用于输电塔场景下的自主巡检无人机的高精度定位方法及其系统技术方案

本发明专利技术公开了一种用于输电塔场景下的自主巡检无人机的高精度定位方法，包括以下步骤：S1：提取巡检无人机惯性导航装置中的数据，计算出无人机在输电塔场景下的绝对姿态与位置；S2：利用巡检无人机上的视觉传感器对输电塔周围环境进行数据采集，计算相邻两帧图像中像素的位移，得到无人机的相对位姿变化，通过时间和像素的梯度分析得到无人机光流的运动情况，进行辅助导航定位；S3：根据步骤S1得到的无人机绝对姿态与位置以及步骤S2得到的相对位姿变化数据，结合采集到所述图像的特征点信息，计算无人机位姿，使无人机获得更精确的位姿信息。还公开了该高精度定位系统。本发明专利技术能够实现无人机在电力系统输电塔自主巡检的功能。

【技术实现步骤摘要】
用于输电塔场景下的自主巡检无人机的高精度定位方法及其系统
本专利技术涉及无人机
，特别是涉及一种用于输电塔场景下的自主巡检无人机的高精度定位方法及其系统。
技术介绍
目前超高压输电线路的巡检主要靠人工巡视为主，载人直升机与无人机巡检为辅。人工巡检方式不但人员的工作强度大、工作条件差、工作效率低，而且存在人身安全的风险，特别是一些原因不明和测距不准的故障会增加工作量，有些线路还受地形因素影响造成巡线困难；而载人直升机受航空管制、天气、使用成本等因素的制约，不能及时地对事故、异常进行查找，也难以满足运行规程规定的巡检周期。多旋翼无人机拥有机动灵活、悬停稳定性好以及便于操控的特点，目前在输电线路巡检中得到一定的推广应用，但是此类无人机都是非智能化的，还是需要人员操控和进行缺陷识别。在实际操作过程中，传统的多旋翼巡线无人机是用高清摄像头进行场景拍摄，通过图传系统传到接收终端，再通过工作人员人工盯查，这往往费时费力，并没有彻底解决劳动强度大的问题。而现阶段基本上是三个人在一起作业，一个飞机遥控操作手，一个视频检查员或联络员，对于大型杆塔或者线路，需要用对讲机来指挥无人机操作手进行作业，但是由于视野和坐标系的不同，往往沟通效率较低。因此为实现由非智能无人机巡检阶段向全自主无人机巡检阶段的跨越，设计研究出一种应用于输电塔场景下的自主巡检无人机的高精度定位方案，将会具有重大的现实意义与经济价值。
技术实现思路
本专利技术所要解决的技术问题是提供一种用于输电塔场景下的自主巡检无人机的高精度定位方法及其系统，能够实现无人机在电力系统输电塔自主巡检的功能。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种用于输电塔场景下的自主巡检无人机的高精度定位方法，包括以下步骤：S1：提取巡检无人机惯性导航装置中加速度计和陀螺仪中的数据，计算出无人机在输电塔场景下的绝对姿态与位置；S2：利用巡检无人机上的视觉传感器对输电塔周围环境进行数据采集，根据采集到的图像，计算相邻两帧图像中像素的位移，得到无人机的相对位姿变化，通过时间和像素的梯度分析得到无人机光流的运动情况，进行辅助导航定位；S3：根据步骤S1得到的无人机绝对姿态与位置以及步骤S2得到的相对位姿变化数据，结合采集到所述图像的特征点信息，计算无人机位姿，使无人机获得精确的位姿信息。在本专利技术一个较佳实施例中，步骤S1的具体步骤包括：S101：根据无人机初始速度与位置，及提取加速度计中的无人机在三个轴向运动的加速度，解算出无人机当前速度与位置；S102：根据提取陀螺仪中的无人机在三个轴向运动的旋转角速度，合并步骤S101中解算的无人机当前速度与位置，结合姿态初始矩阵解算出无人机的航向与姿态。在本专利技术一个较佳实施例中，步骤S2的具体步骤包括：S201：根据无人机巡检过程中采集到相邻两帧图像的光强连续情况，利用如下式的光流方程，求得图像中像素在x轴上的运动速度，记为图像中像素在y轴上的运动速度，记为图像在该点x方向处的梯度记为ψx；图像在该点y方向处的梯度记为ψy；图像灰度对时间的变化量记为ψt：S202：针对无人机拍摄的第k-1时刻至第k时刻的图像，按照步骤S201计算第k时刻图像各像素的运动速度(u，v)，对图像建立关于(u，v)的方向直方图，选取直方图的最大值所代表的方向为第k-1时刻至第k时刻的图像像素运动方向，则其反方向为无人机第k-1时刻至第k时刻的运动方向；S203：结合S1中计算的第k-1时刻无人机速度大小与步骤S202计算的k-1至k时刻的运动方向，构造无人机第k-1时刻至k时刻的速度vvk-1；S204：根据无人机第k-1时刻的速度vvk-1，结合无人机第k-1时刻至第k时刻的运动方向，计算出无人机于k时刻的位置Pvk＝Pvk-1+vvk-1*T2；式中T2为相机的采样周期，Pvk、Pvk-1分别为采用光流法计算的无人机k-1时刻与k时刻的位置；S205：计算未知误差e＝||Pik-Pvk||2，若则由Psk＝aPik+bPvk，对无人机位置进行更新，否则不对无人机位置进行更新；式中Psk为通过光流运动计算出的k时刻无人机位置，Pik为惯性导航系统计算得到的第k时刻无人机的位置，Pvk为采用光流法计算得到的无人机位置，为位置误差阈值，a,b分别为加权系数。在本专利技术一个较佳实施例中，在步骤S3中，所述图像的特征点信息是利用得到的输电塔图像信息提取的ORB特征提取，ORB特征包括分布于杆塔上空间中的角点与边缘点。进一步的，步骤S3的具体步骤包括：S301：将所述视觉传感器采集到第1帧与第2帧图像的ORB特征点进行特征匹配后，求解得到无人机前两帧图像的初始位姿转换；S302：根据S301得到的初始位姿转换关系，依照图像的特征匹配情况，计算出第1帧与第2帧图像中每一个特征点的深度；根据第1帧图像特征点像素坐标与深度信息即可求出第1帧图像特征点对应的空间点坐标P，构建一个初步的空间点点云；S303：从第2帧图像以后的每一帧图像，将其与还原出的空间点进行匹配，根据匹配结果计算出该帧的位姿，而后构建最小二乘问题优化该帧位姿；对第k帧图像中未与空间点匹配的特征点，将其与第k-1帧图像中的ORB特征点进行特征匹配，还原出对应的空间点，并增加至步骤S302中的空间点点云中；S304：构建卡尔曼滤波系统，以惯导联合光流法计算出的无人机位姿为系统状态量，步骤S303得到的无人机位姿为系统观测定义系统模型为：则通过卡尔曼滤波系统实时更新，得到高精度的无人机位姿；模型中f为采用步骤S1和S2方法计算的由k-1时刻无人机位姿Xk-1以及视觉传感器输入数据u映射到k时刻无人机位姿Xk的映射关系，u为视觉传感器输入数据，分别为零均值高斯分布。为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种用于输电塔场景下的自主巡检无人机的高精度定位系统，包括：惯性导航模块，用于计算无人机在输电塔场景下的绝对姿态与位置；光流定位模块，用于根据巡检无人机视觉传感器采集输电塔周围环境的数据，计算相邻两帧图像中像素的位移，得到无人机的相对位姿变化，通过时间和像素的梯度分析得到无人机光流的运动情况，进行辅助导航定位；无人机位姿优化模块，根据所述惯性导航模块得到的无人机绝对姿态与位置以及所述光流定位模块得到的相对位姿变化数据，结合图像的特征点信息，计算并优化无人机的位姿信息。在本专利技术一个较佳实施例中，所述惯性导航模块计算无人机在输电塔场景下的绝对姿态与位置的具体步骤包括：S101：根据无人机初始速度与位置，及提取加速度计中的无人机在三个轴向运动的加速度，解算出无人机当前速度与位置；S102：根据提取陀螺仪中的无人机在三个轴向运动的旋转角速度，合并步骤S101中解算的无人机当前速度与位置，结合姿态初始矩阵解算出无人机的航向与姿态。在本专利技术一个较佳实施例中，所述光流定位模块根据巡检无人机视觉传感本文档来自技高网...

【技术保护点】
1.一种用于输电塔场景下的自主巡检无人机的高精度定位方法，包括以下步骤：/nS1：提取巡检无人机惯性导航装置中加速度计和陀螺仪中的数据，计算出无人机在输电塔场景下的绝对姿态与位置；/nS2：利用巡检无人机上的视觉传感器对输电塔周围环境进行数据采集，根据采集到的图像，计算相邻两帧图像中像素的位移，得到无人机的相对位姿变化，通过时间和像素的梯度分析得到无人机光流的运动情况，进行辅助导航定位；/nS3：根据步骤S1得到的无人机绝对姿态与位置以及步骤S2得到的相对位姿变化数据，结合采集到所述图像的特征点信息，计算无人机位姿，使无人机获得精确的位姿信息。/n

【技术特征摘要】
1.一种用于输电塔场景下的自主巡检无人机的高精度定位方法，包括以下步骤：
S1：提取巡检无人机惯性导航装置中加速度计和陀螺仪中的数据，计算出无人机在输电塔场景下的绝对姿态与位置；
S2：利用巡检无人机上的视觉传感器对输电塔周围环境进行数据采集，根据采集到的图像，计算相邻两帧图像中像素的位移，得到无人机的相对位姿变化，通过时间和像素的梯度分析得到无人机光流的运动情况，进行辅助导航定位；
S3：根据步骤S1得到的无人机绝对姿态与位置以及步骤S2得到的相对位姿变化数据，结合采集到所述图像的特征点信息，计算无人机位姿，使无人机获得精确的位姿信息。


2.根据权利要求1所述的用于输电塔场景下的自主巡检无人机的高精度定位方法，其特征在于，步骤S1的具体步骤包括：
S101：根据无人机初始速度与位置，及提取加速度计中的无人机在三个轴向运动的加速度，解算出无人机当前速度与位置；
S102：根据提取陀螺仪中的无人机在三个轴向运动的旋转角速度，合并步骤S101中解算的无人机当前速度与位置，结合姿态初始矩阵解算出无人机的航向与姿态。


3.根据权利要求1所述的用于输电塔场景下的自主巡检无人机的高精度定位方法，其特征在于，步骤S2的具体步骤包括：
S201：根据无人机巡检过程中采集到相邻两帧图像的光强连续情况，利用如下式的光流方程，求得图像中像素在x轴上的运动速度，记为图像中像素在y轴上的运动速度，记为图像在该点x方向处的梯度记为ψx；图像在该点y方向处的梯度记为ψy；图像灰度对时间的变化量记为ψt：



S202：针对无人机拍摄的第k-1时刻至第k时刻的图像，按照步骤S201计算第k时刻图像各像素的运动速度(u，v)，对图像建立关于(u，v)的方向直方图，选取直方图的最大值所代表的方向为第k-1时刻至第k时刻的图像像素运动方向，则其反方向为无人机第k-1时刻至第k时刻的运动方向；
S203：结合S1中计算的第k-1时刻无人机速度大小与步骤S202计算的k-1至k时刻的运动方向，构造无人机第k-1时刻至k时刻的速度vvk-1；
S204：根据无人机第k-1时刻的速度vvk-1，结合无人机第k-1时刻至第k时刻的运动方向，计算出无人机于k时刻的位置Pvk＝Pvk-1+vvk-1*T2；式中T2为相机的采样周期，Pvk、Pvk-1分别为采用光流法计算的无人机k-1时刻与k时刻的位置；
S205：计算未知误差e＝||Pik-Pvk||2，若则由Psk＝aPik+bPvk，对无人机位置进行更新，否则不对无人机位置进行更新；式中Psk为通过光流运动计算出的k时刻无人机位置，Pik为惯性导航系统计算得到的第k时刻无人机的位置，Pvk为采用光流法计算得到的无人机位置，为位置误差阈值，a,b分别为加权系数。


4.根据权利要求1所述的用于输电塔场景下的自主巡检无人机的高精度定位方法，其特征在于，在步骤S3中，所述图像的特征点信息是利用得到的输电塔图像信息提取的ORB特征提取，ORB特征包括分布于杆塔上空间中的角点与边缘点。


5.根据权利要求4所述的用于输电塔场景下的自主巡检无人机的高精度定位方法，其特征在于，步骤S3的具体步骤包括：
S301：将所述视觉传感器采集到第1帧与第2帧图像的ORB特征点进行特征匹配后，求解得到无人机前两帧图像的初始位姿转换；
S302：根据S301得到的初始位姿转换关系，依照图像的特征匹配情况，计算出第1帧与第2帧图像中每一个特征点的深度；根据第1帧图像特征点像素坐标与深度信息即可求出第1帧图像特征点对应的空间点坐标P，构建一个初步的空间点点云；
S303：从第2帧图像以后的每一帧图像，将其与还原出的空间点进行匹配，根据匹配结果计算出该帧的位姿，而后构建最小二乘问题优化该帧位姿；对第k帧图像中未与空间点匹配的特征点，将其与第k-1帧图像中的ORB特...

【专利技术属性】
技术研发人员：郭可贵，熊军林，唐旭明，万能，李路遥，孟蒋辉，严波，陈永保，汪晓，宁彦，姚辉，王乐笛，周千昂，李小鹏，
申请(专利权)人：国网安徽省电力有限公司淮南供电公司，国网安徽省电力有限公司检修分公司，中国科学技术大学，国家电网有限公司，
类型：发明
国别省市：安徽;34