[發(fā)明專利]一種無人機位姿估計方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011079450.6
• 申請日: 2020-10-10
• 公開（公告）號: CN112233177B
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計）人: 史聰靈;車洪磊;王剛;錢小東;李建;任飛
• 申請（專利權(quán)）人: 中國安全生產(chǎn)科學(xué)研究院
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06K9/62
• 代理公司: 北京君泊知識產(chǎn)權(quán)代理有限公司 11496
• 代理人: 周倩

1.一種無人機位姿估計方法，其特征在于，所述方法包括：

前端檢測：對搭載在無人機上的攝像機拍攝的雙目立體圖像提取每幀圖像的特征點，對相鄰幀圖像進行特征匹配和特征跟蹤，得到無人機的初始位姿估計結(jié)果，并獲取關(guān)鍵幀，包括：

搭載在對無人機上的攝像機拍攝的雙目立體圖像進行校正；

對校正后的左目圖像和右目圖像分別提取出每幀圖像的Shi-Tomasi角點；

對相鄰幀圖像提取出的角點進行循環(huán)匹配，初步篩選出每幀圖像的匹配點；

對初步篩選出的匹配點，計算左目圖像和右目圖像中對應(yīng)匹配點的歸一化相關(guān)系數(shù)，并使用組合的特征屬性進行篩選，確定每幀圖像的特征點；

基于IMU不確定性模型對每幀圖像的特征點進行特征跟蹤，確定每幀圖像的跟蹤特征點；

基于每幀圖像的跟蹤特征點，對無人機進行初始位姿估計，得到初始位姿估計結(jié)果，并獲取關(guān)鍵幀；

后端檢測：對所述關(guān)鍵幀進行選擇，并基于選取的關(guān)鍵幀優(yōu)化無人機的位姿和姿態(tài)圖形；

回環(huán)檢測：對選取出的關(guān)鍵幀，基于詞袋模型計算圖像之間的相似度，在相似度超過閾值時，計算相似變換并優(yōu)化無人機的姿態(tài)圖形；

其中，所述前端檢測、所述后端檢測和所述回環(huán)檢測并行進行；

其中，所述基于IMU不確定性模型對每幀圖像的特征點進行特征跟蹤，確定每幀圖像的跟蹤特征點，包括：

對左目圖像和右目圖像，通過極線約束方程l_k+1＝K^-TΔt^ΔRK^-1分別確定第k幀圖像I_k和第k+1幀圖像I_k+1的平面相交形成的極線l_k+1，其中，ΔR、Δt分別表示第k幀圖像I_k和第k+1幀圖像I_k+1之間的旋轉(zhuǎn)變化和平移變化，K表示IMU連續(xù)采樣時的增益；

基于攝像機的內(nèi)部參數(shù)，通過IMU預(yù)積分計算第k幀圖像I_k和第k+1幀圖像I_k+1之間的旋轉(zhuǎn)變化和平移變化ΔR、Δt；

基于攝像機的外部參數(shù)，預(yù)測極線l_k+1的投影矩陣π(P_k+1)_l和包含IMU預(yù)積分誤差項的投影矩陣π(P_k+1)_t；

將IMU預(yù)積分的不確定性模型集成到極線搜索中，確定不確定系數(shù)σ_n：

將極線l_k+1作為原始的特征點搜索區(qū)域，并在垂直方向上分別向上和向下延伸±σ_nε_e個像素，形成最終的特征點搜索區(qū)域，其中，ε_e表示原始的特征點搜索區(qū)域中的單位像素。

2.如權(quán)利要求1所述的方法，其中，所述對相鄰幀圖像提取出的角點進行循環(huán)匹配，初步篩選出每幀圖像的匹配點，包括：

確定匹配順序，其中，所述匹配順序為第k-1幀左目圖像第k-1幀右目圖像第k幀右目圖像和第k幀左目圖像

按照所述匹配順序，依次從每幅圖像中篩選出匹配點；

在所述匹配順序中，如果下一幅圖像中的角點與上一幅圖像中的角點相同，則保留該角點，如果下一幅圖像中的角點與上一幅圖像中的角點不相同，則剔除該角點，依次類推，得到每幀圖像的匹配點。

3.如權(quán)利要求1所述的方法，其中，所述對初步篩選出的匹配點進行過濾，確定每幀圖像的特征點，包括：

對每幀圖像，確定左目圖像和右目圖像中對應(yīng)匹配點的歸一化相關(guān)系數(shù)；

將左目圖像和右目圖像分別分成多個區(qū)域，對每個區(qū)域中的匹配點構(gòu)造一個類進行存儲；

在每個類中，對區(qū)域中的匹配點進行特征屬性排序，并將特征屬性排序第一的匹配點提取為表示該區(qū)域的特征點。

4.如權(quán)利要求3所述的方法，其中，所述歸一化相關(guān)系數(shù)的計算公式如下：

其中，I_R(x,y)、I_T(x,y)分別表示左目圖像和右目圖像的像素灰度值，s表示視差，D表示匹配點所在的圖像匹配塊，分別表示左目圖像和右目圖像在圖像匹配塊中像素灰度值的平均值。