[发明专利]一种无人机室内自主飞行定位方法

权利要求书

1.一种无人机室内自主飞行定位方法，其特征在于：包括以下步骤：

1)读取单目摄像头拍到的周围场景的图片集合，并对每张图片进行感兴趣区域提取；

2)对提取到的感兴趣区域采用SURF算法进行特征点提取与匹配；

3)采用RANSAC算法对步骤2)得到的匹配特征点对进行处理，剔除由于外部环境影响造成的误匹配点对；

4)根据步骤3)获得的正确的匹配特征点对，采用对极几何的方法求解出摄像机的包含旋转矩阵与平移向量的本质矩阵E，得到两帧图片之间同一物体的位置和姿态的变化，进而反推出无人机在三维空间中的运动，并估算出无人机在室内位置。

2.根据权利要求1所述的无人机室内自主飞行定位方法，其特征在于：

在步骤2)中，对提取到的感兴趣区域采用SURF算法进行特征点提取与匹配，其包括如下步骤：

a)构建任一幅感兴趣区域图像f(x,y)中各像素点(x,y)的Hessian矩阵：

b)初步确定一幅图像的特征点：

用滤波器检测图像自身、以及其上下相邻两个尺度层图像的像素点，所述滤波器的大小与被处理图像的解析度大小相应；将被处理图像中经过hessian矩阵处理过的每一个像素点与其它被滤波器检测出的像素点进行大小比較，若该像素点是被检测出的所有像素点中的最大值，则该像素点保留下来，并将其当做初步的特征点；

c)精确定位极值点：

对一幅图像中初步确定出的特征点采用3维线性插值法得到亚像素级的特征点，通过添加极值的方式筛选特征点，使被检测到的特征点数量降低，最终将特征最强的几个点筛选出来；

d)选取特征点的主方向：

在surf中统计步骤c)筛选出的特征点的领域内的harr小波特征，以特征点为圆心，在特征点的领域内，统计60度扇形内全部点的水平haar小波特征和垂直haar小波特征的总和，这样一个扇形得到了一个值；然后60度扇形以一定间隔进行旋转，最后将最大值那个扇形的方向作为该特征点的主方向；

e)对前后连续的两帧图像的特征点进行匹配：

在surf中，在特征点周围取一个正方形框，正方形框的边长为20s，s是该特征点所在的尺度，正方形框的方向为该特征点的主方向，然后把该正方形框分为16个子区域；每一个子区域统计25个像素的水平方向和垂直方向的haar小波特征，这里的水平方向是与该特征点主方向平行的方向，垂直方向是与该特征点主方向垂直的方向的；该haar小波特征分别为水平方向值之和、水平方向绝对值之和、垂直方向之和、以及垂直方向绝对值之和，由这4个haar小波特征值组成该特征点的描述子；

在得到前后两帧图像的特征点的描述子后，以欧氏距离作为基准，欧氏距离是指特征点描述子之间的距离，SURF算法再从已经设定好的参考图像中依次选取每个特征点，计算其与待匹配图像中特征点的欧氏距离，根据所得到的计算结果不断的更新最小的欧式距离，更新的依据是最小的欧式距离与次小距离的比值在某一指定的阈值范围之内，当参考图像里所有特征点都遍历之后即得到正确的匹配特征点对。