基于景象匹配/视觉里程的惯性组合导航方法

摘要

本发明涉及一种基于景象匹配/视觉里程的惯性组合导航方法，根据视觉里程原理，计算无人机航拍实时图像序列的单应矩阵，通过累积连续两帧实时图之间的相对位移，递推计算出无人机的当前位置；由于视觉里程导航随时间的增加会产生累积误差，因而引入基于FREAK特征的景象匹配算法进行辅助修正，景象匹配具有定位精度高、自主性强、抗电磁干扰等优点，在适配区可以进行高精度定位，有效补偿视觉里程导航长时间工作产生的累积误差；建立惯性导航系统的误差模型以及视觉数据的量测模型，通过卡尔曼滤波得出最优估计结果，并对惯性导航系统进行校正。本发明有效改善了导航精度，有助于提高无人机自主飞行能力。

主权项

一种基于景象匹配/视觉里程的惯性组合导航方法，其特征在于步骤如下：步骤1：在无人机飞行过程中，机载下视摄像机实时获取地面图像a；步骤2：利用图像a与前一帧图像a′，确定无人机的视觉里程，步骤如下：A、使用Harris角点检测算法分别在连续两帧实时图a与a′中提取特征点；B、在图像a中以(x,y)^T为中心的方形区域中搜索与图像a′中的每个特征点(x,y)T具有最高邻域互相关的匹配点；同时，在图像a′中以(x,y)^T为中心的方形区域中搜索与图像a中的每个特征点(x,y)^T具有最高邻域互相关的匹配点；C、运用RANSAC鲁棒估计方法得到最大的一致点集和单应矩阵H的估计，过程为首先随机抽取4组匹配点对组成一个随机样本，并计算单应矩阵H；然后对步骤B中的每个匹配点对，计算距离dis；再设定阈值t，若dis<t，则此匹配点对为内点，否则剔除，并统计内点数目；重复上述过程k次，选择H；D、由划定为内点的所有匹配点对具有最大内点数的H重新估计，使用重新获得的H计算出图像a′中与图像a中每个特征点(x,y)^T相对应的点(x₁,y₁)^T。并使用步骤B中方法分别在图像a中以(x,y)^T为中心的方形区域中搜索与图像a′中的每个特征点(x₁,y₁)^T具有最高邻域互相关的匹配点；同时，在图像a′中以(x₁,y₁)^T为中心的方形区域中搜索与图像a中的每个特征点(x,y)^T具有最高邻域互相关的匹配点；E、重复步骤B到步骤D，直到匹配点对的数目稳定为止；步骤3：当无人机进入适配区时，根据惯性导航系统对无人机进行粗定位，在机载存储设备中找到与粗定位结果对应的基准图b，并与实时图a进行景象匹配，确定无人机的位置；步骤4：在适配区中利用步骤3得到的无人机位置校正视觉里程产生的误差，得到无人机较精确地位置；步骤5：利用惯性导航系统给出无人机当前的位置和姿态；步骤6：使用惯性导航系统的误差方程作为组合导航系统的状态方程，导航坐标系选择为东北天坐标系，将步骤4中得出位置与步骤5中得出位置的差值作为量测。用卡尔曼滤波器估计出惯性系统的漂移误差，并使用该漂移误差校正惯性导航系统，得到融合后的导航参数。