[发明专利]辅助信息与随机抽样一致算法融合的无人机位姿估计方法

说明书

本发明公开了一种辅助信息与随机抽样一致算法融合的无人机位姿估计方法，包括以下步骤：S1：利用GPS和IMU系统提供的无人机的辅助信息计算出本质矩阵；辅助信息包括位置和姿态信息；S2：无人机在不同角度对同一目标区域拍摄，利用SURF算法对相邻时刻拍摄的两幅航拍图像进行特征点提取与匹配，同时获得对应的匹配点集D，并对匹配点集D中的各个坐标点进行归一化处理；S3：得到满足精度要求的本质矩阵；S4：对获得的本质矩阵进行SVD分解得到各相邻时刻航拍图像间摄像机的平移向量和旋转矩阵，利用旋转矩阵求解无人机的三个姿态角，最终实现无人机的位姿估计。本发明的位姿估计具有较高的精度和鲁棒性。

技术领域

本发明涉及定位导航与控制技术领域，特别是涉及无人机位姿估计方法。

背景技术

传统的位姿估计方法是利用全球定位系统(GPS)、惯性测量系统(IMU)提供的数据来得到无人机的位姿信息。然而受器件本身条件的限制，单纯的利用惯导系统等无人机系统测量设备获取无人机的位姿信息，已不能有效的应对日益复杂的作业环境。近几年国内外众多专业人士提出利用丰富的视觉信息实现无人机的位姿估计，大致可分为基于非立体视觉的方法和基于立体视觉的方法两类，但单纯利用视觉信息不仅易受工作环境因素的影响，而且对丰富的视觉信息处理上，计算过程复杂难以实现对无人机的位姿进行实时监控，且位姿估计的精度上尚有待提高。因此有部分学者提出利用无人机自身的惯导系统和视觉信息做数据融合的方法，然而其实施起来比较复杂，技术研究上尚不够成熟，因此迫切需要更为有效、实用的无人机位姿估计方法。

发明内容

发明目的：本发明提出了一种解决现有无人机位姿估计技术中存在的缺陷的，辅助信息与随机抽样一致算法融合的无人机位姿估计方法。

技术方案：本发明所述的辅助信息与随机抽样一致算法融合的无人机位姿估计方法，包括以下步骤：

S1：利用GPS和IMU系统提供的无人机的辅助信息计算出本质矩阵；辅助信息包括位置和姿态信息；

S2：无人机在不同角度对同一目标区域拍摄，利用SURF算法对相邻时刻拍摄的两幅航拍图像进行特征点提取与匹配，同时获得对应的匹配点集D，并对匹配点集D中的各个坐标点进行归一化处理；

S3：将步骤S1获得的本质矩阵作为辅助信息与随机抽样一致算法相融合，初步剔除匹配点集D中存在的误匹配点，再利用随机抽样一致算法结合五点算法对本质矩阵进行迭代求解，最终得到满足精度要求的本质矩阵；

S4：对步骤S3中获得的本质矩阵进行SVD分解得到各相邻时刻航拍图像间摄像机的平移向量和旋转矩阵，利用旋转矩阵求解无人机的三个姿态角，最终实现无人机的位姿估计。

进一步，步骤S1中所述本质矩阵通过平移向量T和旋转矩阵R求得，平移向量T和旋转矩阵R分别由式(1)、(2)得到：

T＝[x₁-x₀ y₁-y₀ z₁-z₀]^T＝[T_x T_y T_z]^T (1)