CN104422445A - 一种惯性器件辅助的视觉导航方法 - Google Patents

Abstract

本发明属于导航方法，具体涉及一种惯性器件辅助的视觉导航方法。它包括：步骤一：摄像机探测；步骤二：特征点提取；步骤三：坐标变换；步骤四：归一化；将旋转后的特征点坐标归一化到实际摄像机坐标；步骤五：计算真实坐标；步骤六：计算速度和位移；先计算位移，然后用位移对时间做微分得到速度。本发明的有益效果是：本发明的有益效果是，提出了一种利用惯性器件辅助的视觉导航技术，该方法可以完全利用被动信息提供载体运动速度信息，具有隐蔽性好、抗干扰等优点。

Description

一种惯性器件辅助的视觉导航方法

技术领域

本发明属于导航方法，具体涉及一种惯性器件辅助的视觉导航方法。

背景技术

为了提高飞行器导航的隐蔽性，视觉导航得到了广泛深入的研究，主要的实现方法包括光流法和基于特征点的方法两种。由于光流法容易受到光照变化的影响，因此，当前更多的视觉导航方法主要是基于特征点的方法。

当前基于特征点的视觉导航方法多通过特征点匹配关系求解前后帧图像间的旋转矩阵R、平移矢量T。这种方法简单且运算速度快，但是受到光照变化、多解的模糊性等问题，其精度较低。而且，由于待求解的运动参数旋转矩阵R和平移矢量T中共有12个未知数，因此，理论上至少需要4个不共线的匹配点才能得到运动参数，其实用性受到一定限制。

通常情况下，摄像机和惯性器件是飞行器的标准配置，本专利针对无摄像机稳定平台的摄像机－飞行器安装方式提出了一种采用惯性器件辅助进行视觉导航的方法。该方法构建了相邻帧间特征点坐标变化与飞行器姿态变化的对应关系，通过惯性器件输出得到该旋转关系作为求解的已知条件，进而得到相邻时间间隔内飞行器的飞行速度和位移。在具体实现方法上，本专利采用了倾斜投影下的特征点坐标变换方法。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种惯性器件辅助的视觉导航方法。

本发明是这样实现的：一种惯性器件辅助的视觉导航方法,包括下述步骤：

步骤一：摄像机探测

用摄像机采集图像，采集的图像为飞行器垂直向下的图像，采集的图像为灰度图，采集过程持续进行，本步骤得到一系列连续的灰度图像，

步骤二：特征点提取

步骤三：坐标变换

对步骤二中得到的特征点进行坐标变换，将原始图像中的特征点变换到水平投影下，

步骤二中的特征点包含横坐标、纵坐标两个有效数据，用（x_a，y_a）表示，

用下述公式进行坐标变换

$\left[\begin{array}{c}{x}_a^{\″}\\ y_a^{\″}\\ f^{\″}\end{array}\right]=R\left[\begin{array}{c}{x}_a\\ y_a\\ f\end{array}\right]$

其中x_a、y_a为特征点的横坐标和纵坐标，f为摄像机的焦距，x″_a、y″_a为变换后的横坐标和纵坐标，f″为变换后的摄像机等效焦距，R为摄像机的姿态转移矩阵，该姿态转移矩阵通过导航解算得到，可以表示为

$R=\left[\begin{array}{ccc}{r}_1& r_2& r_3\\ r_4& r_5& r_6\\ r_7& r_8& r_9\end{array}\right]$

步骤四：归一化

用下述公式将旋转后的特征点坐标归一化到实际摄像机坐标

$A^s=\left[\begin{array}{c}{x}_a^{\′}\\ y_a^{\′}\\ f\end{array}\right]=\left[\begin{array}{c}\frac{f}{f^{\″}}{x}_a^{\″}\\ \frac{f}{f^{\″}}{y}_a^{\″}\\ \frac{f}{f^{\″}}{f}^{\″}\end{array}\right]$

其中x″_a、y″_a和f″为步骤三计算得到的结果，x′_a、y′_a为归一化之后的特征点坐标，

步骤五：计算真实坐标

用下述公式计算真实坐标

$A^s\′=\left[\begin{array}{c}{x}^n\\ y^n\\ \stackrel{\‾}{f}\end{array}\right]=\left[\begin{array}{c}{f}_x\frac{r_1(x_a^{\′}-u_0)+r_2(y_a^{\′}-v_0)+r_3\stackrel{\‾}{f}}{r_7(x_a^{\′}-u_0)+r_8(y_a^{\′}-v_0)+r_9\stackrel{\‾}{f}}\\ f_y\frac{r_4(x_a^{\′}-u_0)+r_5(y_a^{\′}-v_0)+r_6\stackrel{\‾}{f}}{r_7(x_a^{\′}-u_0)+r_8(y_a^{\′}-v_0)+r_9\stackrel{\‾}{f}}\\ \stackrel{\‾}{f}\end{array}\right]$

其中，r₁～r₉为步骤三中姿态转移矩阵R的元素，u₀和v₀是摄像机焦点的坐标，该坐标值为摄像机的固有参数；x′_a和y′_a是步骤四得到的特征点的坐标，f_x和f_y分别为横坐标和纵坐标方向的焦距，

本步骤得到真实坐标xⁿ和yⁿ，

步骤六：计算速度和位移

用下述公式计算速度和位移

△x=x₁ ⁿ-x₂ ⁿ

△y=y₁ ⁿ-y₂ ⁿ

其中，x₁ ⁿ、x₂ ⁿ、y₁ ⁿ和y₂ ⁿ均为步骤五计算得到的坐标数值，其中x₁ ⁿ和y₁ ⁿ表示上一帧计算得到坐标，x₂ ⁿ和y₂ ⁿ表示本帧计算得到坐标，本步骤得到的是位移△x和△y，用位移对时间做微分得到的就是速度。

如上所述的一种惯性器件辅助的视觉导航方法,其中，所述的步骤二采用harris方法提取图像中灰度的突变点作为特征点。

本发明的有益效果是：本发明的有益效果是，提出了一种利用惯性器件辅助的视觉导航技术，该方法可以完全利用被动信息提供载体运动速度信息，具有隐蔽性好、抗干扰等优点。

具体实施方式

一种惯性器件辅助的视觉导航方法,包括下述步骤：

步骤一：摄像机探测

用摄像机采集图像，采集的图像为飞行器垂直向下的图像，采集的图像为灰度图，采集过程持续进行。即本步骤得到一系列连续的灰度图像。

步骤二：特征点提取

采用harris方法提取图像中灰度的突变点作为特征点。该特征点提取是针对每幅图像进行的。本步骤得到与每幅图像对应的特征点。

步骤三：坐标变换

对步骤二中得到的特征点进行坐标变换，将原始图像中的特征点变换到水平投影下。

步骤二中的特征点包含横坐标、纵坐标两个有效数据，用（x_a，y_a）表示。

用下述公式进行坐标变换

$\left[\begin{array}{c}{x}_a^{\″}\\ y_a^{\″}\\ f^{\″}\end{array}\right]=R\left[\begin{array}{c}{x}_a\\ y_a\\ f\end{array}\right]$

其中x_a、y_a为特征点的横坐标和纵坐标，f为摄像机的焦距，x″_a、y″_a为变换后的横坐标和纵坐标，f″为变换后的摄像机等效焦距。R为摄像机的姿态转移矩阵，该姿态转移矩阵通过导航解算得到，可以表示为

$R=\left[\begin{array}{ccc}{r}_1& r_2& r_3\\ r_4& r_5& r_6\\ r_7& r_8& r_9\end{array}\right]$

步骤四：归一化

用下述公式将旋转后的特征点坐标归一化到实际摄像机坐标

$A^s=\left[\begin{array}{c}{x}_a^{\′}\\ y_a^{\′}\\ f\end{array}\right]=\left[\begin{array}{c}\frac{f}{f^{\″}}{x}_a^{\″}\\ \frac{f}{f^{\″}}{y}_a^{\″}\\ \frac{f}{f^{\″}}{f}^{\″}\end{array}\right]$

其中x″_a、y″_a和f″为步骤三计算得到的结果，x′_a、y′_a为归一化之后的特征点坐标。

步骤五：计算真实坐标

用下述公式计算真实坐标

$A^s\′=\left[\begin{array}{c}{x}^n\\ y^n\\ \stackrel{\‾}{f}\end{array}\right]=\left[\begin{array}{c}{f}_x\frac{r_1(x_a^{\′}-u_0)+r_2(y_a^{\′}-v_0)+r_3\stackrel{\‾}{f}}{r_7(x_a^{\′}-u_0)+r_8(y_a^{\′}-v_0)+r_9\stackrel{\‾}{f}}\\ f_y\frac{r_4(x_a^{\′}-u_0)+r_5(y_a^{\′}-v_0)+r_6\stackrel{\‾}{f}}{r_7(x_a^{\′}-u_0)+r_8(y_a^{\′}-v_0)+r_9\stackrel{\‾}{f}}\\ \stackrel{\‾}{f}\end{array}\right]$

其中，r₁～r₉为步骤三中姿态转移矩阵R的元素，u₀和v₀是摄像机焦点的坐标，该坐标值为摄像机的固有参数；x′_a和y′_a是步骤四得到的特征点的坐标，f_x和f_y分别为横坐标和纵坐标方向的焦距，

本步骤得到真实坐标xⁿ和yⁿ。

步骤六：计算速度和位移

用下述公式计算速度和位移

△x=x₁ ⁿ-x₂ ⁿ

△y=y₁ ⁿ-y₂ ⁿ

其中，x₁ ⁿ、x₂ ⁿ、y₁ ⁿ和y₂ ⁿ均为步骤五计算得到的坐标数值，其中x₁ ⁿ和y₁ ⁿ表示上一帧计算得到坐标，x₂ ⁿ和y₂ ⁿ表示本帧计算得到坐标。本步骤得到的是位移△x和△y。用位移对时间做微分得到的就是速度。

Claims (2)

1.一种惯性器件辅助的视觉导航方法,其特征在于，包括下述步骤：

步骤一：摄像机探测

用摄像机采集图像，采集的图像为飞行器垂直向下的图像，采集的图像为灰度图，采集过程持续进行，本步骤得到一系列连续的灰度图像，

步骤二：特征点提取

步骤三：坐标变换

对步骤二中得到的特征点进行坐标变换，将原始图像中的特征点变换到水平投影下，

步骤二中的特征点包含横坐标、纵坐标两个有效数据，用（x_a，y_a）表示，

用下述公式进行坐标变换

$\left[\begin{array}{c}{x}_a^{\″}\\ y_a^{\″}\\ f^{\″}\end{array}\right]=R\left[\begin{array}{c}{x}_a\\ y_a\\ f\end{array}\right]$

其中x_a、y_a为特征点的横坐标和纵坐标，f为摄像机的焦距，x″_a、y″_a为变换后的横坐标和纵坐标，f″为变换后的摄像机等效焦距，R为摄像机的姿态转移矩阵，该姿态转移矩阵通过导航解算得到，可以表示为

$R=\left[\begin{array}{ccc}{r}_1& r_2& r_3\\ r_4& r_5& r_6\\ r_7& r_8& r_9\end{array}\right]$

步骤四：归一化

用下述公式将旋转后的特征点坐标归一化到实际摄像机坐标

$A^s=\left[\begin{array}{c}{x}_a^{\′}\\ y_a^{\′}\\ f\end{array}\right]=\left[\begin{array}{c}\frac{f}{f^{\″}}{x}_a^{\″}\\ \frac{f}{f^{\″}}{y}_a^{\″}\\ \frac{f}{f^{\″}}{f}^{\″}\end{array}\right]$

其中x″_a、y″_a和f″为步骤三计算得到的结果，x′_a、y′_a为归一化之后的特征点坐标，

步骤五：计算真实坐标

用下述公式计算真实坐标

$A^s\′=\left[\begin{array}{c}{x}^n\\ y^n\\ \stackrel{\‾}{f}\end{array}\right]=\left[\begin{array}{c}{f}_x\frac{r_1(x_a^{\′}-u_0)+r_2(y_a^{\′}-v_0)+r_3\stackrel{\‾}{f}}{r_7(x_a^{\′}-u_0)+r_8(y_a^{\′}-v_0)+r_9\stackrel{\‾}{f}}\\ f_y\frac{r_4(x_a^{\′}-u_0)+r_5(y_a^{\′}-v_0)+r_6\stackrel{\‾}{f}}{r_7(x_a^{\′}-u_0)+r_8(y_a^{\′}-v_0)+r_9\stackrel{\‾}{f}}\\ \stackrel{\‾}{f}\end{array}\right]$

其中，r₁～r₉为步骤三中姿态转移矩阵R的元素，u₀和v₀是摄像机焦点的坐标，该坐标值为摄像机的固有参数；x′_a和y′_a是步骤四得到的特征点的坐标，f_x和f_y分别为横坐标和纵坐标方向的焦距，

本步骤得到真实坐标xⁿ和yⁿ，

步骤六：计算速度和位移

用下述公式计算速度和位移

△x=x₁ ⁿ-x₂ ⁿ

△y=y₁ ⁿ-y₂ ⁿ

其中，x₁ ⁿ、x₂ ⁿ、y₁ ⁿ和y₂ ⁿ均为步骤五计算得到的坐标数值，其中x₁ ⁿ和y₁ ⁿ表示上一帧计算得到坐标，x₂ ⁿ和y₂ ⁿ表示本帧计算得到坐标，本步骤得到的是位移△x和△y，用位移对时间做微分得到的就是速度。

2.如权利要求1所述的一种惯性器件辅助的视觉导航方法,其特征在于：所述的步骤二采用harris方法提取图像中灰度的突变点作为特征点。