【技术实现步骤摘要】
本专利技术涉及了一种无人机穿越吸附方法，涉及无人机控制领域，具体涉及一种基于slam的无人机桥隧空间穿越吸附方法。
技术介绍
1、以跨海大桥为代表的大型桥梁是交通设施的重要组成部分，是交通运输大动脉的关键环节之一。跨海大桥位于海上，工作环境恶劣、体积结构庞大、系统组成结构复杂，给大桥的运行维护带来了极大挑战。现有技术装备不但操作复杂、作业强度大、安全风险高，而且存在大量的死区、盲区，无法对其进行有效的检测和维护，从而给大桥的长期安全稳定运行带来了严重的安全隐患，亟需建立有效的桥梁缺陷检测方法。
2、可飞行、可吸附的机器人是一种较为新颖的桥梁缺陷检测工具，相较于传统检测手段，其检测效率，检测精度等各个方面都有无可比拟的优势。但是在进行检测或修复作业时，无人机需要在复杂的桥隧空间中进行飞行穿越和吸附等动作，对无人机的空间建图能力和寻路能力提出了新的挑战。
3、现有技术中的无人机桥隧空间穿越技术至少存在以下缺陷：1、视觉slam(simultaneous localization and mapping)建图过程中没有提供三维场景中的平面提取方法，且缺少闭环检测环节，导致无人机飞行时经过同一区域时无法矫正地图信息，积累无人机位姿误差与坐标点参数误差，难以建立正确的地图；2、无人机在桥隧空间中进行slam建图时未标定可吸附停靠的区域；3、现有无人机降落方法主要针对可降落的水平平坦地面，未考虑在桥隧空间的竖直壁面上的吸附停靠。
技术实现思路
1、为了解决
技术介绍
中存在
2、本专利技术采用的技术方案是：
3、本专利技术的基于slam的无人机桥隧空间穿越吸附方法，包括：
4、步骤一，在搭载有单目相机和激光雷达的无人机在桥隧空间中穿越时，利用单目相机拍摄桥隧空间的环境图像，利用激光雷达采集桥隧空间的深度信息。
5、步骤二，将单目相机拍摄桥隧空间的环境图像进行单目相机的初始位姿解算，从而获得初始化地图。
6、步骤三，在无人机进行位姿改变后，通过激光雷达采集的桥隧空间的深度信息对初始化地图中的2d特征点进行矫正，然后将初始化地图中的2d特征点解算为3d空间点，从而获得稠密化地图。
7、单目相机采集分辨率高的rgb图像，用于获得初始化相机位姿信息并构建稀疏点云地图，激光雷达采集深度信息，将激光雷达采集到的空间与相机拍摄构建的空间耦合，利用深度信息对稀疏点云进行插值修正，构建稠密点云空间。
8、步骤四，矫正稠密化地图的建图误差，然后对稠密化地图的地图空间区域进行平面聚类划分，从而标定无人机的可吸附区域，控制无人机在桥隧空间中穿越时吸附在可吸附区域上，实现无人机桥隧空间的穿越吸附。
9、所述的步骤二中，使用orb(oriented fast and rotated brief)特征提取与匹配方法将单目相机拍摄桥隧空间的环境图像进行2d特征点提取后再进行初始位姿解算，从而获得初始化地图。orb特征提取与匹配方法定义了像素半径为r的图像块b的图像矩，图像块b的半径将通过预先拍摄测定。设定图像距的阈值对图像序列进行特征点提取，在相邻的帧之间做特征点匹配，根据对极约束求解的要求，至少应获得8对匹配的点。
10、所述的步骤三中，通过激光雷达采集的桥隧空间的深度信息对初始化地图中的2d特征点进行深度值矫正，然后使用非线性优化pnp(perspective-n-point)方法将初始化地图中的2d特征点解算为3d空间点，实现3d到2d点对的运动，从而获得稠密化地图。
11、利用初始帧与下一帧的特征点匹配关系，根据对极约束求解初始状态并获得初始点云图，然后利用已获得的3d点，采用pnp方法求解后续相机位姿，同时记录相机运动轨迹。激光雷达修正稀疏点云方法为，根据激光雷达直接测量的环境深度信息构建稀疏点云，对由相机拍摄测算的深度信息进行修正。
12、所述的步骤四中，通过闭环检测矫正稠密化地图的建图误差，具体为使用dbow2(bags of binary words for fast place recognition in image sequence)词袋模型进行矫正，首先采集若干桥隧空间图片作为训练集输入dbow2词袋模型中进行训练，获得训练完成的dbow2词袋模型，然后将待矫正的稠密化地图输入训练完成的dbow2词袋模型中进行处理，获得矫正建图误差的稠密化地图。
13、相机将过去拍摄过的图像进行特征提取并归类，量化图像特征，当无人机经历同一地区时能矫正地图信息，减小误差累积，完成闭环检测。
14、所述的步骤四中，首先进行稠密化地图的3d空间点分组，划分为移除组和非移除组，然后将移除组中的3d空间点及其对应的边移除，然后通过ahc(agglomerativehierarchical clustering)聚类算法对稠密化地图的地图空间区域进行平面聚类划分，从而根据预设可吸附半径标定无人机的可吸附区域。
15、首先进行稠密化地图的空间点分组，然后通过空间点距离关系进行粗划分，合并空间点形成平面粗划分，再进一步划分点集并提取平面，优化平面划分结果，根据设定的可吸附半径标定可吸附区域。
16、所述的移除组中的空间点具体包括：均方误差mse(mean-square error)高于预设均方误差阈值的3d空间点、无数据信息的3d空间点、深度值不连续的3d空间点以及在稠密化地图中的两个平面的边界上的3d空间点。
17、本专利技术的有益效果是：
18、1、本专利技术采用单目相机与激光雷达结合的方式同步建图，利用激光雷达易于采集深度信息的特点，矫正单目相机建立的三维点云地图。
19、2、本专利技术提供了对桥隧空间中平面的聚类划分方法，使无人机在穿越时可以标定可吸附区域与障碍物区域，强化无人机的避障能力。
20、3、本专利技术训练桥隧空间图像的词袋模型用于slam建图中的闭环检测，建立桥隧空间图像特征字典，易于确定图像特征点与图像归类。
21、本专利技术方法可在slam建图后根据环境情况标定无人机可停靠的吸附区域，并通过闭环相似场景检测来纠正矫正地图信息，积累无人机位姿误差与坐标点参数误差，实现无人机穿越时的停靠位置的精确标定。
本文档来自技高网...【技术保护点】
1.一种基于SLAM的无人机桥隧空间穿越吸附方法，其特征在于，包括：
2.根据权利要求1所述的基于SLAM的无人机桥隧空间穿越吸附方法，其特征在于：所述的步骤二中，使用ORB特征提取与匹配方法将单目相机拍摄桥隧空间的环境图像进行2D特征点提取后再进行初始位姿解算，从而获得初始化地图。
3.根据权利要求1所述的基于SLAM的无人机桥隧空间穿越吸附方法，其特征在于：所述的步骤三中，通过激光雷达采集的桥隧空间的深度信息对初始化地图中的2D特征点进行深度值矫正，然后使用非线性优化PnP方法将初始化地图中的2D特征点解算为3D空间点，从而获得稠密化地图。
4.根据权利要求1所述的基于SLAM的无人机桥隧空间穿越吸附方法，其特征在于：所述的步骤四中，通过闭环检测矫正稠密化地图的建图误差，具体为使用DBoW2词袋模型进行矫正，首先采集若干桥隧空间图片作为训练集输入DBoW2词袋模型中进行训练，获得训练完成的DBoW2词袋模型，然后将待矫正的稠密化地图输入训练完成的DBoW2词袋模型中进行处理，获得矫正建图误差的稠密化地图。
5.根据权利要求1所述
6.根据权利要求5所述的基于SLAM的无人机桥隧空间穿越吸附方法，其特征在于：所述的移除组中的空间点具体包括：均方误差MSE高于预设均方误差阈值的3D空间点、无数据信息的3D空间点、深度值不连续的3D空间点以及在稠密化地图中的两个平面的边界上的3D空间点。
...【技术特征摘要】
1.一种基于slam的无人机桥隧空间穿越吸附方法，其特征在于，包括：
2.根据权利要求1所述的基于slam的无人机桥隧空间穿越吸附方法，其特征在于：所述的步骤二中，使用orb特征提取与匹配方法将单目相机拍摄桥隧空间的环境图像进行2d特征点提取后再进行初始位姿解算，从而获得初始化地图。
3.根据权利要求1所述的基于slam的无人机桥隧空间穿越吸附方法，其特征在于：所述的步骤三中，通过激光雷达采集的桥隧空间的深度信息对初始化地图中的2d特征点进行深度值矫正，然后使用非线性优化pnp方法将初始化地图中的2d特征点解算为3d空间点，从而获得稠密化地图。
4.根据权利要求1所述的基于slam的无人机桥隧空间穿越吸附方法，其特征在于：所述的步骤四中，通过闭环检测矫正稠密化地图的建图误差，具体为使用dbow2词袋模型进行矫正，首先采集若干桥隧空...
【专利技术属性】
技术研发人员：朱纪霖，罗珍雄，唐建中，李贞辉，刘金然，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。