用于视觉测距的完整性监测的方法和系统技术方案

一种用于视觉测距的完整性监测的方法包括：利用立体视觉传感器在第一时刻处捕获第一图像，在第二时刻处捕获第二图像，以及自该图像提取特征。使用特征错配限制鉴别器来执行时间特征匹配过程以使所提取的特征匹配。使用范围误差限制鉴别器来执行范围或深度恢复过程以提供在同一时刻处的由该立体视觉传感器获得的两个图像之间的立体特征匹配。使用经修改的RANSAC技术来执行外点剔除过程以限制特征移动事件。使用过界高斯模型来表征特征误差幅值和故障概率。使用解分离来执行具有完整性检查的状态矢量估计过程以：确定图像之间的旋转和平移的变化，确定误差统计量，检测故障，以及计算保护水平或完整性风险。计算保护水平或完整性风险。计算保护水平或完整性风险。

【技术实现步骤摘要】
用于视觉测距的完整性监测的方法和系统

技术介绍

[0001]基于视觉的或视觉辅助的导航系统因为它们在室内、在地下以及在全球导航卫星系统(GNSS)变得不可用的城市环境中的性能而已经引起广泛的兴趣。因此，视觉辅助的导航是用于在城市安全关键应用(诸如城市空中交通(UAM)、无人驾驶飞行器系统(UAS)和下一代自主载具应用)中估计载具运动状态统计量的一个选项。
[0002]基于视觉的感测和视觉辅助的导航系统将潜在地用作UAM载具、UAS和下一代自主载具的导航系统。对于这些安全关键应用，导航系统必须提供安全保证的导航解算，并且必须满足严格的完整性、连续性和可用性要求。完整性是导航测量结果和由导航系统估计的载具运动状态统计量中的信任量度，并且因此是这些应用中的重要导航性能度量。
[0003]视觉测距是一种技术，该技术在连续测量时刻内使用在基于视觉的传感器的视野(FOV)中的特征，以估计传感器的平移变化和旋转变化，并且因此估计固定该传感器的载具的平移变化和旋转变化。对于使用视觉测距的视觉辅助导航系统，用户感兴趣以下性能度量：无故障测量统计量，其包含载具的旋转和平移的标准偏差；旋转和平移的保护水平；以及完整性风险。完整性设计的重要方面是严格计算完整性风险(或保护水平)。然而，现有办法更多地聚焦于由视觉测距系统计算的测量结果的精确度和鲁棒性，而非其误差、完整性和可靠性。

技术实现思路

[0004]提供了一种用于视觉测距的完整性监测的方法。所述方法包括：利用至少一组立体视觉传感器在第一时刻处捕获给定区域的第一图像，利用所述立体视觉传感器在第二时刻处捕获所述给定区域的第二图像，以及自所述第一图像和所述第二图像中的每个图像提取多个特征。所述方法执行时间特征匹配过程，所述时间特征匹配过程可操作以使来自所述第一时刻处的所述第一图像的提取特征与来自所述第二时刻处的所述第二图像的提取特征匹配。所述时间特征匹配过程使用特征错配限制鉴别器以在将所述第一图像和所述第二图像中的特征之间的特征错配的可能性降低到低于第一预先确定的阈值。所述方法执行范围或深度恢复过程，所述范围或深度恢复过程可操作以提供在同一时刻处的由所述立体视觉传感器分别获得的两个图像之间的立体特征匹配。所述范围或深度恢复过程使用范围误差限制鉴别器以限制范围误差大于第二预先确定的阈值的特征。所述方法使用经修改的随机抽样一致性(RANSAC)技术来执行外点剔除过程，所述外点剔除过程可操作以限制大于第三预先确定的阈值的特征移动事件。所述方法使用过界高斯模型来表征特征误差幅值和特征故障概率。最后，所述方法使用解分离技术来执行具有完整性检查的状态矢量估计过程，以确定所述第一图像与所述第二图像之间的旋转变化和平移变化，以确定所述第一图像与所述第二图像之间的所述旋转变化和所述平移变化的误差统计量，以检测任何故障，以及以计算保护水平或完整性风险。
附图说明
[0005]通过参考附图的以下描述，本专利技术的特征对于本领域的技术人员将变得显而易见。应当理解，附图仅示出了典型的实施方案，并且因此不应认为是限制本专利技术的范围，将通过使用附图以附加特征和细节来描述本专利技术，其中：
[0006]图1是根据示例性实施方案的用于在载具的视觉辅助导航系统中进行视觉测距完整性监测的系统的框图；
[0007]图2是用于实现载具的视觉辅助导航系统中所用的视觉测距完整性监测方案的方法的流程图；
[0008]图3是应用载具的视觉辅助导航系统中所用的视觉测距完整性监测方案的方法的流程图；
[0009]图4A和图4B是分别示出图像特征匹配事件和图像特征错配事件的示意图；
[0010]图5是根据一个示例的在用于视觉测距的完整性监测的方法中采用的错配限制鉴别器的功能的示意图；并且
[0011]图6是二维图像示例的图形表示，其被划分为各自包括一个或多个特征的若干非重叠区。
具体实施方式
[0012]在以下具体实施方式中，对实施方案进行了充分的描述，以使本领域的技术人员能够实践本专利技术。应当理解，在不脱离本专利技术的范围的情况下可利用其他实施方案。因此，以下详细描述不应被视为具有限制意义。
[0013]本文描述了用于视觉测距的完整性监测的方法和系统。所述方法和系统提供了一种实现各种载具(诸如UAM载具、UAS、下一代自主载具等)中所用的视觉辅助导航系统的完整性监测的办法。
[0014]本专利技术的办法提供了一种用于视觉测距的完整性框架，其可以用于各种载具的视觉辅助导航系统中。此完整性框架通常包括：图像预处理，包括去畸变和纠正；图像特征提取；使用错配限制鉴别器的图像特征匹配；使用范围误差限制鉴别器的深度恢复；使用经修改的随机抽样一致性(RANSAC)技术的外点剔除；以及具有最终完整性检查的状态矢量估计。
[0015]本专利技术的办法利用多个鉴别器以实现用于视觉测距的完整性监测并降低完整性风险。在图像特征匹配中使用错配限制鉴别器以降低错配率。在深度恢复中使用范围误差限制鉴别器以限制具有巨大范围方向或z方向误差的特征点。使用经修改的RANSAC技术鉴别器以限制特征移动事件。最终鉴别器可以在状态矢量估计算法中使用多元假设解分离(MHSS)技术来实现，以进一步检测故障并提供保护水平。这些鉴别器可以集成到当前嵌入式传感器融合软件中以增强视觉测距的完整性能力。
[0016]如本文所用，术语“一个特征”或“多个特征”是指关于图像内容的信息，诸如图像的某个区域是否具有特定结构(例如，点、边缘、对象等)。图像中的特征的非限制性示例可以包括地形的物理特征，诸如地标、建筑物、道路或其他独特的地形特征。
[0017]如下并且参考附图，描述了用于视觉测距的完整性监测的方法和系统的进一步细节。
[0018]图1是根据示例性实施方案的用于在载具102的视觉辅助导航系统中进行视觉测距完整性监测的系统100的框图。载具102可以是采用视觉辅助导航系统的UAM载具、UAS、下一代自主载具等。载具102具有安装在其上的至少一组立体视觉传感器104，诸如立体相机，其可操作以捕获载具102横穿区域的立体图像。载具102包括可操作地联接到立体视觉传感器104的至少一个处理器106。
[0019]处理器106可操作以执行由载具102中的视觉辅助导航系统执行的视觉测距完整性监测的方法110。方法110通常包括在下文进一步详细描述的以下步骤。方法110开始于执行自立体图像的特征提取(框112)，所述立体图像是在载具102横穿给定地形时被立体视觉传感器104捕获的。然后，方法110使用错配限制鉴别器来执行二维(2D)时间特征匹配过程(框114)，这将立体图像中的特征错配率降低到低于预先确定的阈值。然后，方法110使用范围误差限制鉴别器来执行三维(3D)深度恢复过程(框116)，这限制了范围误差大于预先确定的阈值的特征。
[0020]此后，方法110使用经修改的随机抽样一致性(RANSAC)技术来执行外点剔除过程(框118)，所述外点剔除过程可操作以限制大于预先确定的阈值的特征移动事件。然后，方法110使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于视觉测距的完整性监测的方法，所述方法包括：利用至少一组立体视觉传感器在第一时刻处捕获给定区域的第一图像；利用所述立体视觉传感器在第二时刻处捕获所述给定区域的第二图像；自所述第一图像和所述第二图像中的每个图像提取多个特征；执行时间特征匹配过程，所述时间特征匹配过程能够操作以使来自所述第一时刻处的所述第一图像的提取特征与来自所述第二时刻处的所述第二图像的提取特征匹配，其中所述时间特征匹配过程使用特征错配限制鉴别器以将所述第一图像和所述第二图像中的特征之间的特征错配的可能性降低到低于第一预先确定的阈值；执行范围或深度恢复过程，所述范围或深度恢复过程能够操作以提供在同一时刻处的由所述立体视觉传感器分别获得的两个图像之间的立体特征匹配，其中所述范围或深度恢复过程使用范围误差限制鉴别器以限制范围误差大于第二预先确定的阈值的特征；使用经修改的随机抽样一致性(RANSAC)技术来执行外点剔除过程，所述外点剔除过程能够操作以限制大于第三预先确定的阈值的特征移动事件；使用过界高斯模型来表征特征误差幅值和特征故障概率；以及使用解分离技术来执行具有完整性检查的状态矢量估计过程，以确定所述第一图像与所述第二图像之间的旋转变化和平移变化，以...

【专利技术属性】
技术研发人员：维博尔，
申请(专利权)人：霍尼韦尔国际公司，
类型：发明
国别省市：