[发明专利]基于主动视觉的无人机位姿自适应估计方法

说明书

本发明公开了一种基于主动视觉的无人机位姿自适应估计方法，至少包括：主动视觉检测，通过无人机机载视觉系统对降落合作目标进行连续观测，并对所有检测到的降落合作目标进行筛选，保留当前视野范围内检测精度较高的降落合作目标信息；无人机位姿计算，以视觉2D特征、惯性测量信息为输入，实时计算当前无人机相对合作目标的位姿；自适应位姿融合，根据相应的协方差信息对所有计算的无人机相对降落合作目标的位姿解进行基于联邦滤波的自适应融合，得到最优化的无人机位姿。本发明可以有效提高面向自主降落任务无人机视觉的有效测量精度和范围，也适用于机器人视觉感知与定位研究。

技术领域

本发明属于无人机自主降落与视觉导航领域，具体涉及一种基于主动视觉的无人机位姿自适应估计方法。

背景技术

近几年，无人机作为机器人领域的研究热点，其自主降落能力(包括静止和运动平台)已被深入展开研究。针对该问题，通常采用基于GPS、惯性、视觉、激光等的感知方式，目的是实时计算无人机相对降落目标的运动位姿。公开号为109211241A的专利公开一种基于视觉SLAM的无人机自主定位方法，由特征提取及匹配求解运动部分、图像和惯性测量单元IMU融合部分以及估计3D点深度部分组成。公开号为106054929B的专利公开一种基于光流的无人机自动降落引导方法，在降落过程中通过对光流模块的相机拍摄的实时图像进行处理，确定标志物，估计标志物相对无人机的位置和姿态。公开号为110068321A的专利公开一种定点降落标志的UAV相对位姿估计方法。公开号为104166854B的专利公开了一种针对小型无人机自主降落的视觉分级地标定位识别方法，采用视觉分级地标避免使用单级地标时由于离地高度变化而图像分辨率固定而导致地标的尺度变化问题。类似的公开专利还有106516145B、105197252A、109270953A等。然而，上述专利只考虑了如何从视觉2D特征中计算无人机相对位姿，并没有考虑基于视觉的位姿信息融合问题。

发明内容

本发明的目的在于提供一种基于主动视觉的无人机位姿自适应估计方法，该方法主要用于解决无人机降落阶段视觉系统与观测目标之间相对距离变化对视觉定位精度的影响，不仅评估了视觉定位前端的图像级检测精度，也对其后端输出位姿结果进行了自适应融合。

本发明为达上述目的所采用的技术方案是：

本发明提供一种基于主动视觉的无人机位姿自适应估计方法，至少包括：

主动视觉检测，通过无人机机载视觉系统对降落合作目标进行连续观测，并对所有检测到的降落合作目标进行筛选，保留当前视野范围内检测精度较高的降落合作目标信息；所述降落合作目标包含多组不同尺度的合作特征，每组合作特征包含不同的特定几何图形；

无人机位姿计算，以视觉2D特征、惯性测量信息为输入，实时计算当前无人机相对合作目标的位姿；

自适应位姿融合，根据相应的协方差信息对所有计算的无人机相对降落合作目标的位姿解进行基于联邦滤波的自适应融合，得到最优化的无人机位姿。

接上述技术方案，所述主动视觉检测至少包括图像目标提取和特征自主选择两步骤，无人机机载视觉系统对降落合作目标进行连续观测，采用图像目标提取方法实现所有降落合作目标检测和特征提取，进而利用特征自主选择方法对所有检测到的目标进行筛选，保留当前视野范围内检测精度较高的目标信息。

接上述技术方案，无人机位姿计算方法包括基于视觉与惯性的位姿测量和基于无迹卡尔曼滤波的位姿计算；基于视觉与惯性的位姿测量方法主要利用惯性或视觉检测信息对无人机相对位姿进行计算；所述基于无迹卡尔曼滤波的位姿计算方法主要负责处理同时具有惯性和视觉检测信息情况下的位姿计算，提高位姿计算的输出频率。

接上述技术方案，当仅有惯性测量信息时，利用其角速度和加速度信息的时间积分，确定无人机相对上一时刻的位姿变化；当获取到视觉2D特征时，无人机根据视觉特征的单应性变换，计算得到无人机相对降落合作目标的位姿。

接上述技术方案，还包括步骤：