CN113432594A - 一种基于地图与环境的无人机自动导航系统 - Google Patents

Abstract

本发明公开了一种基于地图与环境的无人机自动导航系统，该系统包括图像采集模块，飞行控制模块以及导航模块，地图模块，环境感测模块，图像处理模块，无线通讯模块，其既可以提高无人机图像配准的准确性，实现图像精确定位，又可以提升快速搜索匹配法的灵活性，该系统具有定位效果准确、抗干扰性强等特点，同时实现了GPS缺失情况等下的精确定位。

Description

一种基于地图与环境的无人机自动导航系统

技术领域：

本发明属于无人机视导航领域，尤其涉及一种基于地图与环境的无人机自动导航系统。

背景技术：

目前，无人机技术的发展非常快速，并且在军用、民用等方面都取得了一定的进步，这主要依赖于无人机的相对安全、机动性高、成本较低、操作灵活等优势。而且无人机所拍摄获取的影像资料的实时性强，动态获取信息和快速响应的能力强，适合执行空中侦查、监视、实时定位等任务。但是基于无人机的应用也有一定的缺点和限制。如地形复杂的区域定位误差较大、连续定位的能力较差等。无人机导航定位技术的性能直接影响到无人机能否有效执行任务，是无人机应用的重要基础和关键技术。

无人机导航技术按照不同的技术方法可以分为以下几种导航定位方式。第一种，基于绝对参考系的导航方式，如惯性导航技术，磁罗盘导航技术等。第二种是基于距离测量的导航技术，如卫星导航技术GNSS。该方式通过测量飞行器与己知的精确位置的参考点之间的距离去解算无人机位置。目前应用最为广泛和成熟的代表技术之一是GPS导航技术。第三种导航方式是基于特征匹配的导航，主要包括地形匹配技术、视觉匹配技术等。该类导航方式主要基于计算机视觉，通常利用在无人机上安装的视觉传感器去获取地形地貌图像、景象图像、地磁特征等信息。

在无人机导航技术方面，使用最为广泛和成熟的导航方式是惯性导航/卫星导航组合导航技术，该导航技术可以保证绝大多数的场景下的稳定安全导航。但是，一旦发生GPS缺失的情况，该系统就会失效。该类导航方式的局限性在于易受到恶意干扰，且在某些GPS缺失的位置(如室内、城市楼群之间、高山峡谷等)无法使用。

因此，寻找一种实时、高精度、高效的无人机导航定位方法有重要意义，在卫星导航失效的条件下，发展更为完善和稳定的导航定位系统是重要研究目标。

发明内容

针对目前现有的无人机导航方法与系统所存在的缺陷和不足，本发明提供一种优化的无人机导航系统，其既可以提高无人机图像配准的准确性，实现图像精确定位，又可以提升快速搜索匹配法的灵活性，该系统具有定位效果准确、抗干扰性强等特点，同时实现了GPS缺失情况等下的精确定位。

本发明为解决以上技术问题所采取的技术方案是：

基于地图与环境的无人机自动导航系统，其特征在于系统包括：图像采集模块，飞行控制模块以及导航模块，地图模块，环境感测模块，图像处理模块，无线通讯模块；

图像采集模块用于获取实时图像，

飞行控制用于控制无人机的姿态，

地图模块用于存储无人机作业的飞行区域的数字地图，数字地图带有标记点；

环境感测模块用于根据传感器采集温度，湿度，风速，光线强度，气压值，无人机加速度；

图像处理模块用于根据数字地图对所述图像进行配准，

导航模块用于基于视觉获取无人机的位姿后，根据惯性传感器估计粗略搜索区域，将粗略搜索区域与所述图像进行匹配以进行定位，定位后按照所述数字地图上的顺序标记点航行。

进一步地，所述图形采集模块为双目摄像头，所述双目摄像头为RGB摄像头和红外摄像头，同时基于环境感测模块检测到的光线强度交替开启。

进一步地，基于视觉获取无人机位姿的具体过程为：

步骤S1、需要获取无人机拍摄的影像和数字地图中参考影像，

步骤S2、对所述无人机拍摄图像和所述数字地图中参考图像估计区域进行快速配准处理，对所述数字地图中参考地形图做正射投影变换，使用数字影像地图快速配准处理操作进行配准处理，存储匹配特征点对；

步骤S3，根据所述步骤s2中检测点对进行匹配，得到图像精配准定位结果；

步骤S4，通过匹配所述点对进行视觉位姿估计，在图像的精匹配过程中会得到匹配的特征点对，综合先验DEM数据，可得到匹配成功的2D-3D特征点对，同时根据定相机标定结果、获取的2D-3D匹配点对的数据超过阈值时，经过投影模型变换就可解算出相机的位姿。

进一步地，所述图像配准具体过程为：

步骤S21，提取鲁棒特征点，使用SURF算子作为特征检测子提取特征点，

步骤22，生成二值描述符，将得到的所述特征点进行特征描述的时候选择BRISK算子作为特征描述子，所述BRISK算子在进行特征点描述的时候选择均匀采样模式，

步骤23，计算特征相似性和精匹配，对于得到的特征点集中的数据进行汉明距离作为衡量指标对特征点匹配程度进行判定，通过最近邻原则筛选特征点；使用RANSAC算法去除误匹配，得到配准过程的变换矩阵；

步骤24，变换矩阵求解和参数估计，所述矩阵中包含两幅图像之间的平移和旋转缩放等变换参数。

进一步地，无人机在所述航行过程中，采用RRT-Connect算法的双向搜索方式，同时，设置一个概率的阈值Prob，由随机生成的概率P来决定qrand点的位置是目标点还是在采样空间中自由选取；

进一步地，概率的阈值Prob为0.1-0.2之间。

进一步地，所述无人机航行轨迹方程为：

A_eqc＝b_eq

A_ieq≤b_ieq

其中C为由j段多项式轨迹的控制点系数所组成的向量，Q₀为各段贝塞尔曲线的海森矩阵沿主对角线所构成的矩阵，A_eqc为起点与终点的状态约束与多段贝塞尔曲线之间的连续性约束，A_ieq为边界安全性约束与动力学可行性约束。

本发明的有益效果如下：

本发明既可以提高无人机图像配准的准确性，实现图像精确定位，又可以提升快速搜索匹配法的灵活性，该方法具有定位效果准确、抗干扰性强等特点，同时实现了GPS缺失情况等下的精确定位。

上述说明，仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述说明和其它目的、特征及优点能够更明显易懂，特举较佳实施例，详细说明如下。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明的视觉获取无人机位姿的具体过程

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

基于地图与环境的无人机自动导航系统，其特征在于系统包括：图像采集模块，飞行控制模块以及导航模块，地图模块，环境感测模块，图像处理模块，无线通讯模块；

图像采集模块用于获取实时图像，

飞行控制用于控制无人机的姿态，

地图模块用于存储无人机作业的飞行区域的数字地图，数字地图带有标记点；

环境感测模块用于根据传感器采集温度，湿度，风速，光线强度，气压值，无人机加速度；

图像处理模块用于根据数字地图对所述图像进行配准，

导航模块用于基于视觉获取无人机的位姿后，根据惯性传感器估计粗略搜索区域，将粗略搜索区域与所述图像进行匹配以进行定位，定位后按照所述数字地图上的顺序标记点航行。

进一步地，所述图形采集模块为双目摄像头，所述双目摄像头为RGB摄像头和红外摄像头，同时基于环境感测模块检测到的光线强度交替开启。

进一步地，基于视觉获取无人机位姿的具体过程为：

步骤S1、需要获取无人机拍摄的影像和数字地图中参考影像，

步骤S2、对所述无人机拍摄图像和所述数字地图中参考图像估计区域进行快速配准处理，对所述数字地图中参考地形图做正射投影变换，使用数字影像地图快速配准处理操作进行配准处理，存储匹配特征点对；

步骤S3，根据所述步骤S2中检测点对进行匹配，得到图像精配准定位结果；

步骤S4，通过匹配所述点对进行视觉位姿估计，在图像的精匹配过程中会得到匹配的特征点对，综合先验DEM数据，可得到匹配成功的2D-3D特征点对，同时根据定相机标定结果、获取的2D-3D匹配点对的数据超过阈值时，经过投影模型变换就可解算出相机的位姿。

进一步地，所述图像配准具体过程为：

步骤S21，提取鲁棒特征点，使用SURF算子作为特征检测子提取特征点，

步骤22，生成二值描述符，将得到的所述特征点进行特征描述的时候选择BRISK算子作为特征描述子，所述BRISK算子在进行特征点描述的时候选择均匀采样模式，

步骤23，计算特征相似性和精匹配，对于得到的特征点集中的数据进行汉明距离作为衡量指标对特征点匹配程度进行判定，通过最近邻原则筛选特征点；使用RANSAC算法去除误匹配，得到配准过程的变换矩阵；

步骤24，变换矩阵求解和参数估计，所述矩阵中包含两幅图像之间的平移和旋转缩放等变换参数。

进一步地，无人机在所述航行过程中，采用RRT-Connect算法的双向搜索方式，同时，设置一个概率的阈值Prob，由随机生成的概率P来决定qrand点的位置是目标点还是在采样空间中自由选取；

进一步地，概率的阈值Prob为0.1-0.2之间。

进一步地，所述无人机航行轨迹方程为：

A_eqc＝b_eq

A_ieq≤b_ieq

其中C为由j段多项式轨迹的控制点系数所组成的向量，Q₀为各段贝塞尔曲线的海森矩阵沿主对角线所构成的矩阵，A_eqc为起点与终点的状态约束与多段贝塞尔曲线之间的连续性约束，A_iea为边界安全性约束与动力学可行性约束。

进一步地，无人机拍摄的图像与数字地图中参考影像的配准过程为：

步骤S31，对数字地图中参考影像构建图像金字塔模型，并保存金字塔的每一层图像以及对应的尺度。

步骤S32，图像分块，对步骤S31得到的金字塔层图像做分块处理，得到分块子图集合。

步骤S33，相似子块快速搜索，在子块图像集合中找到和目标图像相似度最高的子块。

步骤S34，图像粗匹配。对目标图像和相似子块分别做降采样处理，得到两幅降采样图像，对降采样图像分别提取参与匹配的点特征，利用改进特征点配准算法进行特征匹配，得到降采样图像之间的粗匹配结果。

步骤S35，重叠区域获取。所述获取重叠区域的过程基于盒式滤波器。

步骤S36，原图裁切重叠区域，在粗匹配结果中找到重叠区域之后，结合降采样比例关系、子块位置关系将重叠区域对应在原图中对应，得到最大的配准重；

步骤S37，图像精匹配，对上一步获取的原图重叠图像和目标图像原图基于改进特征点配准算法实现配准，得到图像精匹配结果。

步骤S38，参数解算，依据精匹配结果和重叠区域在数字地图中参考影像中的位置参数等进行参数解算；得到目标图像和数字地图中参考图像的配准变换矩阵，并且得到两步配准之后目标图像在数字地图中参考图像的重叠区域位置。

本发明的优点在于：既可以提高无人机图像配准的准确性，实现图像精确定位，又可以提升快速搜索匹配法的灵活性，该系统具有定位效果准确、抗干扰性强等特点，同时实现了GPS缺失情况等下的精确定位。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种基于地图与环境的无人机自动导航系统，其特征在于系统包括：图像采集模块，飞行控制模块以及导航模块，地图模块，环境感测模块，图像处理模块，无线通讯模块；

图像采集模块用于获取实时图像，

飞行控制用于控制无人机的姿态，

地图模块用于存储无人机作业的飞行区域的数字地图，数字地图带有标记点；

环境感测模块用于根据传感器采集温度，湿度，风速，光线强度，气压值，无人机加速度；

无线通讯模块，用于与地面控制端进行交互；

图像处理模块用于根据数字地图对所述图像进行配准，

导航模块用于基于视觉获取无人机的位姿后，根据惯性传感器估计粗略搜索区域，将粗略搜索区域与所述图像进行匹配以进行定位，定位后按照所述数字地图上的顺序标记点航行。

2.根据权利要求1所述的基于地图与环境的无人机自动导航系统，其特征还在于：所述图形采集模块为双目摄像头，所述双目摄像头为RGB摄像头和红外摄像头，同时基于环境感测模块检测到的光线强度交替开启。

3.根据权利要求1所述的基于地图与环境的无人机自动导航系统，其特征还在于：基于视觉获取无人机位姿的具体过程为：

步骤S1、需要获取无人机拍摄的影像和数字地图中参考影像，

步骤S2、对所述无人机拍摄图像和所述数字地图中参考图像估计区域进行快速配准处理，对所述数字地图中参考地形图做正射投影变换，使用数字影像地图快速配准处理操作，进行配准处理，存储匹配特征点对；

步骤S3，根据所述步骤S2中检测点对进行匹配，得到图像精配准定位结果；

步骤S4，通过匹配所述点对进行视觉位姿估计，在图像的精匹配过程中会得到匹配的特征点对，综合先验DEM数据，可得到匹配成功的2D-3D特征点对，同时根据定相机标定结果、获取的2D-3D匹配点对的数据超过阈值时，经过投影模型变换就可解算出相机的位姿。

4.根据权利要求1所述的基于地图与环境的无人机自动导航系统，其特征还在于：所述图像配准具体过程为：

步骤S21，提取鲁棒特征点，使用SURF算子作为特征检测子提取特征点，

步骤22，生成二值描述符，将得到的所述特征点进行特征描述的时候选择BRISK算子作为特征描述子，所述BRISK算子在进行特征点描述的时候选择均匀采样模式，

步骤23，计算特征相似性和精匹配，对于得到的特征点集中的数据进行汉明距离作为衡量指标对特征点匹配程度进行判定，通过最近邻原则筛选特征点；使用RANSAC算法去除误匹配，得到配准过程的变换矩阵；

步骤24，变换矩阵求解和参数估计，所述矩阵中包含两幅图像之间的平移和旋转缩放等变换参数。

5.根据权利要求1所述的基于地图与环境的无人机自动导航系统，其特征还在于：无人机在所述航行过程中，采用RRT-Connect算法的双向搜索方式，同时，设置一个概率的阈值Prob，由随机生成的概率P来决定qrand点的位置是目标点还是在采样空间中自由选取。

6.根据权利要求5所述的基于地图与环境的无人机自动导航系统，其特征在于：概率的阈值Prob为0.1-0.2之间。

7.根据权利要求1所述的基于地图与环境的无人机自动导航系统，其特征在于：所述无人机航行轨迹方程为：

A_eqc＝b_eq

A_ieq≤b_ieq

其中C为由j段多项式轨迹的控制点系数所组成的向量，Q₀为各段贝塞尔曲线的海森矩阵沿主对角线所构成的矩阵，A_eqc为起点与终点的状态约束与多段贝塞尔曲线之间的连续性约束，A_ieq为边界安全性约束与动力学可行性约束。

Images