或视觉检测信息对无人机相对位姿进行计算；基于无迹卡尔曼滤波的位姿计算负责计算同时具有惯性和视觉检测信息情况下的位姿。


4.根据权利要求1所述的无人机位姿自适应估计方法，其特征在于，当仅有惯性测量信息输入时，利用其角速度和加速度信息的时间积分，确定无人机相对上一时刻的位姿变化；当获取到视觉2D特征时，无人机根据视觉特征的单应性变换，计算得到无人机相对降落合作目标的位姿。


5.根据权利要求1所述...

【专利技术属性】
技术研发人员：元海文，肖长诗，程莉，王艳锋，方艳，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北;42