CN116796119A - 一种基于无人机运动平台的单目测距精度计算方法 - Google Patents

Abstract

本发明提供了一种基于无人机运动平台的单目测距精度计算方法，其步骤包括：搭建无人机运动平台，通过调整平台参数，使测量距离尽可能接近真实距离，进而得到该单目测距算法的最佳观测平台运动轨迹和最佳目标运动轨迹；根据各项精度影响因素的误差分布特性生成随机数作为随机误差值，对最佳观测平台和最佳目标运动轨迹进行M次恢复和统计，M≥1000；对测量距离和真实距离作相对误差计算，得到M个相对误差值，生成统计直方图，以评价单目测距算法的精度。本发明改进了现有文献对基于无人机运动平台的单目测距算法精度研究的不足，该方法可在仿真阶段通过较短的时间完成基于无人机运动平台的测距算法的误差分析，以降低测距算法的误差。

Description

一种基于无人机运动平台的单目测距精度计算方法

技术领域

本发明涉及单目测距技术领域，尤其涉及一种基于无人机运动平台的单目测距精度计算方法。

背景技术

测距精度是距离测量的重要指标，相较于双目测距，单目测距的精度和测距模型、运动状态等有关，影响因素较多，且对于远距离测量而言，相关参量的微小改变会引起距离的巨大偏差，所以还需对测距算法的理论误差进行分析，提高距离测量的精度。

在基于视觉的被动测距技术中，单目测距由于只有一个探测器，无法在同一时刻对目标进行三角测量，只能对目标定向，尤其对于空对空形式的测距，目标和运动平台的空间位置和姿态都存在三个自由度，相比于对地面目标或海面目标的测量，缺少一个空间维度，需要借助更多信息来对目标位置进行约束。因此，观测平台的搭建变得愈发重要。

传统的基于轨迹约束的单目测距技术，仿真测距精度普遍在5％以上。在远距离测距的背景下，该误差值更是被放大。特别是在构建了空中运动观测平台观测运动目标的模型后，即便是运用了利用连续三点共线的假设以及距离之间的比值得到的距离估计公式，测距精度仍是在5％高居不下。因此，为降低单目测距算法的误差，针对不同的测距算法搭建无人机运动平台，通过开展大量样本计算以获取各项参数与测距精度之间的关系，具有重要的研究价值。

而在基于无人机平台的单目测距实验中，存在实验环境不完全可控、实验人员能力有限等影响因素，测量和计算得到的数据与真实值之间必定会存在误差。且目前现有的测量方法和测量设备不完善，搭载于无人机平台的单目测距算法，其精度又受到无人机平台参数的影响。与普通的地面测距系统相比，无人机平台在空中运动的过程中，每一时刻的位置、姿态、云台角度等参数都在发生变化，不能视为测距算法和无人机运动平台的简单结合。因此，对于基于无人机运动平台的单目测距精度影响因素的分析始终是算法研究中不可缺少的关键一步。

发明内容

本发明目的在于提供一种基于无人机运动平台的单目测距精度计算方法，旨在改进现有技术对基于无人机运动平台的单目测距算法精度研究的不足，该方法可在仿真阶段通过较短的时间完成基于无人机运动平台单目测距算法的误差分析，得到适用于该单目测距算法的无人机运动平台参数，以降低测距算法结果的误差。

实现本发明的技术解决方案为：一种基于无人机运动平台的单目测距精度计算方法，包括：首先搭建无人机运动平台，结合无人机运动平台的参数特性，在贴合实际的情况下，调整平台参数，使测量距离尽可能接近真实距离，得到该单目测距算法的最佳观测平台运动轨迹和最佳目标运动轨迹；然后根据各项精度影响因素的误差分布特性生成随机数作为随机误差值，对最佳观测平台和最佳目标运动轨迹进行M次恢复和统计，M≥1000，并记录每一次试验的测量距离；再对测量距离和真实距离作相对误差计算，得到M个相对误差值，最终生成该单目测距算法的精度统计直方图。

本发明与现有技术相比，其显著优点在于：改进了现有文献对基于无人机运动平台的单目测距算法精度研究的不足，所提出的基于无人机运动平台的单目测距精度计算方法可在仿真阶段通过较短的时间完成基于无人机运动平台的单目测距算法的误差分析，以降低单目测距算法的误差。

附图说明

图1为本发明中实验参数摄像机光心定位误差在不同取值下的相对误差结果图，其中图(a)为测距误差与摄像机光心定位误差的关系曲线，图(b)为不同光心定位误差下的真实距离与估计距离。

图2为本发明中实验参数观测平台加速度在不同取值下的相对误差结果图，其中图(a)为测距误差与观测平台加速度的关系曲线，图(b)为不同加速度下的真实距离与估计距离。

图3为本发明中实验参数测量时长在不同取值下的相对误差结果图，其中图(a)为测距误差与测量时长的关系曲线，图(b)为无人机运动平台三维轨迹图。

图4为本发明中实验参数视线角度误差在不同取值下的相对误差结果图，其中图(a)为测距误差与视线角度误差的关系曲线，图(b)为不同视线角度误差下的真实距离与估计距离。

图5为本发明中轨迹交会单目测距算法测距结果误差的统计直方图。

图6为本发明所述的基于无人机运动平台的单目测距精度计算方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明主要针对基于无人机运动平台的单目测距算法在实验环境不完全可控、实验人员能力有限等不利条件下，完善测量方法和测量设备，搭建无人机运动平台。通过运行不同的单目测距算法，并经过大量仿真实验论证，观测平台对单目测距算法的测距精度影响较大的参数为摄像机光心定位误差、观测平台加速度、测量时长和视线角度误差。从上述四个主要精度影响参数出发，利用控制变量法，在其他参数取值固定的情况下，设置观测平台各单项参数的取值变化范围，并根据单目测距算法的测量结果得到该单目测距算法的最佳观测平台运动轨迹和最佳目标运动轨迹。再将13项精度影响因素根据其误差分布特性生成随机数作为随机误差值加入仿真实验，开展大量样本计算，对最佳观测平台和最佳目标运动轨迹进行M次恢复和统计，M≥1000，最终生成每次计算得到的测距误差的统计直方图。通过验证轨迹交会单目测距算法的测距精度，可证明提出的基于无人机运动平台的单目测距精度计算方法的正确性。

结合图6，本发明所述的一种基于无人机运动平台的单目测距精度计算方法，以采用轨迹交会单目测距算法为例，具体步骤如下：

步骤1：搭建无人机运动平台：无人机运动平台包括观测平台和运动目标，其中观测平台包括无人机A、单目相机、工控机，单目相机和工控机均装配在无人机A上；运动目标为无人机B。

分别设置观测平台和运动目标的运动轨迹，以确定任意时刻两无人机之间的真实距离、两无人机的速度和加速度信息、单目相机的观测角度信息等等。全过程两无人机不处于相对静止状态，在观测平台的工控机中运行轨迹交会单目测距算法。

步骤2：观测平台对运动目标进行测量，在t时刻时，观测平台与运动目标间的距离为真实距离，同时无人机A上的工控机利用单目测距算法得到当前时刻的测距结果，该测距结果为观测平台与运动目标间距离的测量距离；结合观测平台的参数特性，在贴合实际的情况下，调整观测平台参数，使测量距离尽可能接近真实距离，得到该单目测距算法的最佳观测平台运动轨迹和最佳目标运动轨迹，具体如下：

利用控制变量法，设置观测平台的各单项参数的取值变化范围，分别得到各项参数在不同取值下单目测距算法的测量距离a，并将测量距离与对应时刻的真实距离b作相对误差计算，得到相对误差x：

在贴合实际的前提下，尽可能地将观测平台参数设置为各项参数最小相对误差的对应取值，得到该单目测距算法的最佳观测平台和最佳目标运动轨迹。

通过大量的仿真实验论证，观测平台对单目测距算法的测距精度影响较大的参数为摄像机光心定位误差、观测平台加速度、测量时长和视线角度误差。利用控制变量法，即在其他参数取值固定的情况下，分别设置上述的四个观测平台参数的取值变化范围，得到轨迹交会单目测距算法在各项观测平台参数不同取值下的仿真分析：

1.摄像机光心定位误差

摄像机光心定位误差主要来源于观测平台自身的定位精度，因为摄像机在观测平台上的安装位置固定不变，只要能对观测平台实时定位，就能对摄像机光心进行实时定位。目前，大多数无人机平台使用全球导航卫星系统(GNSS)进行导航定位，该系统主要包括GPS、GLONASS、GALILEO和BDS四大卫星系统，定位精度一般保持在5～10m。

设置平衡参数为1，对摄像机光心定位加入均值为0、标准差为0～60m的误差其余参数不变。去除观察视线角度误差，轨迹交会单目测距算法对目标的测量距离结果如图1所示。由图1(a)和图1(b)可知，当观察视线不存在角度误差时，测量距离相对于真实距离整体上的偏移量为80m，相对误差在0.01％到1.09％之间波动，且波动剧烈。其中，当摄像机光心定位误差在6m以内时，相对误差波动较小，变化范围控制在0.11％以内，而当光心定位误差在6m以上时，相对误差波动增大，但不大于1.20％。

2.观测平台加速度

设置观测平台加速度变化范围为"1～60"m/s，其余参数不变，则轨迹交会单目测距算法对目标的测量距离结果如图2所示。由图2(a)和图2(b)可知，测量距离的相对误差随着加速度的增大而减小，当加速度大于"4"m/s时，相对误差为0.59345，测量距离基本趋于平稳,"4～60"m/s加速度下的平均相对误差为0.33329％。

3.测量时长

设置测量时长变化范围为"1～12"s，其余参数不变，则轨迹交会单目测距算法对目标的测量距离结果如图3所示。由图3(a)和图3(b)可知，测量距离的相对误差随着测量时长的增大而减小，基本成线性关系。

4.视线角度误差

目标视线的方位角γ_i和高低角θ_i可以由观测平台的姿态角度、摄像机云台的旋转角度、目标图像坐标和摄像机内参数计算得到，以方位角γ_i为例：

其中，(X_pi,Y_pi)为目标像点坐标。

根据各坐标系的转换关系，可得方位角正切值tanγ_i的计算表达式：

其中，r₁₁～r₂₃为旋转矩阵R的元素，由摄像机在世界坐标系下的欧拉角的三角函数组合而成；(u_i,v_i)为目标像素坐标，(u₀,v₀)为主点像素坐标，f为焦距。

将元素r₁₁～r₂₃使用欧拉角(α_i,β_i,ω_i)表示，令：

tanγ_i＝f(u_i,v_i,u₀,v₀,f,α_i,β_i,ω_i)

其中，f(·)表示所有直接测量参量的函数表达式。

最后由正切函数角度标准差公式得到方位角的标准差为：

其中，为目标像素坐标的标准差，/>为主点像素坐标的标准差，σ_f为焦距标准差，/>为欧拉角的标准差。

计算每一个直接测得量的误差传递系数，代入上式后即可计算出方位角的标准差表达式。同样地，高低角θ_i的标准差也可同理得到。

对目标视线加入均值为0、标准差为0～1.2°的角度误差，其余参数不变，在不同的角度误差下轨迹交会单目测距算法对目标的测量距离结果如图4所示。由图4(a)和图4(b)可知，目标视线的角度误差对测距结果的影响较大。当角度误差小于0.15°时，观测距离相对于真实距离有50m偏移，测距误差小于5％，测距结果较为稳定。当角度误差增大时，恢复出来的目标点越来越靠近观测平台，测距误差迅速增大，且波动剧烈。因此，在轨迹交汇单目测距算法中，目标视线的测角精度是影响测距精度的一大因素。在后续的仿真实验以及实际外场实验中需要对这一参数的取值严格把关控制。

根据上述结果，设置最佳观测平台和最佳目标运动轨迹：设置摄像机的焦距为50mm，像元尺寸为1.45μm，图像分辨率为1920×1080pixel。设置图像拍摄间隔为0.1s，每次取200帧图像数据进行目标位置计算，观测历时为20s，观测平台和目标的运动时间为30s。设置观测平台加速度为20m/s²，目标初始距离为3536m，目标运动距离为560m。设置观察视线的初始方位角为44.98°，初始高低角为0.79°。

步骤3：对上述步骤2中设置的最佳观测平台和最佳目标运动轨迹加入随机误差，开展大量样本计算，进行M次恢复和统计，M≥1000，并记录每一次试验的测量距离。其中，根据各项精度影响因素的误差分布特性生成随机数作为误差值加入到最佳观测平台中，共加入13项精度影响因素作为随机误差，各项精度影响因素的误差分布如表1所示：

表1各项精度影响因素的误差分布表

步骤4：对测量距离和真实距离作相对误差计算，得到M个相对误差值，生成轨迹交会单目测距算法的测距误差统计直方图，如图5所示。由图5可知，在上述设置的条件下，轨迹交会单目测距算法的测距结果相对误差变化范围为0.4％～3％，平均测距结果相对误差为1.45％，即测距精度为±(b×1.45％)。

综上，本发明所提出的基于无人机运动平台的单目测距精度计算方法可在仿真阶段通过较短的时间完成基于无人机运动平台的单目测距算法的误差分析，以降低测距算法的误差。本发明对于基于无人机运动平台的单目测距算法在仿真阶段的误差分析具有极为重要的意义，具有很强的研究价值。

Claims (5)

1.一种基于无人机运动平台的单目测距精度计算方法，其特征在于，包括以下步骤：

步骤1：搭建无人机运动平台：无人机运动平台包括观测平台和运动目标，其中观测平台包括无人机A、单目相机、工控机，单目相机和工控机均装配在无人机A上；运动目标为无人机B；

步骤2：观测平台对运动目标进行测量，在t时刻时，观测平台与运动目标间的距离为真实距离，同时无人机A上的工控机利用单目测距算法得到当前时刻的测距结果，该测距结果为观测平台与运动目标间距离的测量距离；结合观测平台的参数特性，在贴合实际的情况下，调整观测平台参数，使测量距离尽可能接近真实距离，得到该单目测距算法的最佳观测平台运动轨迹和最佳目标运动轨迹；

步骤3：根据各项精度影响因素的误差分布特性生成随机数作为随机误差值，对最佳观测平台和最佳目标运动轨迹进行M次恢复和统计，M≥1000，并记录每一次试验的测量距离；

步骤4：对测量距离和真实距离作相对误差计算，得到M个相对误差值，生成统计直方图，以评价单目测距算法的精度。

2.根据权利要求1所述的一种基于无人机运动平台的单目测距精度计算方法，其特征在于：步骤2中，结合观测平台的参数特性，在贴合实际的情况下，调整观测平台参数，使测量距离尽可能接近真实距离，得到该单目测距算法的最佳观测平台运动轨迹和最佳目标运动轨迹，具体如下：

步骤2.1：利用控制变量法，设置观测平台的各单项参数的取值变化范围，分别得到各项参数在不同取值下单目测距算法的测量距离a，并将测量距离与对应时刻的真实距离b作相对误差计算，得到相对误差x：

步骤2.2：在贴合实际的前提下，尽可能地将观测平台参数设置为各项参数最小相对误差的对应取值，得到该单目测距算法的最佳观测平台和最佳目标运动轨迹。

3.根据权利要求2所述的一种基于无人机运动平台的单目测距精度计算方法，其特征在于：设置观测平台的各单项参数，参数包括摄像机光心定位误差、观测平台加速度、测量时长和视线角度误差。

4.根据权利要求2所述的一种基于无人机运动平台的单目测距精度计算方法，其特征在于：在步骤2.1中，通过控制变量，即在其他参数取值固定的情况下，设置单项参数的取值变化范围，分别得到各项参数在不同取值下单目测距算法的测量距离，进而得到各项参数在不同取值下单目测距算法的相对误差。

5.根据权利要求1所述的一种基于无人机运动平台的单目测距精度计算方法，其特征在于：步骤3中，根据各项精度影响因素的误差分布特性生成随机数，作为随机误差值加入到最佳观测平台中，各项精度影响因素的误差分布如表1所示：

表1各项精度影响因素的误差分布表

共加入13项精度影响因素作为随机误差。