[发明专利]基于数字影像地图与特征点跟踪的视觉位姿实时估计方法

说明书

本发明属于视觉导航领域，确切讲是基于数字影像地图与特征点跟踪的视觉位姿实时估计方法，其特征是，它采用光流法跟踪帧间匹配特征点，由此一步得到后续帧匹配点对，免去逐帧检测与匹配的繁琐过程，实现了逐帧视觉位姿实时估计。它提出基于数字影像地图与特征点跟踪的视觉位姿实时估计方法，以便实现在室外大型场景下的实时逐帧高精度视觉位姿估计，综合不同场景下位姿估计实验每秒平均帧率达到55帧以上，为实时视觉导航估计提供了保障。

技术领域

本发明属于视觉导航领域，确切讲是基于数字影像地图与特征点跟踪的视觉位姿实时估计方法。

背景技术

目前，GNSS(Global Navigation Satellite System,全球导航卫星系统)和INS(Inertial Navigation System，惯性导航系统)的组合导航是无人机领域常用的导航方式，具有精度高、实时性好等优势。但是一些复杂环境(如山谷、原始丛林、城市巷道、强电磁干扰、网电攻击等情况)可导致GNSS信号丢失(称为GNSS拒止)。由于没有卫星定位提供的无人机定位位置信息，无人机无法实现“GNSS+INS”组合导航，而INS由于误差累积效应，根本无法支持无人机长时间的准确导航和安全飞行。基于以上情况，视觉导航技术应运而生，它仅依靠视觉传感器获得的图像就可以解算出无人机导航所需的位姿参数，具有成本低、功耗小、精度高等优势。“视觉+INS”组合导航可以成为“GNSS+INS”导航的一种最重要的替代方案，为无人机在GNSS拒止条件下的安全飞行提供了保障。视觉导航通常使用无人机影像与超大数字影像地图匹配的方法实现无人机位姿估计，超大数字影像地图指的是图像尺寸大小在4000像素×4000像素以上的图像。无人机视觉导航的基本环节为特征点检测、特征点匹配、视觉位姿估计以及融合处理等。其中特征点检测与特征点匹配是最耗时的环节，若无人机拍摄地面影像(720像素×576像素)与数字影像地图(4000像素×4000像素)采用SURF(Speeded Up Robust Features)算法进行特征点检测与匹配，从检测特征点到完成匹配过程大约需要5s，根本无法满足逐帧采用无人机拍摄地面影像与超大数字影像地图匹配的方法进行位姿估计的需求。

发明内容

本发明的目的在于针对上述现有技术存在的缺点，提出基于数字影像地图与特征点跟踪的视觉位姿实时估计方法，以便实现在室外大型场景下的实时逐帧高精度视觉位姿估计，综合不同场景下位姿估计实验每秒平均帧率达到55帧以上，为实时视觉导航估计提供了保障。

本发明的目的是这样实现的，基于数字影像地图与特征点跟踪的视觉位姿实时估计方法，其特征是，至少包括如下步骤：

步骤101：获取先验数字影像地图(4000像素×4000像素)；

步骤102：对数字影像地图进行SURF特征点检测，将特征按照区域块大小进行保存，建立先验特征数据库；

步骤103：获得无人机拍摄地面影像(720像素×576像素)；

步骤104：对步骤103获取的无人机拍摄地面影像初始帧进行SURF特征点检测；

步骤105：将步骤104检测的特征点与步骤102建立的先验特征数据库进行初始帧匹配得到成功匹配的无人机拍摄地面影像中2D特征点p_c(x_c,y_c)和先验特征数据库中世界坐标系下3D点p_w(x_w,y_w,z_w)；

步骤106：将步骤105得到成功匹配的特征点对p_c(x_c,y_c)和p_w(x_w,y_w,z_w)送入PnP(Perspective-n-Point)视觉位姿估计模型进行视觉位姿估计，得到无人机的初始位姿；