[发明专利]基于稀疏直接法的四旋翼无人机单目视觉测程方法

说明书

基于稀疏直接法的四旋翼无人机单目视觉测程方法，其特征在于：对于关键帧做深度估计：以特征点法确定关键帧的特征点，计算相邻两帧之间的本征矩阵，分解本征矩阵并计算相邻两帧之间的旋转矩阵和平移矩阵得到外参矩阵，然后根据三角法计算特征点深度；获得特征点的深度值之后，通过稀疏矩阵直接法来求解四旋翼无人机的位姿，对所有帧做运动估计：提取稀疏的特征点，用直接法计算每个特征点在下一帧的位置，利用特征点周围固定大小的像素块中各像素点的灰度信息在前后相邻的两帧间的灰度差做优化得到相机的运动位姿。本发明具有既能避免累积误差，保持长期较高的准确度，又能降低计算量的优点。

技术领域

本发明涉及无人机导航定位技术领域，特别是一种无人机单目视觉测程方法。

背景技术

四旋翼无人机的实时位姿数据是定位、控制等方面的前提。携带单个或多个相机的载体，仅利用其图像输入对自身运动进行估计的过程叫做视觉测程(Visual Odometry,VO)。视觉测程通过感知输入图像的变化，增量地估计载体位姿。视觉测程算法的有效运行要求环境中光照充足，场景纹理足够丰富。

单目视觉测程仅利用单个相机作为输入，系统配置简单，适应环境尺度变化的能力强于多目视觉系统。现有的单目视觉测程方法一般利用分为特征点法和直接法。

特征法是提取每一帧图像特征中的的稀疏信息集合(如点，直线等)，然后在连续帧间利用特征描述子(有多种定义)匹配，使用对极几何方法鲁棒地恢复相机运动和场景的结构信息，最终通过优化重投影误差来修正相机位姿和场景结构。此方法也存在一些缺点，比如无法适用于缺少特征点的场景；并且它强烈依赖特征检测和匹配阈值的准确性，当出现错匹配时对鲁棒估计技术的需求。直接法是通过图像的光度值直接估计场景结构和相机运动，利用了图像中的所有信息。相较于特征点法，在缺乏纹理特征的环境或者当运动模糊、相机失焦的情况下更具优势。且直接在图像上操作，没有特征检测和特征描述子计算的步骤，相较基于特征的方法来说计算量更小。然而，计算光度误差相较于计算重投影误差，计算任务更加繁重，因为它涉及整个图像区域。

本发明涉及的术语说明如下：

帧：在视觉测程领域，称获得的一幅图像为一帧，如：相机前一时刻获得的图像称为前一帧，相机当前时刻获得的图像称为当前帧，相机获得的连续两幅图像称为相邻帧等。

关键帧：由于当前相机的帧率较高，相邻帧之间的位姿变化往往比较小，为了增强运动估计的准确性，一般采取关键帧的策略，即在一定的位姿变化范围内，新得到的图像只与某一特定的帧进行对齐以估计当前的位姿，而只有当超出了一定的范围后，才采取新的特定的帧进行下一阶段的图像对齐，称这些用来进行图像对齐的特定帧为关键帧；

参考帧：用来对齐当前图像的帧成为当前图像的参考帧。

发明内容

本发明的目的在于提供一种既能避免累积误差，保持长期较高的准确度，又能降低计算量的基于稀疏直接法的四旋翼无人机单目视觉测程方法。

基于稀疏直接法的四旋翼无人机单目视觉测程方法，其特征在于：对于关键帧做深度估计：以特征点法确定关键帧的特征点，计算相邻两帧之间的本征矩阵，分解本征矩阵并计算相邻两帧之间的旋转矩阵和平移矩阵得到外参矩阵，然后根据三角法计算特征点深度；获得特征点的深度值之后，通过稀疏矩阵直接法来求解四旋翼无人机的位姿，对所有帧做运动估计：提取稀疏的特征点，用直接法计算每个特征点在下一帧的位置，利用特征点周围固定大小的像素块中各像素点的灰度信息在前后相邻的两帧间的灰度差做优化得到相机的运动位姿。

进一步，对于关键帧，其深度估计步骤：