[发明专利]一种基于骨架混合特征的远距离无人机鲁棒位姿估计方法

说明书

本申请涉及一种基于骨架混合特征的远距离无人机鲁棒位姿估计方法。所述方法包括：通过人体骨架检测网络Kapao进行无人机部件检测和无人机骨架提取，根据无人机部件检测结果中的部件中点对无人机骨架提取结果中的骨架端点进行修正，得到修正后的无人机骨架模型；构建由骨架端点构成的点约束方程组，以及由两两骨架端点组合构成的线约束方程组，求解得到无人机位姿的最优初始解；通过GM鲁棒算法对最优初始解进行异常值修正，得到无人机位姿的最优解。本发明能实现视线远距离无人机鲁棒位姿估计，位姿估计准确率高，预测速度快，能够满足大范围无人机编队中个体相对位姿实时计算与后续编队保持与协同控制的需求。

技术领域

本申请涉及无人机技术领域，特别是涉及一种基于骨架混合特征的远距离无人机鲁棒位姿估计方法。

背景技术

无人机编队在飞行表演，喷洒农药、战场协同侦察、作战和防御等复杂任务领域发挥着日益重要的作用。复杂任务能够高效完成得益于编队中无人机自主协调与合作能力，该项能力基础在于准确获取编队中各无人机相对位置及姿态。

无人机编队要求准确获取个体在编队相对位置以保证在不同情况下实现不同任务编队构型，期间就需要编队个体之间进行信息交互，但在电磁环境复杂之中，个体定位设备和通信设备容易受到干扰，使得基于通信的无人机编队方法存在失效的风险。现阶段刚体6D位姿估计方法有基于对应点方法、基于模板的方法和基于投票的方法等，但其研究对象往往都是近距离大目标，目标轮廓细节清晰。然而无人机编队的个体由于任务和减少彼此间运动气流影响等需求，相对距离一般比较远，因此图像上无人机尺寸较小。同时无人机之间往往伴随相对运动，彼此视角不同，导致获取的无人机图像可能带有目标轮廓模糊和运动模糊等现象。直接运用现阶段刚体6D位姿估计方法难以满足无人机相对位姿估计鲁棒性需求。因此，现有技术存在适应性不佳、效果不好的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够实现视线远距离无人机鲁棒位姿估计的基于骨架混合特征的远距离无人机鲁棒位姿估计方法。

一种基于骨架混合特征的远距离无人机鲁棒位姿估计方法，所述方法包括：

通过编队中第一无人机上的相机获取第二无人机的远距离无人机图像；

根据所述远距离无人机图像通过人体骨架检测网络Kapao进行无人机部件检测和无人机骨架提取，得到无人机部件检测结果和无人机骨架提取结果；

根据所述无人机部件检测结果中的部件中点对所述无人机骨架提取结果中的骨架端点进行修正，得到修正后的无人机骨架模型；

根据所述修正后的无人机骨架模型构建由骨架端点构成的点约束方程组，以及由两两骨架端点组合构成的线约束方程组，根据所述点约束方程组和所述线约束方程组求解得到无人机位姿的最优初始解；

通过German-Mcclure鲁棒算法对所述最优初始解进行异常值修正，得到无人机位姿的最优解。

在其中一个实施例中，还包括：根据所述修正后的无人机骨架模型构建由骨架端点构成的点约束方程组，以及由两两骨架端点组合构成的线约束方程组为：

其中，表示定义在本体坐标系下三维点坐标，κ代表点的总数，p_k,1≤k≤|κ|,v_e∈R²,1≤e≤|ε|分别为预测的点和边，ε代表边的个数且点和边总数关系可以表示为定义一条边的两个端点分别为q_s,1∈R²,q_s,2∈R²，分别为在齐次坐标系下定义的点和边，e_s和e_t是边e的两端，即骨架两个端点构成一条线，R无人机本体坐标系相对相机坐标系的旋转矩阵，t表示无人机本体坐标系相对相机坐标系的平移矩阵。