CN109282808A - 用于桥梁三维巡航检测的无人机与多传感器融合定位方法 - Google Patents

Abstract

本发明公开了一种用于桥梁三维巡航检测的无人机，所述无人机包括控制器与k种定位传感器，每种定位传感器均与控制器的信号输入端连接；所述控制器内配置有多传感器融合定位程序，所述多传感器融合定位程序用于根据m种传感器对同一点的三维坐标进行坐标数据融合，1＜m≤k，从而输出无人机当前巡航的空间坐标。本发明还提供一种用于桥三维巡航检测的多传感器融合定位方法，采用本发明用于桥梁三维巡航检测的无人机在巡航过程中进行实时定位。本发明解决了现有技术中由于巡航检测过程中卫星信号不稳定造成的无人机依赖GPS定位的准确性较低的技术问题。

Description

用于桥梁三维巡航检测的无人机与多传感器融合定位方法

技术领域

本发明涉及桥梁检测技术领域，尤其涉及一种利用无人机进行自动巡航检测时对无人机进行定位的方法。

背景技术

随着无人机技术的发展，无人机广泛用于各种工程技术领域，在桥梁检测中也逐渐采用了无人机技术，特别是飞爬两栖机器人，飞爬两栖机器人具有飞行、爬行和栖息三种状态，并能够实现三种状态下的切换，如“一种飞行和爬壁两栖机器人及其控制方法CN103192987B”、“一种能飞行的爬墙机器人CN107539054A”。目前主要采用人工远程遥控的方式对桥梁进行检测，存在操作难度高、效率低、容易漏检的缺点。另外，桥梁结构存在如梯形、弧形等异性区域，并非完全的平整区域。如果无人机完全按照二维平面上规划出的巡航路径，容易与桥梁表面发生碰撞、无法顺利驻停，甚至坠机等安全事故，导致桥梁检测无法正常进行。

鉴于此，发明人设计了一种用于桥梁检测的三维巡航方法，在空间三维坐标系中规划出三维巡航路径，然后根据三维巡航路径解算无人机的巡航姿态，巡航路径中包含若干路径点，每个路径点均有对应的巡航姿态，无人机上搭载GPS定位模块，在巡航过程中实时获取定位坐标，若定位坐标与路径点坐标一致则以该路径点对应的巡航姿态进行运动，从而能够到达下一相邻路径点，最终能够完成沿着整个巡航路径进行巡航检测。

但是，由于在对桥梁结构底面或箱梁内部(桥梁上有检修孔供无人机进入，箱梁的形状规则，多为矩形体)等位置进行检测时，会造成GPS定位模块接收的卫星信号不稳定或失效的现象(接收到的卫星信号的颗数小于8颗为信号不稳定，小于4颗为信号失效)，当GPS定位模块接收信号不稳定时，则以最近时间接收到的稳定卫星信号进行定位解算，这就造成定位坐标与实际位置坐标不相符，定位的准确性低，定位偏差大。然而对于桥梁巡航检测来说，对无人机实时定位的准确要求较高，无人机实时定位的偏差会导致无人机偏离规划的巡航路径，需人工远程监控并遥控使无人机回到巡航路径上，无人机定位准确性的提高能够减少人工巡航检测过程的干涉，提高无人机自动巡航检测的智能化水平。

发明内容

针对上述现有技术的不足，本发明提供一种用于桥梁三维巡航检测的无人机，解决现有技术中由于巡航检测过程中卫星信号不稳定造成的无人机依赖GPS定位的准确性较低的技术问题。本发明还提供一种专门针对桥梁巡航检测的多传感器融合定位方法，能够提高定位精度。

为解决上述技术问题，本发明的技术方案如下：一种用于桥梁三维巡航检测的无人机，所述无人机包括控制器与k种定位传感器，每种定位传感器均与控制器的信号输入端连接；所述控制器内配置有多传感器融合定位程序，所述多传感器融合定位程序用于根据m种传感器对同一点的三维坐标进行坐标数据融合，1＜m≤k，从而输出无人机当前巡航的空间坐标。

优选的，多传感器融合定位程序对同一点分别在X、Y、Z三轴方向的坐标均按如下步骤进行计算：

步骤101：计算m种传感器中每种传感器对同一点同一方向上的坐标标准差，按如下公式：

式中，n表示对同一点的采样次数；

表示第i种传感器对同一点同一方向上的坐标标准差，i∈{1,.....,m}；

s_i,j表示第i种传感器对同一点的第j次采样数据，j∈{1,.....,n}；

表示第i种传感器对同一点进行n次采样的均值，

步骤102：计算m种传感器中每种传感器的权重，其中，第i种传感器的权重g_i按如下公式计算：

步骤103：计算m种传感器对同一点同一方向上的融合坐标s：

优选的，包括以下定位传感器：GPS定位模块、惯性传感定位模块、图像传感定位模块以及超声测距定位模块；所述惯性传感定位模块包括惯性传感器与用于根据惯性传感数据计算空间坐标的微控制器；所述图像传感定位模块包括图像传感器与用于根据图像数据计算空间坐标的微控制器；所述超声测距定位模块包括超声测距传感器与用于根据距离数据计算空间坐标的微控制器。

优选的，无人机的控制器中配置有用于根据GPS定位模块当前所接收到的卫星颗数N来选择定位模式的定位管理程序：当N≥8时，采用GPS定位模块的传感数据进行定位，以获取无人机当前空间三维坐标；当4≤N＜8时，采用GPS定位模块与惯性传感器的传感数据进行融合定位；当N＜4时，采用GPS定位模块、惯性传感定位模块以及图像传感定位模块与超声测距定位模块中的一种或两种进行融合定位。

本发明还提供一种用于桥梁三维巡航检测的多传感器融合定方法，采用如上述用于桥梁三维巡航检测的无人机；在无人机运动过程中，k种定位传感器实时采集各自的定位数据，即三维坐标，并发送给控制器，控制器定位管理程序根据GPS定位模块当前所接收到的卫星颗数N来选择定位模式，多传感器融合定位程序根据定位模式进行定位数据融合，从而输出无人机当前巡航的空间坐标。

优选的，GPS定位模块用于解算世界坐标系的空间坐标。

优选的，惯性传感定位模块实时检测无人机的角速度与线速度，对角速度与线速度进行积分以得到无人机相对于桥梁基准点的相对空间坐标；然后根据桥梁基准点在世界坐标系的空间坐标得到无人机的空间坐标。

优选的，图像传感器定位模块与超声测距定位模块均根据桥梁的结构特征进行定位。

优选的，图像传感器定位模块包括左右两个图像传感器，在无人机运动过程中，左右两个图像传感器联系观测桥梁结构，利用多视角集合和图像特征提取计算实现定位，并包括以下步骤：

步骤201：获取图像传感器定位模块在两个相邻采样时刻所采集的两个相邻空间位置的两组图像；每组图像均包含左右两个图像传感器针对同一物理空间位置采集的两幅图像；

步骤202：采用尺度不变特征转化算子SIFT分别对每组图像中的两幅图像进行兴趣点检测，以分别提取两幅图像中的关键点，所述关键点表征了同一物理空间位置；

步骤203：根据每组图像中两幅图像的关键点进行图像立体匹配，以形成视差信息，并根据视差信息计算无人机相对于该组图像关键点的相对位姿，相对位姿即相对观测角度；

步骤204：时域特征点跟踪：利用最小零均值归一化互相关的方法实现无人机在两个相邻采样时刻的关键点匹配，然后通过三角定位获取无人机相对于两个相邻采样时刻的关键点的三维坐标；

步骤205：运动估计：采用RANSAC方法在立体匹配和时域特征点跟踪的基础上，通过无人机在相邻采样间隔内的相对位姿变化，对其进行运动估计，得到无人机的线速度和角速度；

步骤206：采样卡尔曼滤波算法对无人机的线速度与角速度进行处理，从而得到无人机的相对于桥梁基准点的相对空间坐标；

步骤207：根据桥梁基准点在世界坐标系的空间坐标将相对空间坐标换算为无人机的空间坐标。

优选的，超声测距定位模块包括6个超声测距传感器，分别安装在无人机的顶面、底面、左侧面、右侧面、正面与背面；超声测距定位模块按如下步骤进行定位：

步骤301：根据箱梁内空间任意点到桥梁基准点的相对空间坐标建立相对坐标集合，并根据相对坐标集合中每一点在上下左右前后六个方向上到桥梁的距离建立距离集合；

步骤302：根据相对坐标集合与距离集合建立距离-坐标映射函数：

f(x,y,z)＝(d1,d2,d3,d4,d5,d6)；

其中，d1、d2、d3、d4、d5、d6分别表示空间点上、下、左、右、前、后六个方向到箱梁的距离；

步骤303：6个超声测距传感器分别检测无人机顶面、底面、左侧面、右侧面、正面与背面到箱梁各面的距离，形成距离数组；

步骤304：根据步骤303所得到的距离数组以及步骤302中的距离-坐标映射函数，找到距离数组所对应的相对坐标；

步骤305：根据桥梁基准点在世界坐标系的空间坐标将相对空间坐标换算为无人机的空间坐标。

与现有技术相比，本发明具有以下有益效果：

1、本发明的无人机能够通过多种定位传感器的定位数据以及多传感器融合定位程序进行融合定位，以提高定位精度；并能通过定位管理程序在GPS信号较强时，如无人机位于桥梁外侧，单独采用GPS卫星信号进行定位；在卫星信号失稳时，采用GPS定位模块与惯性传感器的传感数据进行融合定位；在卫星信号失效时，采用采用GPS定位模块、惯性传感定位模块以及图像传感定位模块与超声测距定位模块中的一种或两种进行融合定位。

2、由于惯性传感器定位模块随着时间累积，误差逐渐增大，因此采用图像传感定位模块和/或超声传感定位模块对惯性传感器的定位数据进行修正，图像传感器定位模块与超声测距定位模块均是根据桥梁的结构特征进行定位，不会受到时间累计的影响。

3、本发明的多传感器融合定位方法根据GPS信号强弱来选择不同的定位模式进行定位，不仅能够提高定位精度，而且能够大大减少运算量。

附图说明

图1为本具体实施方式中用于桥梁三维巡航检测的无人机的结构示意图。

具体实施方式

一种用于桥梁三维巡航检测的无人机，其特征在于：所述无人机包括控制器与k种定位传感器，每种定位传感器均与控制器的信号输入端连接；所述控制器内配置有多传感器融合定位程序，所述多传感器融合定位程序用于根据m种传感器对同一点的三维坐标进行坐标数据融合，1＜m≤k，从而输出无人机当前巡航的空间坐标。

本具体实施方式中，多传感器融合定位程序对同一点分别在X、Y、Z三轴方向的坐标均按如下步骤进行计算：

步骤101：计算m种传感器中每种传感器对同一点同一方向上的坐标标准差，按如下公式：

式中，n表示对同一点的采样次数；

表示第i种传感器对同一点同一方向上的坐标标准差，i∈{1,.....,m}；

s_i,j表示第i种传感器对同一点的第j次采样数据，j∈{1,.....,n}；

表示第i种传感器对同一点进行n次采样的均值，

步骤102：计算m种传感器中每种传感器的权重，其中，第i种传感器的权重g_i按如下公式计算：

步骤103：计算m种传感器对同一点同一方向上的融合坐标s：

本具体实施方式中，包括以下定位传感器：GPS定位模块、惯性传感定位模块、图像传感定位模块以及超声测距定位模块；所述惯性传感定位模块包括惯性传感器与用于根据惯性传感数据计算空间坐标的微控制器；所述图像传感定位模块包括图像传感器与用于根据图像数据计算空间坐标的微控制器；所述超声测距定位模块包括超声测距传感器与用于根据距离数据计算空间坐标的微控制器。

本具体实施方式中，无人机的控制器中配置有用于根据GPS定位模块当前所接收到的卫星颗数N来选择定位模式的定位管理程序：当N≥8时，采用GPS定位模块的传感数据进行定位，以获取无人机当前空间三维坐标；当4≤N＜8时，采用GPS定位模块与惯性传感器的传感数据进行融合定位；当N＜4时，采用GPS定位模块、惯性传感定位模块以及图像传感定位模块与超声测距定位模块中的一种或两种进行融合定位。

一种用于桥梁三维巡航检测的多传感器融合定方法，采用本具体实施方式中的用于桥梁三维巡航检测的无人机；在无人机运动过程中，k种定位传感器实时采集各自的定位数据，即三维坐标，并发送给控制器，控制器定位管理程序根据GPS定位模块当前所接收到的卫星颗数N来选择定位模式，多传感器融合定位程序根据定位模式进行定位数据融合，从而输出无人机当前巡航的空间坐标。

本具体实施方式中，GPS定位模块用于解算世界坐标系的空间坐标。

本具体实施方式中，惯性传感定位模块实时检测无人机的角速度与线速度，对角速度与线速度进行积分以得到无人机相对于桥梁基准点的相对空间坐标；然后根据桥梁基准点在世界坐标系的空间坐标得到无人机的空间坐标。

本具体实施方式中，图像传感器定位模块与超声测距定位模块均根据桥梁的结构特征进行定位。

本具体实施方式中，如图1所示，图像传感器定位模块包括左右两个图像传感器，分别安装在无人机正面的左侧位7、右侧位8，在无人机运动过程中，左右两个图像传感器联系观测桥梁结构，利用多视角集合和图像特征提取计算实现定位，并包括以下步骤：

步骤201：获取图像传感器定位模块在两个相邻采样时刻所采集的两个相邻空间位置的两组图像；每组图像均包含左右两个图像传感器针对同一物理空间位置采集的两幅图像；

步骤202：采用尺度不变特征转化算子SIFT分别对每组图像中的两幅图像进行兴趣点检测，以分别提取两幅图像中的关键点，所述关键点表征了同一物理空间位置；

步骤203：根据每组图像中两幅图像的关键点进行图像立体匹配，以形成视差信息，并根据视差信息计算无人机相对于该组图像关键点的相对位姿，相对位姿即相对观测角度；

步骤204：时域特征点跟踪：利用最小零均值归一化互相关的方法实现无人机在两个相邻采样时刻的关键点匹配，然后通过三角定位获取无人机相对于两个相邻采样时刻的关键点的三维坐标；

步骤205：运动估计：采用RANSAC方法在立体匹配和时域特征点跟踪的基础上，通过无人机在相邻采样间隔内的相对位姿变化，对其进行运动估计，得到无人机的线速度和角速度；

步骤206：采样卡尔曼滤波算法对无人机的线速度与角速度进行处理，从而得到无人机的相对于桥梁基准点的相对空间坐标；

步骤207：根据桥梁基准点在世界坐标系的空间坐标将相对空间坐标换算为无人机的空间坐标。

本具体实施方式中给出了一种优选的图像定位方式，也可以采用现有技术中的图像定位方法，如“基于惯性传感器和视觉里程计的机器人定位，仪器仪表学报，第34卷第1期，夏凌楠，张波，王营冠，魏建明”。

本具体实施方式中，如图1所示，超声测距定位模块包括6个超声测距传感器，分别安装在无人机的顶面1、底面2、左侧面3、右侧面4、正面6与背面5；超声测距定位模块按如下步骤进行定位：

步骤301：根据箱梁内空间任意点(采用空间直线进行表示)到桥梁基准点的相对空间坐标建立相对坐标集合，并根据相对坐标集合中每一点在上下左右前后六个方向上到桥梁的距离建立距离集合；

步骤302：根据相对坐标集合与距离集合建立距离-坐标映射函数：

f(x,y,z)＝(d1,d2,d3,d4,d5,d6)；

其中，d1、d2、d3、d4、d5、d6分别表示空间点上、下、左、右、前、后六个方向到箱梁的距离；

步骤303：6个超声测距传感器分别检测无人机顶面、底面、左侧面、右侧面、正面与背面到箱梁各面的距离，形成距离数组；

步骤304：根据步骤303所得到的距离数组以及步骤302中的距离-坐标映射函数，找到距离数组所对应的相对坐标；

步骤305：根据桥梁基准点在世界坐标系的空间坐标将相对空间坐标换算为无人机的空间坐标。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种用于桥梁三维巡航检测的无人机，其特征在于：所述无人机包括控制器与k种定位传感器，每种定位传感器均与控制器的信号输入端连接；所述控制器内配置有多传感器融合定位程序，所述多传感器融合定位程序用于根据m种传感器对同一点的三维坐标进行坐标数据融合，1＜m≤k，从而输出无人机当前巡航的空间坐标。

2.根据权利要求1所述的用于桥梁三维巡航检测的无人机，其特征在于：多传感器融合定位程序对同一点分别在X、Y、Z三轴方向的坐标均按如下步骤进行计算：

步骤101：计算m种传感器中每种传感器对同一点同一方向上的坐标标准差，按如下公式：

式中，n表示对同一点的采样次数；

表示第i种传感器对同一点同一方向上的坐标标准差，i∈{1,.....,m}；

s_i,j表示第i种传感器对同一点的第j次采样数据，j∈{1,.....,n}；

表示第i种传感器对同一点进行n次采样的均值，

步骤102：计算m种传感器中每种传感器的权重，其中，第i种传感器的权重g_i按如下公式计算：

步骤103：计算m种传感器对同一点同一方向上的融合坐标s：

3.根据权利要求1所述的用于桥梁三维巡航检测的无人机，其特征在于：包括以下定位传感器：GPS定位模块、惯性传感定位模块、图像传感定位模块以及超声测距定位模块；所述惯性传感定位模块包括惯性传感器与用于根据惯性传感数据计算空间坐标的微控制器；所述图像传感定位模块包括图像传感器与用于根据图像数据计算空间坐标的微控制器；所述超声测距定位模块包括超声测距传感器与用于根据距离数据计算空间坐标的微控制器。

4.根据权利要求3所述的用于桥梁三维巡航检测的无人机，其特征在于：无人机的控制器中配置有用于根据GPS定位模块当前所接收到的卫星颗数N来选择定位模式的定位管理程序：当N≥8时，采用GPS定位模块的传感数据进行定位，以获取无人机当前空间三维坐标；当4≤N＜8时，采用GPS定位模块与惯性传感器的传感数据进行融合定位；当N＜4时，采用GPS定位模块、惯性传感定位模块以及图像传感定位模块与超声测距定位模块中的一种或两种进行融合定位。

5.一种用于桥梁三维巡航检测的多传感器融合定方法，其特征在于：采用如权利要求4所述的用于桥梁三维巡航检测的无人机；在无人机运动过程中，k种定位传感器实时采集各自的定位数据，即三维坐标，并发送给控制器，控制器定位管理程序根据GPS定位模块当前所接收到的卫星颗数N来选择定位模式，多传感器融合定位程序根据定位模式进行定位数据融合，从而输出无人机当前巡航的空间坐标。

6.根据权利要求5所述的用于桥梁三维巡航检测的多传感器融合定方法，其特征在于：GPS定位模块用于解算世界坐标系的空间坐标。

7.根据权利要求5所述的用于桥梁三维巡航检测的多传感器融合定方法，其特征在于：惯性传感定位模块实时检测无人机的角速度与线速度，对角速度与线速度进行积分以得到无人机相对于桥梁基准点的相对空间坐标；然后根据桥梁基准点在世界坐标系的空间坐标得到无人机的空间坐标。

8.根据权利要求5所述的用于桥梁三维巡航检测的多传感器融合定方法，其特征在于：图像传感器定位模块与超声测距定位模块均根据桥梁的结构特征进行定位。

9.根据权利要求7所述的用于桥梁三维巡航检测的多传感器融合定方法，其特征在于：图像传感器定位模块包括左右两个图像传感器，在无人机运动过程中，左右两个图像传感器联系观测桥梁结构，利用多视角集合和图像特征提取计算实现定位，并包括以下步骤：

步骤201：获取图像传感器定位模块在两个相邻采样时刻所采集的两个相邻空间位置的两组图像；每组图像均包含左右两个图像传感器针对同一物理空间位置采集的两幅图像；

步骤202：采用尺度不变特征转化算子SIFT分别对每组图像中的两幅图像进行兴趣点检测，以分别提取两幅图像中的关键点，所述关键点表征了同一物理空间位置；

步骤203：根据每组图像中两幅图像的关键点进行图像立体匹配，以形成视差信息，并根据视差信息计算无人机相对于该组图像关键点的相对位姿，相对位姿即相对观测角度；

步骤204：时域特征点跟踪：利用最小零均值归一化互相关的方法实现无人机在两个相邻采样时刻的关键点匹配，然后通过三角定位获取无人机相对于两个相邻采样时刻的关键点的三维坐标；

步骤205：运动估计：采用RANSAC方法在立体匹配和时域特征点跟踪的基础上，通过无人机在相邻采样间隔内的相对位姿变化，对其进行运动估计，得到无人机的线速度和角速度；

步骤206：采样卡尔曼滤波算法对无人机的线速度与角速度进行处理，从而得到无人机的相对于桥梁基准点的相对空间坐标；

步骤207：根据桥梁基准点在世界坐标系的空间坐标将相对空间坐标换算为无人机的空间坐标。

10.根据权利要求7所述的用于桥梁三维巡航检测的多传感器融合定方法，其特征在于：超声测距定位模块包括6个超声测距传感器，分别安装在无人机的顶面、底面、左侧面、右侧面、正面与背面；超声测距定位模块按如下步骤进行定位：

步骤301：根据箱梁内空间任意点到桥梁基准点的相对空间坐标建立相对坐标集合，并根据相对坐标集合中每一点在上下左右前后六个方向上到桥梁的距离建立距离集合；

步骤302：根据相对坐标集合与距离集合建立距离-坐标映射函数：

f(x,y,z)＝(d1,d2,d3,d4,d5,d6)；

其中，d1、d2、d3、d4、d5、d6分别表示空间点上、下、左、右、前、后六个方向到箱梁的距离；

步骤303：6个超声测距传感器分别检测无人机顶面、底面、左侧面、右侧面、正面与背面到箱梁各面的距离，形成距离数组；

步骤304：根据步骤303所得到的距离数组以及步骤302中的距离-坐标映射函数，找到距离数组所对应的相对坐标；

步骤305：根据桥梁基准点在世界坐标系的空间坐标将相对空间坐标换算为无人机的空间坐标。