[发明专利]一种室内室外穿越无人机的平顺定位方法及装置

说明书

本发明提供了一种室内室外穿越无人机的平顺定位方法及装置，涉及无人机定位技术领域。包括以下步骤：基于因子图优化框架，进行多源传感器信息融合；将多源传感器信息融合过程与VINS算法相结合，进行最大后验估计，获得基于GPS‑VINS因子图结构的因子图优化估计框架；将最大后验估计问题转化为稀疏线性优化问题，通过求解最大后验估计的优化问题，基于因子图优化估计框架，完成室内室外穿越无人机的平顺定位。本发明提出的GPS‑VINS算法在室内外组合空间中实现了一致统一的定位，实现了无人机的无缝室内外组合空间飞行。

技术领域

本发明涉及无人机定位技术领域，特别是指一种室内室外穿越无人机的平顺定位方法及装置。

背景技术

在多种复杂空间中的定位技术对无人机的安全运行起着重要作用。受到有效载荷和计算资源的限制，传统的无人机定位方法使用基于GPS(Global Positioning System，全球定位系统)、IMU(Inertial Measurement Unit,惯性测量单元)、磁力计和气压计传感器的扩展EKF(Extended Kalman Filter，卡尔曼滤波器)。虽然视觉信息处理对计算的要求更高，但是最近出现的基于滤波或滑动窗口平滑的VINS(Visual Inertial NavigationSystem,视觉惯性导航系统)计算量相对较轻，已广泛用于无人机的室内飞行。

现有技术中，不同环境中不同种类的传感器可能受到不同的干扰，在室内环境中GPS信号较弱无人机难以获取准确位置信息，室外环境中运动速度快、光线变化大等因素对基于VINS的方法可能引起较大误差甚至导致失效，因此需要一种能够实现无人机的无缝室内外组合空间飞行方法。

发明内容

针对现有技术中不能实现无人机的无缝室内外组合空间飞行的问题，本发明提出了一种室内室外穿越无人机的平顺定位方法及装置。

为解决上述技术问题，本发明提供如下技术方案：

一方面，提供了一种室内室外穿越无人机的平顺定位方法，该方法应用于电子设备，包括以下步骤：

S1：基于因子图优化框架，进行多源传感器信息融合；

S2：将所述多源传感器信息融合过程与VINS算法相结合，进行最大后验估计，获得基于GPS-VINS因子图结构的因子图优化估计框架；

S3：将最大后验估计问题转化为稀疏线性优化问题，通过求解最大后验估计的优化问题，基于因子图优化估计框架，完成室内室外穿越无人机的平顺定位。

可选地，步骤S1包括，基于因子图优化框架，进行多源传感器信息融合，包括：

S11：构建多源传感器组；所述多源传感器组包括：GPS传感器、IMU传感器、视觉传感器、气压计传感器和磁力计传感器；

S12：对所述GPS传感器、IMU传感器、视觉传感器、气压计传感器和磁力计传感器，分别构建适配的传感器模型；

S13：将每个传感器以及对应的传感器模型融合在因子图优化框架中，进行多源传感器信息融合。

可选地，步骤S12还包括，将GPS传感器适配的传感器模型构建为有界随机游走。

可选地，所述步骤S13中，将每个传感器信息及对应的传感器模型融合在因子图优化框架中，进行多源传感器信息融合，包括：

S131：边际化无人机的GPS传感器数据，获得GPS偏差信息；

S132：通过视觉传感器对无人机进行关键帧特征提取，获得关键帧信息；

S133：对无人机的IMU传感器数据进行预积分，获得IMU信息；