[发明专利]一种基于光流的导航方法

说明书

技术领域

本发明涉及导航领域，尤其涉及一种基于光流的导航方法。

背景技术

通常多旋翼无人机采用GPS/MEMS惯性组合导航系统来提供飞行器的导航信息。但是GPS从本质上属于无线电导航，在丛林、峡谷及室内等特殊环境会因信号丢失而出现失锁情况。由于MEMS惯性器件的精度较低，误差随时间发散较快，因此无法单独提供有效的导航信息。所以需要引入一种新的导航方式来抑制惯性器件的误差发散。

科学研究表明，自然界中的蜜蜂通过使用其特殊的眼睛感知外界光线的变化来进行导航和避障，进而启发了人们使用光流法来进行导航。随着计算机视觉的发展，光流导航因其具有成本低、体积小、重量轻等优点被应用于微小型无人机导航领域。

由于经典的光流算法是建立在三个假设之上的，因此多旋翼飞行器实际飞行环境中可能出现的光照强度变化、图像遮挡及大尺度运动等因素都会对光流导航信息的可靠性造成影响。

采用光流/惯性组合导航系统，可以利用光流导航算法的速度信息来抑制惯导信息的发散，同时也可以利用惯导输出的信息来提升光流信息求解的精度，从而提升导航系统的可靠性，增强多旋翼无人机在无GPS环境下的生存能力。

发明内容

鉴于上述问题，本发明提供一种基于光流的导航方法。

一种基于光流的导航方法，其中，包括：

建立飞行器的前右下坐标系，前向指向飞行器的机头，光流传感器采集若干图像，并检测出每张所述图像中特征点的坐标集，挑选任两张所述图像的特征点进行对比，筛选出相同特征点在不同图像上的坐标集，计算相同特征点在不同图像上坐标点之间的几何距离，以此计算出特征点在图像上的飞行速度；

定义所述飞行器的导航系坐标，并记录所述飞行器的水平飞行速度；

将特征点在图像上的飞行速度和所述水平飞行速度进行融合处理，以得到所述飞行器的导航信息。

上述的方法，其中，所述方法还包括：

以惯性导航信息求解所述特征点位移作为光流的理想值，结合所述特征点求解的光流值计算每个特征点光流的角误差，从而筛选出角误差小的特征点。

上述的方法，其中，所述方法还包括：

选取若干误差状态量，建立状态方程，以特征点在像素坐标系下的速度误差为量测量，建立量测方程，利用卡尔曼滤波递推方程估计所述飞行器的飞行速度。

上述的方法，其中，采用LK金字塔光流算法计算出特征点在图像上的飞行速度。

上述的方法，其中，所述方法还包括：

利用惯性导航系统推出的特征点速度来修正LK金字塔光流算法计算出特征点在图像上的飞行速度。

上述的方法，其中，所述导航信息包括所述飞行器的方向角，陀螺误差和位置坐标。

上述的方法，其中，选取的误差状态量包括捷联惯性导航系统的数学平台误差角、所述飞行器的速度误差、所述飞行的位置误差、陀螺误差和加速度计的误差。

上述的方法，其中，采用LK金字塔光流算法估算出一张图像中特征点在另一张图像中的坐标集。

综上所述，本发明设计的一种基于光流的导航方法，通过将惯导的速度信息转换到图像坐标系下，采用图像特征点的像素速度作为量测量对光流和惯性的信息进行深度融合，从而利用光流的信息对惯导的误差进行修正，通过计算特征点光流的角误差，利用惯导的信息提升光流的可靠性，最终组合导航系统输出更为可靠的导航信息供多旋翼无人机使用。

附图说明

参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。

图1为本发明的多旋翼飞行器运动场与机载相机测量的光流场之间关系的示意图；

图2为本发明所采用的光流算法结构示意图；

图3是基于特征点像素速度组合的光流/惯性组合导航算法结构示意图。

具体实施方式

下面结合附图和具体的实施例对本发明作进一步的说明，但是不作为本发明的限定。

实施例

根据图1所示，设定多旋翼无人机机体系为“前右下”坐标系(即机头的方向)，将相机与机体固连作为一个刚体。相机坐标系的x，y，z分别与机体系的三个方向相重合。p为t时刻世界坐标系下特征点P在图像中的坐标，p′为t+k时刻特征点P在图像中的坐标。由此，可以推导出图像特征点的光流为

其中[u v]^T为T时刻到T+k时刻特征点P在图像坐标系下两个方向的光流，对其求导可以得到特征点在两个方向的像素速度：