[发明专利]一种基于特征点匹配和光流法的多旋翼速度测量方法

说明书

本发明公开一种基于特征点匹配和光流法的多旋翼速度测量方法，该方法步骤具体如下：步骤一：单目相机内参数离线标定；步骤二：基于相邻图像之间的运动估计；步骤三：基于视觉信息的速度估计；步骤四：基于卡尔曼滤波的速度估计。本发明方法是一种利用多旋翼机载的单目相机和其它传感器进行视觉测量的方法，不依靠额外增加设备，成本低廉，克服地面纹理简单而无法获取特征点的困难，算法鲁棒性高等优点。

技术领域

本发明涉及一种基于特征点匹配和光流法的多旋翼速度测量方法，属于视觉测量领域。

背景技术

多旋翼是一类依靠旋翼旋转产生升力的无人机，具有优异的机动性能，可以垂直起降，悬停，灵活转向，因此广泛应用于航拍、遥感、农业、救援、监测、邮递等领域。对于多旋翼来说，快速且准确的获取自身速度能有效提高多旋翼控制的稳定性(提高阻尼)，从而达到更好的悬停和操控效果，因此测速工作为多旋翼更广泛使用起到十分重要的作用。

目前，主要利用空速管或GPS来获取速度信息，但是一些室内或森林等无法获取GPS信号。在无GPS环境下，视觉传感器能提供比较精确的速度信息，融合惯性传感器信息可以获得比较精确的速度估计。目前视觉主要方法是利用动作捕捉系统或者人工标志点，这种方式安装复杂且对环境要求严格。因此，本专利申请提出一种基于特征点匹配和光流法的多旋翼速度测量方法，该方法不需要额外增加设备，仅利用多旋翼的机载传感器，如单目下视相机、惯性传感器、高度传感器，来实时测量机体速度，且在无GPS信号的未知环境中仍有效果。

发明内容

本发明提供了一种基于特征点匹配和光流法的多旋翼速度测量方法，它是一种在纹理丰富环境中进行特征提取和匹配，而在纹理简单的环境中利用全局光流的测速方法。利用视觉信息、惯性传感器信息、高度传感器信息，并结合多旋翼运动学模型，提出了一种基于卡尔曼滤波的融合测速算法。它解决了小型无人机无法安装空速管、在室内等未知环境中无法获取GPS信号进行速度测量的困难，不需要额外增加传感设备，方法简单便捷，测量精度高，实用性好。

本发明采用的相机模型为线性模型，即针孔成像模型，模型描述如下：

如图1所示，空间一点p_e在图像平面的成像位置可以用针孔成像模型近似表示，即点p_e在图像平面中的投影位置p_c，为光心O与空间点p_e的连线与图像平面的交点。因而世界坐标系下p_e点坐标(x_e,y_e,z_e)^T与投影点p_c的像素坐标(u,v)^T之间的关系可以描述如下：

其中α_x为u轴上的尺度因子，α_y为v轴上的尺度因子，且α_x＝f/dx，α_y＝f/dy(f为焦距，dx和dy分别为u轴和v轴方向的像素尺寸)；(u₀,v₀)是摄像机光轴与图像平面的交点，称为主点坐标。α_x,α_y,u₀,v₀只与摄像机内部参数有关，称为相机的内参数。分别为相机坐标系与世界坐标系的旋转矩阵和平移向量，称为摄像机的外部参数。

本发明中被测对象为一台多旋翼无人飞行器，要求其机载设备有单目下视相机、高度传感器和惯性传感器。本测速方法是一种实时在线估计方法，在测速之前，需要对相机进行离线标定操作，提前获取相机的内参数。整个在线测速流程见图2，主要包含以下三个部分：

1)基于相邻图像之间的运动估计