[发明专利]基于视觉/惯导的无人机自主着陆方法

摘要

本发明提供了一种基于视觉/惯导的无人机自主着陆方法，首先利用视觉导航算法求解无人机位置及位姿；然后利用视觉导航求解的无人机位姿作为惯导的初始值，开始求解惯性导航参数；利用惯导相邻时间获取的参数剔除实时图像与参考图像SURF匹配的误匹配点对；最后利用无迹卡尔曼滤波组合导航参数，实时调整无人机位姿进行着陆引导。本发明可以提高视觉导航算法的实时性，使视觉系统保持长时间的高精度；解决了单一惯导的误差发散不可以单独使用的问题，在视觉导航解算失败的情况下也能提供载体的导航参数。

主权项

1.一种基于视觉/惯导的无人机自主着陆方法，其特征在于包括下述步骤：1)利用视觉导航算法求解无人机位置及位姿，步骤如下：1.1)利用无人机机载摄像头获取实时图像；1.2)判断获取的实时图像是否为第一帧图像，若是，转到步骤1.3)，否则转到步骤1.4)；1.3)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，利用RANSAC算法剔除SURF误匹配点对，获取正确的SURF匹配点对，转到步骤1.7)；1.4)判断实时图像帧数是否为设定的固定周期T的倍数，若是，转到步骤1.5)，否则转到步骤1.6)；1.5)提取实时图像的SURF特征点，与参考图像的SURF特征点进行SURF匹配，转到步骤3)；1.6)利用LK光流法跟踪上一帧实时图像提取的SURF特征点；1.7)利用获取的SURF匹配点对进行无人机位姿解算；2)利用无人机位姿作为惯导的初始值，开始求解惯性导航参数，步骤如下：2.1)利用陀螺输出的角速度观测值，采用四元数法进行姿态更新，然后将更新后的四元数转换成姿态矩阵k表示上一时刻，k+1表示当前时刻，L为导航坐标系，b为载体坐标系；2.2)根据姿态矩阵中元素的值，计算载体的姿态，包括航向角、俯仰角、翻滚角；2.3)利用姿态矩阵，将加速度计输出的比力观测值f^b由载体坐标系转换到导航坐标系，得到导航坐标系下的比例观测值2.4)有害加速度的补偿：对f^L进行哥氏加速度修正和正常重力补偿，得到载体在地球表面的加速度a＝f^L‑(2Ω^L_ie+Ω^L_el)v^L+g^L，其中，Ω^L_ie为地球自转角速度三维分量构成的反对称阵，Ω^L_el为L系相对于地固系旋转角速度三维分量构成的反对称阵，v^L为速度矢量，g^L为地球重力矢量；2.5)利用加速度进行积分得到速度增量，得到当前时刻的速度v^L_k+1＝v^L_k+a.Δt；2.6)利用速度进行积分得到位置增量，进而得到当前时刻的位置3)利用惯导相邻时间获取的参数剔除实时图像与参考图像SURF匹配的误匹配点对，步骤如下：3.1)获取时刻t与时刻t+Δt的惯导参数；3.2)求取时刻t与时刻t+Δt之间的惯导参数变换；3.3)获取t时刻特征点在摄像头成像平面上的投影点坐标为W_t＝[u,v]^T，其中，u、v表示投影点在图像坐标系中的坐标值；3.4)根据特征点匹配方法得到t+Δt时刻特征点在摄像头成像平面上的投影点坐标为W_t+Δt；3.5)获取视觉导航t时刻到t+Δt时刻投影点坐标变化D＝w_t+Δt‑w_t＝[x_i,y_i]^T；3.6)预测t+Δt时刻投影点坐标为时刻t到t+Δt之间飞行器航向变化，T为时刻t到t+Δt之间投影点平移向量；3.7)得到特征点坐标变化向量3.8)定义匹配误差3.9)误匹配点P_em＝{P_(x,y)|e_x＞d_x,e_y＞d_y}，其中d_x，d_y分别为预先设定的匹配误差阈值；3.10)将误匹配点剔除；返回步骤1.7)；4)利用无迹卡尔曼滤波组合导航参数；5)利用获取的无人机参数实时调整无人机位姿进行着陆引导。