CN102788579A

CN102788579A - 基于sift算法的无人机视觉导航方法

Info

Publication number: CN102788579A
Application number: CN2012102040324A
Authority: CN
Inventors: 成怡
Original assignee: Tianjin Polytechnic University
Current assignee: Tianjin Polytechnic University
Priority date: 2012-06-20
Filing date: 2012-06-20
Publication date: 2012-11-21

Abstract

本发明属于视觉导航领域，具体涉及一种基于SIFT算法的无人机视觉导航方法，利用SIFT算法实现自然路标的特征提取与跟踪，根据图像序列中的自然路标位置信息确定无人机的位置，并采用动态扩展卡尔曼滤波实现与惯性导航***参数的数据融合，从而实现视觉导航信息对惯性导航***误差的修正，获得精确的导航坐标。适合中小型无人机的高定位精度、微型化及低成本的特点，具有理论与实用价值。

Description

基于SIFT算法的无人机视觉导航方法

技术领域

本发明属于视觉导航领域，涉及一种基于SIFT算法的无人机视觉导航方法，特别针对小型无人机的高定位精度、微型化及低成本的要求。

背景技术

近年来，无人机(UAV)在军事上的作用日趋重要，如美国研制的“捕食者”、“全球鹰”、A160，法国的“鹰”，西欧国家(EADS公司)的HALE无人机。美国的无人机动力装置为1台双路涡喷发动机，控制***采用惯性+“导航星”空间无线电导航***数据修正方式。机载模块化侦察设备包括侧视雷达、光电侦察***、无线电技术侦察和无线电电子对抗设备、一体化数据接收与传递***、ATACCS目标指示***、转发设备等。海军型还将装备有水面活动目标选择***的扫描雷达。美国军事专家通过分析“全球鹰”无人机的作用使用经验，发现该机还有一系列缺点，主要是有效载荷的重量和体积有限，能源***功率不足，每次出动不能保证所有侦察设备同时运行。因此，相对于大型军用机，无人机要求具有低成本、小尺寸、低功耗、高精度的特点，以便于其运输、发射和回收。

先进的导航***是决定无人机完成作战任务、提高生存力的关键。近十年来，无论在定位、跟踪还是在自主信息处理及无人机载荷方面的发展已取得重大进展，如现代卫星导航技术、惯性导航***、通讯和监控技术等，此外，新的视觉感知和处理设备也已经装备到无人机上。为了在未知的、动态变化的复杂环境中执行任务，在大多数情况下，无人机使用全球定位***(GPS)导航定位和惯性导航***(IMU)。GPS的估计精度直接取决于参与定位的卫星的数量以及接收设备接收信号的质量与电台的影响。此外，相邻设备的无线电频率干扰或信道堵塞都可能导致位置估计的不可靠，而这些问题又是普遍存在且难以解决。在无法使用或获得有效GPS信号的时候，无人机的导航***只能依靠惯性导航***，而高精度的惯性导航***依靠于高精度的传感器，这一方面增加了成本，一方面增加了无人机的载荷。另外，由于惯导***的位置误差随时间的增长而积累，所以必须由外部信息校正，如果携带如无线电、激光扫描仪等设置，对于中小型无人机(MUAV)，载荷重量是一个最大限制。而视觉传感器重量轻、功耗小、探测距离远、分辨率高，是中小型无人机视觉导航的优选载荷。

因此，本发明旨在研究如何利用视觉信息辅助惯性导航***，提出基于SIFT的无人机视觉导航方法研究，正是为了适合中小型无人机的高定位精度、微型化及低成本的特点，具有理论与实用价值。

发明内容

本发明重点研究无人机视觉导航***的关键技术。解决自然路标的特征提取与跟踪问题，解决视觉信息与惯性导航***参数的数据融合问题，实现视觉信息对惯性导航***误差的修正，获得精确的导航坐标。具体的研究方案如图1所示。主要内容如下：

1)基于SIFT算法实现自然路标的特征提取

2)设计动态扩展卡尔曼滤波器对无人机的运动状态和视觉特征的位置进行估计，从而获得无人机的导航参数。

附图说明

图1是本发明的研究方案图。

图2是本发明的动态卡尔曼滤波融合视觉信息与惯性导航参数的原理。

具体实施方式

主要环节的具体设计思路如下：

(1)基于SIFT的自然特征摄取与跟踪

对导航相机获取的图像基于SIFT方法提取特征点通过4步完成：

a)尺度空间极点检测：将输入图像通过不同尺度的高斯核函数连续滤波和下采样，形成高斯金字塔图像，然后再对相邻尺度的两个高斯图像相减得到DOG(高斯偏差)，关键点不仅是当前DOG图像局部邻域(相邻8象素)的极大或极小值，而且是前后相邻尺度的DOG领域的极大或极小值。

b)特征点定位：在极值点的局部邻域用三维二次函数拟合方法来差值确定极值点的亚象素位置。

c)主方位赋值：在构造SIFT描述算子之前首先为每个关键点赋予一个主方向。主方向是指关键点邻域内各点梯度方向的直方图中最大值所对应的方向。但是这个主导方位可能不唯一，除了最高峰值，其他所有大于最高峰值80％的方位值都要记录下来。后续的描述算子构造均以该方向为参照，这样所构造的描述算子具有旋转不变性。

d)描述算子的建立：将坐标轴旋转为关键点的方向，以确保任意一个关键点的旋转不变性。在关键点所在的尺度空间(即高斯金字塔结构的某一层)，取以关键点为中心的16像素x16像素大小的邻域，再将此邻域均匀地分为4x4个子区域，对每个子区域计算梯度方向直方图(直方图均匀分为8个方向)，这样就构成了一个4x4x8＝128维的向量，再继续将特征向量的长度归一化，则可以进一步去除光照变化的影响。此向量就是SIFT描述算子。

由于一幅图像中SIFT特征点很多，不同的特征点对应于场景中的不同的物体。当选中自然路标时，将所有属于该路标的特征作为模板特征点集，其他特征点将被抛弃。当获取了某时刻采集图像的SIFT特征点后，需要找到其与上一时刻自然路标模板特征点集之间的匹配关系，也就是需要在两幅匹配图像的SIFT特征点集中找到相应匹配特征点之间的对应关系，具体过程如下：

(a)欧式距离匹配：通常可以用某种距离来度量两个描述算子的相似性，以此作为匹配依据，通常使用的是欧式距离。对于模板图像中的某个关键点，找出其与待匹配图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。舍弃所有大于0.8的匹配，可以剔除大约90％的错误匹配，而只抛弃了大约不到5％的正确匹配。当匹配点的数量达到一定的阂值，认为在当前图像中存在数据库中选定的自然路标，否则，继续在数据库中搜索。

(b)误匹配剔除：欧式距离较小只能表征两个描述算子高度相似，而不能保证匹配的正确性。可以设想待匹配图像中的特征点区域是模板图像中的某个区域通过一个图像空问的相似变换转化来的，即所有模板图像中特征点是经过同一个平移运动、同一个旋转、同一个尺度缩放而变为待匹配图像中相匹配的特征点。对于不满足大部分对应点构成的相似变换的点可以认为是误匹配。

(c)当前匹配图像与模板图像的仿射变换：当摄像机移动时，对于图像中属于同一个自然路标的特征点应当满足同一个运动模型。因此，设想当前匹配图像中的目标区域是模板图像中的目标区域通过一个更细腻的仿射变换运动变换得到的，通过求解这个仿射变换，既可以求得一个比较精确的图像运动变换，以后还可以通过这个图像运动变换求得模板图像中目标体上的其他元素在当前匹配图像中的位置。

(2)基于动态扩展卡尔曼滤波的数据融合

利用动态扩展卡尔曼滤波器融合视觉信息修正惯性导航***测量误差。定义无人机方向角为(φ，θ，

)，陀螺偏差为(b_p，b_q，b_r)，视觉信息为(φ_v，θ_v，

)，***状态变量选择x＝[φ θ ψ b_p b_p b_r]^T，观测变量选择[φ_v θ_v ψ_v]，建立***的状态方程及观测方程，利用动态扩展卡尔曼滤波递推方程估计载体的位置姿态信息，基于动态扩展卡尔曼滤波融合视觉信息与惯性导航参数的原理如图2所示。

本发明的优点在于，导航摄像机与MEMS惯性导航器件所组成的导航***成本低廉，体积小，操作方便，精度高，满足小型无人机的载荷、尺寸、功率、成本等方面的需要，具有良好的应用前景。

Claims

1.基于SIFT算法的无人机视觉导航方法利用SIFT算法实现自然路标的特征提取与跟踪，利用图像序列中的自然路标位置信息确定无人机的位置，并采用动态扩展卡尔曼滤波实现与惯性导航***参数的数据融合，从而实现视觉导航信息对惯性导航***误差的修正，获得精确的导航坐标。

2.根据权利要求1所述的基于SIFT算法的无人机视觉导航方法，其特征在于，采用SIFT算法实现自然路标的特征提取与跟踪。

3.根据权利要求1所述的基于SIFT算法的无人机视觉导航方法，其特征在于，设计动态扩展卡尔曼滤波器对无人机的运动状态和视觉特征的位置进行估计。