[发明专利]基于LK光流算法的视觉导航方法

说明书

技术领域

本发明属于视觉导航领域，涉及一种基于LK光流算法的视觉导航方法，特别针对小型载体的高定位精度、微型化及低成本的要求。

背景技术

近年来，各种小型载体，如无人机(UAV)、小型机载人等在军事上和民用领域的作用日趋重要。小型载体的导航设备需要重量轻、功耗小、探测距离远、分辨率高，传统的GPS受到环境的影响较大，在室内或特殊环境的应用受到限制，惯性导航的误差又随着时间的增长而积累，所以需要其它的辅助导航力法，视觉导航由于视觉传感器体积小，重量轻受到广泛的关注。目前的视觉导航方法主要集中在特征提取、特征匹配的算法，目标为利用特征的位置信启并结合惯性导航的位置信启给出载体的位置。特征的提取和匹配只给出了特征的形状、颜色、大小等特征，而忽略了特征的速度信息。LK光流算法是利用特征像素点的变化速度来跟踪目标的一种算法，体现了特征变化的速度信息。因此本发明提出应用LK光流算法实现载体的视觉导航。

发明内容

本发明重点研究小型载体视觉导航系统的关键技术。解决环境特征提取与跟踪问题，解决视觉信息与惯性导航系统参数的数据融合问题，实现视觉信启对惯性导航系统误差的修正，获得精确的导航坐标。具体的研究方案如图1所示。主要内容如下：

1)基于LK光流算法实现环境特征提取和跟踪

2)设计动态扩展卡尔曼滤波器对载体的运动状态和视觉特征的位置进行估计，从而获得载体的导航参数。

附图说明

图1是本发明的研究方案图。

图2是本发明的动态卡尔曼滤波融合视觉信息与惯性导航参数的原理。

具体实施方式

主要环节的具体设计思路如下：

(1)基于LK光流算法的环境特征摄取与跟踪

LK光流算法计算环境特征的位置相对于视觉传感器的变化情况，并解算出视觉传感器相对于特征点的位置信息。将这些位置信息根据特征点的变化进行视觉传感器路径的叠加，从而获得载体的位置变换信息。

(2)基于动态扩展卡尔曼滤波的数据融合

利用动态扩展卡尔曼滤波器融合视觉信息修正惯性导航系统测量误差。定义载体方向角为(φ，θ，ψ)，陀螺偏差为(b_p，b_q，b_r)，视觉信息为(φ_v，θ_v，ψ_v)，系统状态变量选择x＝[φ θ ψ b_p b_p b_r]^l，观测变量选择[φ_v θ_v ψ_v]，建立系统的状态方程及观测方程，利用动态扩展卡尔曼滤波递推方程估计载体的位置姿态信息，基于动态扩展卡尔曼滤波融合视觉信息与惯性导航参数的原理如图2所示。

本发明的优点在于，导航摄像机与MEMS惯性导航器件所组成的导航系统成本低廉，体积小，操作方便，精度高，满足小型载体的载荷、尺寸、功率、成本等方面的需要，具有良好的应用前景。