[發(fā)明專利]基于大位移光流法的組合導(dǎo)航方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110184527.4
• 申請(qǐng)日: 2021-02-08
• 公開(kāi)（公告）號(hào): CN112985388B
• 公開(kāi)（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 黃峰;陳建亮;吳銜譽(yù);謝鈺;沈英;吳靖
• 申請(qǐng)（專利權(quán)）人: 福州大學(xué)
• 主分類號(hào): G01C21/16
• 分類號(hào): G01C21/16;G06T5/00;G06T7/269;G06T7/277
• 代理公司: 福州元?jiǎng)?chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳鼎桂;蔡學(xué)俊

1.一種基于大位移光流法的組合導(dǎo)航方法，其特征在于，包括以下步驟：

步驟S1:獲取與導(dǎo)航載體捷聯(lián)的相機(jī)拍攝的連續(xù)視頻圖像，同時(shí)從連續(xù)的視頻中獲取第一圖像、第二圖像；

步驟S2:計(jì)算第一圖像、第二圖像的灰度平均值并與預(yù)設(shè)的灰度閾值進(jìn)行比較，根據(jù)比較的結(jié)果進(jìn)行預(yù)處理；

步驟S3:利用光流法對(duì)預(yù)處理后的第一圖像、第二圖像進(jìn)行光流計(jì)算，并采用線性插值的方法對(duì)誤匹配值進(jìn)行剔除，得到第一圖像、第二圖像的總光流值；

所述步驟S3具體為：

步驟S31:將預(yù)處理后的第一圖像、第二圖像進(jìn)行下采樣，并利用Edgeflow光流計(jì)算方法求解粗光流d_n；

步驟S32:將粗光流乘以下采樣的倍數(shù)，得到的結(jié)果作為名義光流，并以此為基準(zhǔn)對(duì)第一圖像進(jìn)行預(yù)平移,并將平移后的第一圖像和第二圖像進(jìn)行LK光流計(jì)算，并求出亞像素光流d_s；

步驟S33:將粗光流d_n和d_s相加求得總光流d_t；d_t就是以像素為單位的光流值；

步驟S4:將總光流值通過(guò)光流-運(yùn)動(dòng)場(chǎng)轉(zhuǎn)移模型進(jìn)行縮放；

步驟S5:根據(jù)縮放后的光流，結(jié)合IMU的角速度信息進(jìn)行補(bǔ)償，得到經(jīng)度方向和緯度方向的速度信息，實(shí)現(xiàn)光流/慣性組合導(dǎo)航；

利用IMU測(cè)得的角速度信息對(duì)光流信息進(jìn)行補(bǔ)償，公式如下：

對(duì)各傳感器進(jìn)行誤差建模，以慣導(dǎo)信息為基礎(chǔ)建立松組合導(dǎo)航算法的狀態(tài)方程，以光流測(cè)得的速度信息為基礎(chǔ)建立量測(cè)方程；然后對(duì)慣導(dǎo)系統(tǒng)進(jìn)行卡爾曼濾波，以慣導(dǎo)系統(tǒng)誤差進(jìn)行估計(jì)，并將估計(jì)的誤差返回到慣導(dǎo)系統(tǒng)內(nèi)部進(jìn)行校正。

2.根據(jù)權(quán)利要求1所述的基于大位移光流法的組合導(dǎo)航方法，其特征在于，所述步驟S2具體為：

步驟S21:將所述第一圖像、第二圖像中所有像素點(diǎn)的灰度相加后取平均值；

步驟S22:將第一圖像第二圖像的平均值差的絕對(duì)值同灰度閾值進(jìn)行比較,并根據(jù)比較結(jié)果選擇預(yù)處理方法；

步驟S23:根據(jù)選擇的預(yù)處理方法對(duì)第一圖像、第二圖像進(jìn)行預(yù)處理。

3.根據(jù)權(quán)利要求1所述的基于大位移光流法的組合導(dǎo)航方法，其特征在于，預(yù)處理方法包括局部二值化算法或中值濾波算法。

4.根據(jù)權(quán)利要求1所述的基于大位移光流法的組合導(dǎo)航方法，其特征在于，所述步驟S4具體為：

對(duì)于畸變較嚴(yán)重的相機(jī)，要首先進(jìn)行畸變矯正，采用張正有標(biāo)定法，利用Matlab標(biāo)定工具箱求得參數(shù)矩陣和畸變參數(shù)；

通過(guò)激光測(cè)距儀進(jìn)行高度測(cè)量；

待獲得相機(jī)內(nèi)部參數(shù)及飛行高度后利用光流-運(yùn)動(dòng)場(chǎng)轉(zhuǎn)移模型將以像素為單位的光流信息轉(zhuǎn)化為米制單位。

5.一種基于大位移光流法的組合導(dǎo)航系統(tǒng)，其特征在于，包括依次連接的圖像采集模塊、圖像預(yù)處理模塊、光流計(jì)算模塊和組合導(dǎo)航模塊；

圖像采集模塊用于獲取連續(xù)視頻圖像，同時(shí)從連續(xù)的視頻中獲取第一圖像、第二圖像；

圖像預(yù)處理模塊用于對(duì)第一圖像，第二圖像進(jìn)行灰度平均值計(jì)算，然后與特定的閾值進(jìn)行比較，根據(jù)比較的結(jié)果選擇預(yù)處理方案并進(jìn)行預(yù)處理；

光流計(jì)算模塊用于對(duì)預(yù)處理后的第一圖像，第二圖像兩幀圖像進(jìn)行光流計(jì)算，采用先粗后精的光流計(jì)算方案，提升光流計(jì)算的精度，并采用線性插值的方法對(duì)誤匹值進(jìn)行剔除；

組合導(dǎo)航模塊用于將光流通過(guò)光流-運(yùn)動(dòng)場(chǎng)進(jìn)行縮放，得到經(jīng)度和緯度方向的速度信息；并結(jié)合IMU測(cè)量的信息，將光流求出的兩個(gè)緯度的速度信息和慣性測(cè)量單元測(cè)量的信息進(jìn)行卡爾曼濾波，實(shí)現(xiàn)組合導(dǎo)航；

利用IMU測(cè)得的角速度信息對(duì)光流信息進(jìn)行補(bǔ)償，公式如下：

所述組合導(dǎo)航模塊包括光流補(bǔ)償模塊和信息融合模塊；

所述光流補(bǔ)償模塊，用于利用IMU角速度信息，對(duì)光流計(jì)算結(jié)果進(jìn)行補(bǔ)償；

所述信息融合模塊，用于將光流估計(jì)的結(jié)果和IMU信息進(jìn)行融合；對(duì)各傳感器進(jìn)行誤差建模，以慣導(dǎo)信息為基礎(chǔ)建立松組合導(dǎo)航算法的狀態(tài)方程，以光流測(cè)得的速度信息為基礎(chǔ)建立量測(cè)方程；并對(duì)慣導(dǎo)系統(tǒng)進(jìn)行卡爾曼濾波，以慣導(dǎo)系統(tǒng)誤差進(jìn)行估計(jì)，并將估計(jì)的誤差返回到慣導(dǎo)系統(tǒng)內(nèi)部進(jìn)行校正。