CN106989744A - 一种融合机载多传感器的旋翼无人机自主定位方法 - Google Patents

一种融合机载多传感器的旋翼无人机自主定位方法 Download PDF

Info

Publication number
CN106989744A
CN106989744A CN201710103252.0A CN201710103252A CN106989744A CN 106989744 A CN106989744 A CN 106989744A CN 201710103252 A CN201710103252 A CN 201710103252A CN 106989744 A CN106989744 A CN 106989744A
Authority
CN
China
Prior art keywords
information
unmanned plane
optical flow
horizontal direction
flow velocity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710103252.0A
Other languages
English (en)
Inventor
成慧
唐舜尧
卢德辉
陈佩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Sun Yat Sen University
Original Assignee
National Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Sun Yat Sen University filed Critical National Sun Yat Sen University
Priority to CN201710103252.0A priority Critical patent/CN106989744A/zh
Publication of CN106989744A publication Critical patent/CN106989744A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及无人机的技术领域，更具体地，涉及一种融合机载多传感器的旋翼无人机自主定位方法。一种融合机载多传感器的旋翼无人机自主定位方法，其中，包括以下步骤：S1. 利用机载摄像头，获取地面的实时图像信息；S2. 实时获取地面纹理灰度图像信息，对每帧灰度图像选择固定数量的特征点，通过匹配相邻两帧灰度图像，计算光流向量，并通过差分，获取光流速度；S3. 同步摄像头、惯性测量单元与超声波传感器的时间戳，利用惯性测量单元获取的实时姿态信息，对光流速度进行姿态补偿，得到光流速度在水平方向上的分量；利用超声波传感器获取的高度信息对光流速度在水平方向熵的分量进行尺度还原，得到无人机的水平方向上的速度；S4. 对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，则得到水平方向上的位移信息。

Description

一种融合机载多传感器的旋翼无人机自主定位方法
技术领域
本发明涉及无人机的技术领域，更具体地，涉及一种融合机载多传感器的旋翼无人机自主定位方法。
背景技术
在缺乏外界定位系统的情况下，例如GPS或室内定位系统，依靠无人机的机载传感器系统实现其位置与姿态的实时估计是具有挑战性的问题。无人机的自定位解决方案与机载传感器的类型紧密相关，针对不同的无人机机载传感器系统目前存在如下估计无人机自定位信息的机载传感器系统。
1)单/双目视觉系统与惯性测量单元(惯性测量单元)的组合；
2)激光测距仪与惯性测量单元的组合；
3)RGB-D摄像机与惯性测量单元的组合。
考虑传感器的成本与重量，利用单目视觉与惯性测量单元作为机载传感器以估计旋翼无人机的自定位信息是适宜小型无人机平台的方案，尤其是融合利用单目视觉估计相对速度的光流法与利用惯性测量单元进行姿态解算算法的方法。其中光流法无需对图像进行特征提取与特征匹配，而是考虑图像灰度在时间上的变化率与摄像头和图像场景之间相对变化的关系。除了灰度信息，光流法要求提供图像像素对应的深度信息，从而完成对无人机位姿的解算。但是，仅采用光流法存在位置估计的累积误差，在无人机长距离飞行的情况下，其定位误差将逐渐累积，因此，融合光流法与利用惯性测量单元解算无人机姿态的方法，将有效提高无人机依靠轻量机载传感器系统实现较长距离自定位的精度。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷，提供一种融合机载多传感器的旋翼无人机自主定位方法，本方法在无GPS或室内定位系统等外界定位系统的情况下，能实现无人机较长时间内的准确自定位。
为解决上述技术问题，本发明采用的技术方案是：一种融合机载多传感器的旋翼无人机自主定位方法，其中，包括以下步骤：
S1.利用机载摄像头，获取地面的实时图像信息；
S2.实时获取地面纹理灰度图像信息，对每帧灰度图像选择固定数量的特征点，通过匹配相邻两帧灰度图像，计算光流向量，并通过差分，获取光流速度；
S3.同步摄像头、惯性测量单元与超声波传感器的时间戳，利用惯性测量单元获取的实时姿态信息，对光流速度进行姿态补偿，得到光流速度在水平方向上的分量；利用超声波传感器获取的高度信息对光流速度在水平方向熵的分量进行尺度还原，得到无人机的水平方向上的速度；
S4.对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，则得到水平方向上的位移信息。
进一步的，所述的步骤S1中，
考虑包括加速度计与陀螺仪的惯性测量单元，利用机载惯性测量单元模块中的加速度计和陀螺仪分别测得无人机的实时加速度和角速度信息，通过四元数解算，估计旋翼无人机的实时姿态信息，其中实时无人机的姿态信息包括无人机的偏航角增量、横滚角和俯仰角；
利用机载超声波传感器测量无人机相对于地面的高度信息，并利用惯性测量单元获取的实时姿态信息进行姿态补偿，实时校正垂直高度信息。
所述的步骤S2中，
光流速度的获取方法为：
对每帧灰度图采用Shi-Tomasi角点检测的方法，选取100个纹理信息最明显的特征点，以特征点为中心选取3*3的像素窗口作为一个像素单元，将前一帧灰度图中的像素窗口位置作为后一帧灰度图的像素窗口的初始位置，建立一个搜索区域，利用Lucas-Kanade反向相乘算法，采用五层光流金字塔模型，利用最小二乘法，通过令前一帧的像素窗口在后一阵的灰度图的搜索区域内搜索灰度差和最小，求得后一帧的像素窗口位置，两帧像素窗口的距离差，即为光流向量，通过差分，获取光流速度。
所述的步骤S3中，姿态补偿的方法为：包括数据表示和变换表示。
所述的步骤S3中，光流速度的获取方法为：
通过摄像机投影矩阵将图像坐标系下的二位点与摄像机坐标系下的三维点进行匹配；
通过变换矩阵将摄像机坐标系下的空间点转换到机体坐标系下；在坐标变换的过程中消除摄像头不在机体中心而造成的偏差；
通过变换矩阵将机体坐标系下的空间点转换到世界坐标系下，在缺乏磁力计，无法获取当前时刻方位角的情况下，将世界坐标系的X轴正方向设为初始飞行机头的朝向方向。
所述的步骤S4中，对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，即得水平方向上的相对位置信息。
与现有技术相比，有益效果是：本发明使用LK光流反向相乘算法结合金字塔算法估计光流，避免了传统光流算法迭代中反复计算海森矩阵的步骤，简化了的迭代过程，降低了算法的复杂度。同时金字塔算法为由粗到精的估计策略，很大程度上克服了较大、较快的运动所造成的光流估计错误问题。从而使算法能应用到飞行速度较快的旋翼无人机平台上。
本发明采用对极几何模型，融合光流估计、无人机的姿态角以及飞行高度信息估计无人机在水平方向上的飞行速度。通过对对极几何模型进一步地推导，在没有偏航角信息的情况下，本发明利用惯性测量单元模块解算出两帧图像之间的偏航角增量，并将之用于对光流速度进行姿态补偿，估计旋翼无人机在世界坐标系内的水平飞行速度，减少平台所搭载的传感器数量。
附图说明
图1为本发明无人机机体坐标系与摄像机坐标系示意图；
图2为本发明无人机水平方向速度的估计流程；
图3为本发明基于多传感器的旋翼无人机实时自主定位方法流程图；
图4为本发明实现无人机定位的场景图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
一种融合机载多传感器的旋翼无人机自主定位方法，包括：
1)利用机载摄像头，获取地面的实时图像信息；
考虑包括加速度计与陀螺仪的惯性测量单元，利用机载惯性测量单元模块中的加速度计和陀螺仪分别测得无人机的实时加速度和角速度信息，通过四元数解算，估计旋翼无人机的实时姿态信息，其中实时无人机的姿态信息包括无人机的偏航角增量、横滚角和俯仰角；
利用机载超声波传感器测量无人机相对于地面的高度信息，并利用惯性测量单元获取的实时姿态信息进行姿态补偿，实时校正垂直高度信息；
2)实时获取地面纹理灰度图像信息，对每帧灰度图像选择固定数量的特征点，通过匹配相邻两帧灰度图像，计算光流向量，并通过差分，获取光流速度；
3)同步摄像头、惯性测量单元与超声波传感器的时间戳，利用惯性测量单元获取的实时姿态信息，对光流速度进行姿态补偿，得到光流速度在水平方向上的分量；利用超声波传感器获取的高度信息对光流速度在水平方向熵的分量进行尺度还原，得到无人机的水平方向上的速度；
4)对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，则得到水平方向上的位移信息，
所述的步骤2)中光流速度的获取方法为：
对每帧灰度图采用Shi-Tomasi角点检测的方法，选取100个纹理信息最明显的特征点，以特征点为中心选取3*3的像素窗口作为一个像素单元，将前一帧灰度图中的像素窗口位置作为后一帧灰度图的像素窗口的初始位置，建立一个搜索区域，利用Lucas-Kanade反向相乘算法，采用五层光流金字塔模型，利用最小二乘法，通过令前一帧的像素窗口在后一阵的灰度图的搜索区域内搜索灰度差和最小，求得后一帧的像素窗口位置，两帧像素窗口的距离差，即为光流向量，通过差分，获取光流速度。
LK反向相乘算法如下：
其中，W(x；p)为扭曲因子，即W(x,p)＝(x+p1,y+p2)T，其中p＝(p1,p2)T为前后两帧灰度图像上像素窗口在图像x和y方向的光流偏移T(x)与I(x)分别代表当前时刻与上一时刻的两帧灰度图。
利用迭代
更新扭曲因子矩阵W(x；p)。
将式(2.1.1)关于p＝0处进行一阶泰勒展开得：
对上式对Δp求导，并令导数为0，则增量Δp可表示为：
其中，
由于雅各比行列式在初次迭代中计算出为常量，故在之后的迭代中无需再次计算，从而大大降低了程序的运算复杂度。
进一步，步骤3)中所述姿态补偿的方法为：
1)对于数据表示。如图1所示，记前后两个时刻为t1和t2，对应的超声波测量信息为l1和l2。
对于惯性测量单元姿态角，建立机体坐标系：
x轴正方向对应机体右侧，该轴对应的欧拉角为pitch角(俯仰角)；
y轴正方向对应机头方向，该轴对应的欧拉角为roll角(滚转角)；
z轴正方向对应竖直向上，该轴对应的欧拉角为yaw角(偏航角)。
无人机欧拉角的合成顺序(即通过欧拉角得到旋转矩阵的顺序)为一般意义下的偏航角 -俯仰角-滚转角(yaw-pitch-roll)。记无人机在某个时刻ti在世界坐标系中测得的偏航角(yaw)、俯仰角(pitch)和滚转角(roll)为αi、βi和γi，那么无人机机体坐标系在该时刻相对于世界坐标系的旋转变换关系为：
其中表示ti时刻的机体坐标系Oi相对于世界坐标系W的旋转矩阵。
(2)对于变换表示。
这里一个空间三维点的齐次坐标表示记为X＝[X,Y,Z,1]T，在对于数据的符号表示中，我们用Oi表示ti时刻的机体坐标系，所以在Oi坐标系下的三维点齐次坐标记为XOi，不同的坐标系下标表示这个三维点坐标的值是相对于不同空间坐标系的，下文均按照这个记法进行类似的表示。
这里记在t1和t2时刻的图像平面对应点齐次坐标表示分别为：x1＝[x1,y1,1]T和x2＝[x2, y2,1]T(这两个投影结果可以通过上述光流算法得到)，并设该平面对应点在t1时刻的机体坐标系O1下的三维空间点齐次坐标为XO1，则存在摄像机投影矩阵P1和P2使得：
x1＝P1XO1 (7)
x2＝P2XO1 (8)
其中：
其中，K为摄像机内参矩阵，和为三维空间点变换，可以将在某一个空间坐标系下的三维空间齐次点变换到另一个空间坐标系下。Ci(i＝1,2)坐标系表示摄像机坐标系。因为机载摄像头与惯性测量单元模块的位置相对固定，所以有：
其中，tC1(O1)、tC2(O2)分别表示机体坐标系O1、O2在摄像机坐标系C1中的三维坐标。矩阵和tC1(O1)均需要根据摄像机和惯性测量单元模块的安装位置测量得到。
我们能通过图像和解算的姿态估计相机坐标系和摄像机坐标系的旋转关系；
在图1所示的摄像机坐标系中，以相机为原点，测量惯性测量单元模块到摄像头中心的偏移可得到tC1(O1)。
另外，等式(10)中的将三维坐标齐次点从机体坐标系O1变换到机体坐标系O2，变换矩阵为4*4可逆矩阵，并有以下性质：
可以展开为：
其中可以通过t1和t2时刻的欧拉角信息得到：
tO2(O1)为待求位移向量，表示机体坐标系O1的原点在机体坐标系O2中三维坐标。
所述的步骤3)中光流速度的获取方法为：
如图2所示，在本发明无人机水平速度的估计流程图中：
①通过摄像机投影矩阵K[I|0]将图像坐标系下的二位点与摄像机坐标系下的三维点进行匹配；
②通过变换矩阵和将摄像机坐标系下的空间点转换到机体坐标系下，将变换矩阵和展开后，展开式中的tC1(O1)和tC2(O2)即不同时刻摄像机与惯性测量单元模块的三维距离，由于摄像头和惯性测量单元模块的位置固定，所以tC1(O1)和 tC2(O2)的值相等。通过将tC1(O1)和tC2(O2)添加至变换矩阵中，在坐标变换的过程中消除摄像头不在机体中心而造成的偏差。
③通过变换矩阵和将机体坐标系下的空间点转换到世界坐标系下，在缺乏磁力计，无法获取当前时刻方位角的情况下，将世界坐标系的X轴正方向设为初始飞行机头的朝向方向；
为了获得水平速度估计，需要计算t1和t2时刻之间水平姿态下的机体位移(这里均以机载关心测量单元作为机体运动的度量)，引入新的相机坐标系O1-，O1-表示t1时刻的相机坐标系O1校正滚转角γ1和俯仰角β1后的机体坐标系，即有：
t1和t2时刻图像上的每组平面对应点都有一个三维空间点与之对应，将三维空间点在相机坐标系O1-下的三维点齐次坐标记为XO1-，由于已经校正了滚转角和俯仰角，所以XO1-中的“Z”坐标分量均为t1时刻的高度(这是由最开始的基本假设得到的：速度估计使用的图像纹理信息均近似在同一水平面)，即：
XO1-＝[X,Y,-h1,1]T
其中h1＝l1cos(β1)cos(γ1)，l1为t1时刻的超声波测量信息。
由此，t1和t2时刻的图像对应点成像映射表示为：
对等式(14)和(15)进行矩阵运算化简得到：
由上可知，x1、x2、K、和均已知，所以有：
简记为：
其中
其中tO1(C1)＝tO2(C2)，可以根据机体坐标系，以惯性测量单元模块的中心点为原点，通过测量摄像头到惯性测量单元模块中心点的偏移得到。
上式(20)和(21)中，只有tO1-(O2)为待求量，这个待求量的含义就是：在t1时刻机体惯性测量单元的水平姿态坐标系O1-下(含偏航角姿态，但不含俯仰角和滚转角姿态)， t2时刻的机体惯性测量单元三维偏移量。只要求得了求得这个三维偏移量，除以t1和t2时刻的时间差就可以得到水平方向上的速度。
由前面式子可得，tO1-(C1)和均可计算得到，为已知量，设为： tO1-(C1)＝[Xt1,Yt1,Zt1]T和tO1-(C2)＝[Xt2,Yt2,Zt2]T+tO1-(O2)，并设未知待求量为： tO1-(O2)＝[dX,dY,dh]T，因此将式(18)和(19)化简得：
其中，dh也是可以求得的：dh＝h2-h1＝l2cos(β2)cos(γ2)-l1cos(β1)cos(γ1)
由于和是齐次坐标表示的平面点，将式(22)和(23)的右边进行等效归一化可得：
所以利用已知的深度信息：-h1-Zt1和-h1-Zt2-dh，有：
由于上式中Xt1、Yt1、Xt2和Yt2均为已知量，可易得水平姿态下的偏移量[dX,dY]，最后所求的水平速度为：
求得所有特征点像素串口对应的飞行器速度估值[vxi,vyi]后，通过中值滤波取得速度估值的中位数[vmid,vmid]为最终的速度估计。
通过设置具有普适性的阈值，计算所有速度估值点[vxi,vyi]到中位数点[vmid,vmid]的距离小于该阈值的数量，以此数量作为评估速度估计结果的依据，当点的数量占比达到70％时，则判定速度估计结果正确，否则判定估计结果失败，舍弃此次结果，进入下一次估计。
所述步骤4)对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，即得水平方向上的相对位置信息。
本发明适用环境如图4所示，旋翼无人机在水泥地面、木制地板等有规则和纹理地面条件下的飞行示意图。下标w的坐标系意为世界坐标系，即在整个场景下建立的全局坐标系。无人机上下标为c的坐标系意为机体坐标系，由于设计了多传感器固连装置，惯性测量单元、摄像头、超声波传感器、机体均为刚性连接，因此各自坐标系只存在一个固定的坐标转换关系，该关系在设计固连装置时已给定，如此解决了各传感器之间的坐标转换问题。坐标轴x， y为图像坐标系，任意地面一点投影到图像平面将在该平面建立一个像素单位的坐标。相机为下视视野，能够向下观测到部分地面的纹理信息。
本发明涉及融合机载多传感器数据的旋翼无人机实时自主定位技术，利用单目摄像头获取图像，并结合多个机载传感器，估计无人机在水平方向上的飞行速度，通过对速度进行积分得到无人机相对起始点的水平位移，从而实现无人机自主实时定位。本发明采用实时性能较高的LK光流反向迭代算法计算光流，利用对极几何模型，并在偏航角未知的情况下，利用偏航角增量估计无人机的实时姿态信息，从而对光流速度进行姿态补偿，提出了一种实时、准确的旋翼无人机自主定位解决方案。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于，包括以下步骤：
S1. 利用机载摄像头，获取地面的实时图像信息；
S2. 实时获取地面纹理灰度图像信息，对每帧灰度图像选择固定数量的特征点，通过匹配相邻两帧灰度图像，计算光流向量，并通过差分，获取光流速度；
S3. 同步摄像头、惯性测量单元与超声波传感器的时间戳，利用惯性测量单元获取的实时姿态信息，对光流速度进行姿态补偿，得到光流速度在水平方向上的分量；利用超声波传感器获取的高度信息对光流速度在水平方向熵的分量进行尺度还原，得到无人机的水平方向上的速度；
S4. 对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，则得到水平方向上的位移信息。
2.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S1中，
考虑包括加速度计与陀螺仪的惯性测量单元，利用机载惯性测量单元模块中的加速度计和陀螺仪分别测得无人机的实时加速度和角速度信息，通过四元数解算，估计旋翼无人机的实时姿态信息，其中实时无人机的姿态信息包括无人机的偏航角增量、横滚角和俯仰角；
利用机载超声波传感器测量无人机相对于地面的高度信息，并利用惯性测量单元获取的实时姿态信息进行姿态补偿，实时校正垂直高度信息。
3.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S2中，
光流速度的获取方法为：
对每帧灰度图采用Shi-Tomasi角点检测的方法，选取100个纹理信息最明显的特征点，以特征点为中心选取3*3的像素窗口作为一个像素单元，将前一帧灰度图中的像素窗口位置作为后一帧灰度图的像素窗口的初始位置，建立一个搜索区域，利用Lucas-Kanade反向相乘算法，采用五层光流金字塔模型，利用最小二乘法，通过令前一帧的像素窗口在后一阵的灰度图的搜索区域内搜索灰度差和最小，求得后一帧的像素窗口位置，两帧像素窗口的距离差，即为光流向量，通过差分，获取光流速度。
4.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S3中，姿态补偿的方法为：包括数据表示和变换表示。
5.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S3中，光流速度的获取方法为：
通过摄像机投影矩阵将图像坐标系下的二位点与摄像机坐标系下的三维点进行匹配；
通过变换矩阵将摄像机坐标系下的空间点转换到机体坐标系下；在坐标变换的过程中消除摄像头不在机体中心而造成的偏差；
通过变换矩阵将机体坐标系下的空间点转换到世界坐标系下，在缺乏磁力计，无法获取当前时刻方位角的情况下，将世界坐标系的X轴正方向设为初始飞行机头的朝向方向。
6.根据权利要求1所述的一种融合机载多传感器的旋翼无人机自主定位方法，其特征在于：所述的步骤S4中，对无人机在水平方向上的速度进行积分得到相对位移信息，累加相对位移信息，即得水平方向上的相对位置信息。
CN201710103252.0A 2017-02-24 2017-02-24 一种融合机载多传感器的旋翼无人机自主定位方法 Pending CN106989744A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710103252.0A CN106989744A (zh) 2017-02-24 2017-02-24 一种融合机载多传感器的旋翼无人机自主定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710103252.0A CN106989744A (zh) 2017-02-24 2017-02-24 一种融合机载多传感器的旋翼无人机自主定位方法

Publications (1)

Publication Number Publication Date
CN106989744A true CN106989744A (zh) 2017-07-28

Family

ID=59412537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710103252.0A Pending CN106989744A (zh) 2017-02-24 2017-02-24 一种融合机载多传感器的旋翼无人机自主定位方法

Country Status (1)

Country Link
CN (1) CN106989744A (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831776A (zh) * 2017-09-14 2018-03-23 湖南优象科技有限公司 基于九轴惯性传感器的无人机自主返航方法
CN107976220A (zh) * 2017-12-24 2018-05-01 安徽省环境科学研究院 基于定点不同高度下大气成分同步检测系统及方法
CN107977985A (zh) * 2017-11-29 2018-05-01 上海拓攻机器人有限公司 无人机悬停方法、装置、无人机及存储介质
CN108007474A (zh) * 2017-08-31 2018-05-08 哈尔滨工业大学 一种基于地面标识的无人飞行器自主定位及位姿校正技术
CN108364319A (zh) * 2018-02-12 2018-08-03 腾讯科技（深圳）有限公司 尺度确定方法、装置、存储介质及设备
CN108399642A (zh) * 2018-01-26 2018-08-14 上海深视信息科技有限公司 一种融合旋翼无人机imu数据的通用目标跟随方法和系统
CN108733066A (zh) * 2018-05-07 2018-11-02 中国人民解放军国防科技大学 一种基于吊舱姿态反馈的目标跟踪控制方法
CN108832997A (zh) * 2018-08-07 2018-11-16 湖南华诺星空电子技术有限公司 一种无人机群搜索救援方法及系统
CN108961342A (zh) * 2018-05-02 2018-12-07 珠海市微半导体有限公司 一种光流传感器的校准方法及系统
CN109035121A (zh) * 2018-07-20 2018-12-18 重庆长安汽车股份有限公司 单传感器数据关联前处理方法
CN109283539A (zh) * 2018-09-20 2019-01-29 清华四川能源互联网研究院 一种适用于高层非平整结构的定位方法
CN109407103A (zh) * 2018-09-07 2019-03-01 昆明理工大学 一种无人机雾天障碍物识别装置及其识别方法
CN109602345A (zh) * 2019-01-10 2019-04-12 轻客小觅智能科技（北京）有限公司 一种视觉扫地机器人及其避障方法
CN109903309A (zh) * 2019-01-07 2019-06-18 山东笛卡尔智能科技有限公司 一种基于角度光流法的机器人运动信息估计方法
CN109916394A (zh) * 2019-04-04 2019-06-21 山东智翼航空科技有限公司 一种融合光流位置和速度信息的组合导航算法
CN110660086A (zh) * 2019-06-17 2020-01-07 珠海全志科技股份有限公司 一种基于光流算法的运动控制方法及系统
WO2020019130A1 (zh) * 2018-07-23 2020-01-30 深圳市大疆创新科技有限公司 运动估计方法及可移动设备
CN110825111A (zh) * 2019-11-15 2020-02-21 天津光电通信技术有限公司 适用于高架仓库货物盘点的无人机控制方法、货物盘点方法、装置、服务器及存储介质
WO2020087382A1 (zh) * 2018-10-31 2020-05-07 深圳市大疆创新科技有限公司 一种定位方法、设备、飞行器及计算机可读存储介质
CN111627068A (zh) * 2019-12-31 2020-09-04 成都国翼电子技术有限公司 用于自动校正无人机前视摄像机图像中心的装置及方法
CN111693019A (zh) * 2020-05-20 2020-09-22 西安交通大学 一种姿态传感装置及数据融合、姿态解算方法
CN112529936A (zh) * 2020-11-17 2021-03-19 中山大学 一种用于室外无人机的单目稀疏光流算法
CN113110556A (zh) * 2021-05-06 2021-07-13 南京云智控产业技术研究院有限公司 一种基于视觉传感器的无人机位置估计系统及估计方法
CN115597498A (zh) * 2022-12-13 2023-01-13 成都铂贝科技有限公司（Cn） 一种无人机定位及速度估计方法
CN116295511A (zh) * 2022-12-16 2023-06-23 南京安透可智能系统有限公司 一种用于管道潜航机器人的鲁棒初始对准方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2913633A1 (en) * 2014-02-27 2015-09-02 Honeywell International Inc. Filtering gnss-aided navigation data to help combine sensor and a priori data
CN105652891A (zh) * 2016-03-02 2016-06-08 中山大学 一种旋翼无人机移动目标自主跟踪装置及其控制方法
CN106017463A (zh) * 2016-05-26 2016-10-12 浙江大学 一种基于定位传感装置的飞行器定位方法
CN106289250A (zh) * 2016-08-16 2017-01-04 福建工程学院 一种航向信息采集系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2913633A1 (en) * 2014-02-27 2015-09-02 Honeywell International Inc. Filtering gnss-aided navigation data to help combine sensor and a priori data
CN105652891A (zh) * 2016-03-02 2016-06-08 中山大学 一种旋翼无人机移动目标自主跟踪装置及其控制方法
CN106017463A (zh) * 2016-05-26 2016-10-12 浙江大学 一种基于定位传感装置的飞行器定位方法
CN106289250A (zh) * 2016-08-16 2017-01-04 福建工程学院 一种航向信息采集系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈普华 等: "基于视觉的飞行器偏航角和位置估计与控制", 《兵工自动化》 *

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108007474A (zh) * 2017-08-31 2018-05-08 哈尔滨工业大学 一种基于地面标识的无人飞行器自主定位及位姿校正技术
CN107831776A (zh) * 2017-09-14 2018-03-23 湖南优象科技有限公司 基于九轴惯性传感器的无人机自主返航方法
CN107977985A (zh) * 2017-11-29 2018-05-01 上海拓攻机器人有限公司 无人机悬停方法、装置、无人机及存储介质
CN107976220A (zh) * 2017-12-24 2018-05-01 安徽省环境科学研究院 基于定点不同高度下大气成分同步检测系统及方法
CN108399642A (zh) * 2018-01-26 2018-08-14 上海深视信息科技有限公司 一种融合旋翼无人机imu数据的通用目标跟随方法和系统
CN108399642B (zh) * 2018-01-26 2021-07-27 上海深视信息科技有限公司 一种融合旋翼无人机imu数据的通用目标跟随方法和系统
CN108364319A (zh) * 2018-02-12 2018-08-03 腾讯科技（深圳）有限公司 尺度确定方法、装置、存储介质及设备
CN108364319B (zh) * 2018-02-12 2022-02-01 腾讯科技（深圳）有限公司 尺度确定方法、装置、存储介质及设备
CN108961342B (zh) * 2018-05-02 2020-12-15 珠海市一微半导体有限公司 一种光流传感器的校准方法及系统
CN108961342A (zh) * 2018-05-02 2018-12-07 珠海市微半导体有限公司 一种光流传感器的校准方法及系统
CN108733066B (zh) * 2018-05-07 2021-05-07 中国人民解放军国防科技大学 一种基于吊舱姿态反馈的目标跟踪控制方法
CN108733066A (zh) * 2018-05-07 2018-11-02 中国人民解放军国防科技大学 一种基于吊舱姿态反馈的目标跟踪控制方法
CN109035121A (zh) * 2018-07-20 2018-12-18 重庆长安汽车股份有限公司 单传感器数据关联前处理方法
WO2020019130A1 (zh) * 2018-07-23 2020-01-30 深圳市大疆创新科技有限公司 运动估计方法及可移动设备
CN108832997A (zh) * 2018-08-07 2018-11-16 湖南华诺星空电子技术有限公司 一种无人机群搜索救援方法及系统
CN108832997B (zh) * 2018-08-07 2024-01-12 华诺星空技术股份有限公司 一种无人机群搜索救援方法及系统
CN109407103A (zh) * 2018-09-07 2019-03-01 昆明理工大学 一种无人机雾天障碍物识别装置及其识别方法
CN109283539A (zh) * 2018-09-20 2019-01-29 清华四川能源互联网研究院 一种适用于高层非平整结构的定位方法
WO2020087382A1 (zh) * 2018-10-31 2020-05-07 深圳市大疆创新科技有限公司 一种定位方法、设备、飞行器及计算机可读存储介质
CN109903309A (zh) * 2019-01-07 2019-06-18 山东笛卡尔智能科技有限公司 一种基于角度光流法的机器人运动信息估计方法
CN109903309B (zh) * 2019-01-07 2023-05-12 南京华科广发通信科技有限公司 一种基于角度光流法的机器人运动信息估计方法
CN109602345A (zh) * 2019-01-10 2019-04-12 轻客小觅智能科技（北京）有限公司 一种视觉扫地机器人及其避障方法
CN109916394A (zh) * 2019-04-04 2019-06-21 山东智翼航空科技有限公司 一种融合光流位置和速度信息的组合导航算法
CN110660086A (zh) * 2019-06-17 2020-01-07 珠海全志科技股份有限公司 一种基于光流算法的运动控制方法及系统
CN110660086B (zh) * 2019-06-17 2022-01-04 珠海全志科技股份有限公司 一种基于光流算法的运动控制方法及系统
CN110825111A (zh) * 2019-11-15 2020-02-21 天津光电通信技术有限公司 适用于高架仓库货物盘点的无人机控制方法、货物盘点方法、装置、服务器及存储介质
CN111627068A (zh) * 2019-12-31 2020-09-04 成都国翼电子技术有限公司 用于自动校正无人机前视摄像机图像中心的装置及方法
CN111693019B (zh) * 2020-05-20 2021-04-20 西安交通大学 一种姿态传感装置及数据融合、姿态解算方法
CN111693019A (zh) * 2020-05-20 2020-09-22 西安交通大学 一种姿态传感装置及数据融合、姿态解算方法
CN112529936A (zh) * 2020-11-17 2021-03-19 中山大学 一种用于室外无人机的单目稀疏光流算法
CN112529936B (zh) * 2020-11-17 2023-09-05 中山大学 一种用于室外无人机的单目稀疏光流算法
CN113110556A (zh) * 2021-05-06 2021-07-13 南京云智控产业技术研究院有限公司 一种基于视觉传感器的无人机位置估计系统及估计方法
CN115597498A (zh) * 2022-12-13 2023-01-13 成都铂贝科技有限公司（Cn） 一种无人机定位及速度估计方法
CN116295511A (zh) * 2022-12-16 2023-06-23 南京安透可智能系统有限公司 一种用于管道潜航机器人的鲁棒初始对准方法及系统
CN116295511B (zh) * 2022-12-16 2024-04-02 南京安透可智能系统有限公司 一种用于管道潜航机器人的鲁棒初始对准方法及系统

Similar Documents

Publication Publication Date Title
CN106989744A (zh) 一种融合机载多传感器的旋翼无人机自主定位方法
CN106708066B (zh) 基于视觉/惯导的无人机自主着陆方法
CN109540126B (zh) 一种基于光流法的惯性视觉组合导航方法
CN107741229B (zh) 一种光电/雷达/惯性组合的舰载机着舰导引方法
CN106017463B (zh) 一种基于定位传感装置的飞行器定位方法
CN110095116A (zh) 一种基于lift的视觉定位和惯性导航组合的定位方法
CN109991636A (zh) 基于gps、imu以及双目视觉的地图构建方法及系统
CN105953796A (zh) 智能手机单目和imu融合的稳定运动跟踪方法和装置
CN107478214A (zh) 一种基于多传感器融合的室内定位方法及系统
CN106767785B (zh) 一种双回路无人机的导航方法及装置
CN107390704B (zh) 一种基于imu姿态补偿的多旋翼无人机光流悬停方法
CN107831776A (zh) 基于九轴惯性传感器的无人机自主返航方法
CN106525003A (zh) 一种基于双目视觉的姿态测量方法
CN111462236A (zh) 一种船舶间相对位姿检测方法及系统
CN107014376A (zh) 一种适用于农业机械精准作业的姿态倾角估计方法
CN107728182A (zh) 基于相机辅助的柔性多基线测量方法和装置
CN113503873B (zh) 一种多传感器融合的视觉定位方法
CN108253962A (zh) 一种低照度环境下新能源无人驾驶汽车定位方法
CN110108894B (zh) 一种基于相位相关和光流法的多旋翼速度测量方法
CN114608554A (zh) 一种手持slam设备以及机器人即时定位与建图方法
CN112862818B (zh) 惯性传感器和多鱼眼相机联合的地下停车场车辆定位方法
CN105389819B (zh) 一种鲁棒的半标定下视图像极线校正方法及系统
Kehoe et al. State estimation using optical flow from parallax-weighted feature tracking
CN113408623A (zh) 非合作目标柔性附着多节点融合估计方法
CN108227734A (zh) 用于控制无人机的电子控制装置、相关的无人机、控制方法及计算机程序

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170728

RJ01 Rejection of invention patent application after publication