[发明专利]一种基于点云空间二值化的无人机视觉避障方法

权利要求书

1.一种基于点云空间二值化的无人机视觉避障方法，其特征在于，应用于具有双目视觉系统的无人机，包括以下步骤：

(1)标定双目视觉系统的摄像机内部参数及结构参数，所述内部参数包括左右摄像机的主点、焦距和二级畸变系数，所述结构参数包括左右摄像机之间坐标系转换的旋转矩阵及平移向量；

(2)设定无人机的当前位置点以及目标点；

(3)通过双目视觉避障系统的左右摄像机同时采集一帧场景图像，分别检测两帧图像的SIFT特征点；

(4)采用双目视觉系统的极线约束规则对两帧图像的SIFT特征点进行特征点匹配，得到特征点共轭对；

(5)根据双目视觉测量模型，计算每一特征点共轭对所对应的空间点在世界坐标系下的三维坐标，所有这些三维坐标即构成当前场景的三维点云信息；

(6)设定步长s以及二值化阈值n₀，步长s＝v/φ，其中v为无人机的当前飞行速度，φ为摄像机的采集帧频，二值化阈值n₀的取值范围为3～5；

(7)以步长s为基准，将三维点云信息中的每一个三维坐标换算为整点坐标，统计每一个整点坐标的重复次数；

(8)统计所有重复次数≥n₀的整点坐标，分别计算这些整点坐标与世界坐标系原点之间的欧式距离，得到所有这些欧式距离中的最小距离；

(9)根据人工势场方法，定义无人机势函数和障碍物势函数，通过计算这两个势函数对当前位置点的导数，得到无人机势函数的负梯度和障碍物势函数的负梯度；

(10)以无人机势函数与障碍物势函数之和作为无人机在运动空间中的合势函数，以无人机势函数的负梯度与障碍物势函数的负梯度之和作为无人机在运动空间中的合力函数；将当前位置点坐标分别带入合势函数和合力函数，得到的合势函数的函数值表征从高势值位置指向低势值位置的方向，得到的合力函数的函数值表征合力方向；以无人机从高势值位置沿合力方向向低势值位置运动为依据，得到无人机的避障运动速度矢量；

(11)根据避障运动速度矢量控制无人机运动到下一位置，将下一位置设定为新的当前位置点，保持目标点不变；

(12)重复步骤(3)～(11)，直至无人机到达目标点，避障过程结束。

2.根据权利要求1所述的基于点云空间二值化的无人机视觉避障方法，其特征在于，步骤(4)所述的采用双目视觉系统的极线约束规则对两帧图像的SIFT特征点进行特征点匹配，得到特征点共轭对，其具体方式为：

(401)采用双目视觉系统的极线约束规则对两帧图像的SIFT特征点进行特征点匹配，得到原始特征点共轭对；

(402)利用左侧摄像机的二级畸变系数(k_1l,k_2l)、右侧摄像机的二级畸变系数(k_1r,k_2r)、左侧摄像机的主点(u_0l,v_0l)、右侧摄像机的主点(u_0r,v_0r)，对原始特征点共轭对(u′_il,v′_il):(u′_ir,v′_ir)进行矫正处理，得到最终的特征点共轭对(u_il,v_il):(u_ir,v_ir)：

其中，

3.根据权利要求1所述的基于点云空间二值化的无人机视觉避障方法，其特征在于，所述无人机势函数定义为：

所述障碍物势函数定义为：

所述无人机势函数的负梯度为：

所述障碍物势函数的负梯度为：

其中，P_A表示无人机的当前位置点，P_B表示无人机的目标点，k、r为增益系数，ρ是障碍物的影响距离，ρ＝s×l，s即为步骤(6)中设定的步长，l即为步骤(8)中得到的最小距离。