[发明专利]一种面向无人自主着降的相对位姿测量方法

说明书

本发明提供一种面向无人自主着降的相对位姿测量方法，它的步骤：（1）在无人机上安装垂直下视的日盲区紫外波段摄像机并采集合作靶标图像；（2）检测当前时刻摄像机采集合作靶标图像中的LED的像素坐标；使用前一时刻无人机位姿，进行基于位姿预测的LED的2D‑3D匹配；如果匹配失败，则用组合遍历法重新确定图像中LED与合作靶标中LED的2D‑3D匹配关系；（3）使用匹配后的多组LED点对，以P3P算法的一个解作为位姿初值，迭代计算LED的重投影误差最小值，求解输出位姿优化估计值。本发明能够大幅度提升无人机相对位姿测量系统在多种环境下的适应性和稳定性。

技术领域

本发明涉及位姿测量领域，具体涉及一种面向无人自主着降的相对位姿测量方法。

背景技术

无人机自主着降是实现无人机自主飞行的关键技术之一。

在该研究领域中，基于视觉的无人机自主着降引导技术是一个新兴的研究方向。传统有人机着降时，飞行员依靠视觉所提供信息定位飞机空间位置和飞机相对着陆平台的旋转关系。而无人机视觉自主着降引导主要依赖于预设的地面合作目标，通过对地面合作目标的检测、识别、跟踪和相对位姿测量实现无人机的定位与自主导航，并根据合作目标在实时图像中的尺度、形状等信息估计无人机降落过程中的飞行姿态。

国内外学者针对无人机视觉自主着降引导开展了一系列研究。南加州大学设计了“H”形标识着陆目标，采用透视投影不变特征技术提取“H”形特征，依据“H”不变矩特性对大量目标图像上“H”形的区域矩进行统计，得到一个统计量作为该“H”形目标正确的区域矩。加利福尼亚大学设计的视觉辅助着陆目标采用已知的正方形着陆目标图识，视觉算法是用机载摄像机采集目标视频图像，然后对其目标图像进行分割和提取目标角点，继而得到基于视觉状态估计运动信息引导无人机着陆化。

斯坦福大学航空机器人实验室设计的视觉着陆目标为多个圆环形着陆目标图识。

南京航空航天大学设计了一种新型着陆目标图识进行辅助视觉着陆，该图识包含两个同心彩色圆。

上述相对位姿测量基于可见光成像，成像过程受气候条件、环境照度、自然光背景等条件影响较大，信标图案的识别以及特征信息提取算法复杂、稳健性差，严重影响算法的稳定性，从而导致无人机自主着降失败。另外，高分辨率的可见光图像带来巨大的运算量，尤其是在算力有限的机载平台上，容易导致实时性不足。本发明设计了一种基于“日盲区”波段的无人机相对位姿测量方法，通过对光谱的过滤，从物理层面上大幅度削除了无效信息，凸显出合作靶标上感兴趣目标点，从而提升系统在复杂环境下的适应性、稳定性以及实时性。

Perspective-n-Points(PnP)是一种常见的3D-2D的位姿求解方法，该类算法需要已知匹配的3D点和图像2D点。

此发明可应用于无人机灾情救援、物流运输、智能巡线等领域，可带来较大社会效益和经济效益。

发明内容

本发明设计一种基于“日盲区”波段的无人机相对位姿测量方法，能够大幅度提升系统在多种环境下的适应性和稳定性；本发明旨在提供一种基于视觉的无人机与地面靶标相对位姿测量方法，适用于无人机自主着降领域。

在“日盲区”波段图像中，合作靶标上的多个LED均体现为亮度较高的光斑，具有较大的相似性，难以辨识不同的LED像点，导致无法直接使用PnP位姿求解方法。

本发明提出了一种基于组合遍历思想的LED的2D像点和3D物点匹配方法，遍历LED像点和物点所有的匹配组合的候选位姿，使用LED重投影的方法验证匹配组合的可能性；考虑到系统实施的实时性，进一步提出一种基于位姿预测的LED 2D-3D匹配方法，采用线性预测的方法推导下一时刻LED 2D像点的坐标，通过与真实像点坐标比对，判断2D-3D匹配是否有效。