CN109724595B - 一种基于序贯检测的惯性视觉位置组合导航方法 - Google Patents
一种基于序贯检测的惯性视觉位置组合导航方法 Download PDFInfo
- Publication number
- CN109724595B CN109724595B CN201711047547.7A CN201711047547A CN109724595B CN 109724595 B CN109724595 B CN 109724595B CN 201711047547 A CN201711047547 A CN 201711047547A CN 109724595 B CN109724595 B CN 109724595B
- Authority
- CN
- China
- Prior art keywords
- image
- inertial
- matching
- visual
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Navigation (AREA)
Abstract
本发明涉及惯性及视觉组合导航技术领域,具体公开了一种基于序贯检测的惯性视觉位置组合导航方法。该方法包括步骤1、进行视觉位置匹配定位;步骤1.1、获取视觉图像,将图像进行分块,并将具有经纬度信息的图作为基准图;步骤1.2、利用归一化积相关算法进行视觉位置匹配;步骤2、建立惯性及视觉位置匹配***状态模型;步骤3、建立量测方程及量测值;步骤4、进行卡尔曼滤波;步骤5、获得视觉位置匹配与惯导***误差最优估计值,并进行误差补偿,获得输出组合导航结果。本发明所述的一种基于序贯检测的惯性视觉位置组合导航方法,可有效利用多个位置信息,大幅度提升组合导航的计算速度,实现高精度的惯性视觉位置组合导航。
Description
技术领域
本发明属于惯性及视觉组合导航技术领域,具体涉及一种基于序贯检测的惯性视觉位置组合导航方法。
背景技术
传统的惯性/视觉组合导航技术在进行卡尔曼滤波估计时,视觉导航输出的位置信息是将多个特征点的位置信息经过一系列的融合、剔除算法得到的单一位置信息,这将导致丢失单个特征点的位置信息,不利于提高组合导航精度。
发明内容
本发明的目的在于提供一种基于序贯检测的惯性视觉位置组合导航方法,其可以充分利用单个特征点的位置信息,进一步提高惯性、视觉组合导航精度及速度。
本发明的技术方案如下:一种基于序贯检测的惯性视觉位置组合导航方法,该方法具体包括如下步骤:
步骤1、进行视觉位置匹配定位;
步骤1.1、获取视觉图像,将图像进行分块,并将具有经纬度信息的图作为基准图;
步骤1.2、利用归一化积相关算法进行视觉位置匹配;
步骤2、建立惯性及视觉位置匹配***状态模型;
步骤3、建立量测方程及量测值;
步骤4、进行卡尔曼滤波;
步骤5、获得视觉位置匹配与惯导***误差最优估计值,并进行误差补偿,获得输出组合导航结果。
所述的步骤1.2中利用归一化积相关算法进行视觉位置匹配的具体步骤为:
实时图像在基准图像中从起始位置逐行扫过整个基准图;在每个位置将模板图像中每个像素点与它所对应基准图区域像素点进行相关性运算,将结果记录在相应的位置处;选取相关性较高的若干个匹配峰值点,作为候选匹配像素点,从而根据匹配结果即可换算出对应的位置信息;
利用下式进行相关性计算为:
其中,(x,y)为模板图像中的坐标点;(u,v)为基准图像中的坐标点;
T(x,y)为模板图像在点(x,y)处的灰度值,范围为0到255;
I(x+u,y+v)为基准图像点(u,v)处,与模板图像相对应位置处的灰度值;
由于每个图像块都能进行一次匹配来获得定位信息,因此,多个图像块可获得多个匹配定位结果。
所述的步骤2中建立惯性及视觉位置匹配***状态模型的具体步骤为:
建立惯性及视觉位置匹配***状态方程为:
其中,X(t)为上述***状态方程的17个状态,分别为δVn、δVu、δVe、δL、δh、δλ、φn、φu、φe、▽x、▽y、▽z、εx、εy、εz、δLdsmac以及δλdsmac,其中,δVn、δVu、δVe分别表示捷联惯导***北向、天向、东向的速度误差,单位为米每秒;δL、δh、δλ分别表示捷联惯导***的纬度误差、高度误差、经度误差,单位分别为弧度、米、弧度;φn、φu、φe分别表示捷联惯导***导航坐标系内北、天、东三个方向的失准角,单位为弧度;▽x、▽y、▽z分别表示捷联惯导***载体坐标系内X、Y、Z三个方向的加速度计零偏,单位为米每秒平方;εx、εy、εz分别表示捷联惯导***载体坐标系内X、Y、Z三个方向的陀螺漂移,单位为弧度每秒;δLdsmac、δλdsmac分别表示景象匹配纬度、经度误差,单位为弧度;
视觉位置匹配误差方程为:
Q(t)为***白噪声;系数矩阵F(t)根据惯性导航误差方程求取。
所述的步骤3中建立量测方程及量测值的具体步骤为:
建立基于序贯检测的卡尔曼滤波器量测方程如下:
其中,
所述的步骤4中进行卡尔曼滤波的具体步骤为:
根据惯性视觉位置组合导航***误差方程,计算卡尔曼滤波周期到来时的状态一步转移矩阵Φk,k-1,其计算公式如下:
Φk,k-1=I+F(t)
进行时间更新,即
依次利用单次匹配中第i=1,…,N个定位结果,进行序贯量测更新,即
其中,为单次匹配中第i次量测更新的量测矩阵,为单次匹配中第i次量测更新的量测量,为单次匹配中第i次量测更新的滤波增益矩阵,为单次匹配中第i次量测更新的观测噪声阵,为单次匹配中第i次量测更新的估计误差方差阵。
所述的步骤5的具体步骤为:
所述的步骤1.1中获取视觉图像,将图像进行分块,并将具有经纬度信息的图作为基准图的具体步骤为:
利用相机获得飞行载体下方图像,将该图像进行分块并获得多个图像块后,将每个图像块作为一个单独实时图,并将事先置备的具有经纬度信息的图作为基准图。
本发明的显著效果在于:本发明所述的一种基于序贯检测的惯性视觉位置组合导航方法,可有效利用多个位置信息,大幅度提升组合导航的计算速度,实现高精度的惯性视觉位置组合导航。
附图说明
图1为本发明所述的一种基于序贯检测的惯性视觉位置组合导航方法流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
如图1所示,一种基于序贯检测的惯性视觉位置组合导航方法,该方法具体包括如下步骤:
步骤1、进行视觉位置匹配定位;
步骤1.1、获取视觉图像,将图像进行分块,并将具有经纬度信息的图作为基准图;
利用相机获得飞行载体下方图像,将该图像进行分块并获得多个图像块后,将每个图像块作为一个单独实时图,并将事先置备的具有经纬度信息的图作为基准图;
步骤1.2、利用归一化积相关算法进行视觉位置匹配;
实时图像在基准图像中从起始位置逐行扫过整个基准图;在每个位置将模板图像中每个像素点与它所对应基准图区域像素点进行相关性运算,将结果记录在相应的位置处;选取相关性较高的若干个匹配峰值点,作为候选匹配像素点,从而根据匹配结果即可换算出对应的位置信息;
利用下式进行相关性计算为:
其中,(x,y)为模板图像中的坐标点;(u,v)为基准图像中的坐标点;
T(x,y)为模板图像在点(x,y)处的灰度值,范围为0到255;
I(x+u,y+v)为基准图像点(u,v)处,与模板图像相对应位置处的灰度值;
由于每个图像块都能进行一次匹配来获得定位信息,因此,多个图像块可获得多个匹配定位结果;
步骤2、建立惯性及视觉位置匹配***状态模型;
建立惯性及视觉位置匹配***状态方程为:
其中,X(t)为上述***状态方程的17个状态,分别为δVn、δVu、δVe、δL、δh、δλ、φn、φu、φe、▽x、▽y、▽z、εx、εy、εz、δLdsmac以及δλdsmac,其中,δVn、δVu、δVe分别表示捷联惯导***北向、天向、东向的速度误差,单位为米每秒;δL、δh、δλ分别表示捷联惯导***的纬度误差、高度误差、经度误差,单位分别为弧度、米、弧度;φn、φu、φe分别表示捷联惯导***导航坐标系内北、天、东三个方向的失准角,单位为弧度;▽x、▽y、▽z分别表示捷联惯导***载体坐标系内X、Y、Z三个方向的加速度计零偏,单位为米每秒平方;εx、εy、εz分别表示捷联惯导***载体坐标系内X、Y、Z三个方向的陀螺漂移,单位为弧度每秒;δLdsmac、δλdsmac分别表示景象匹配纬度、经度误差,单位为弧度;
视觉位置匹配误差方程为:
Q(t)为***白噪声;系数矩阵F(t)根据惯性导航误差方程求取;
步骤3、建立量测方程及量测值;
建立基于序贯检测的卡尔曼滤波器量测方程如下:
其中,
步骤4、进行卡尔曼滤波
根据惯性视觉位置组合导航***误差方程,计算卡尔曼滤波周期到来时的状态一步转移矩阵Φk,k-1,其计算公式如下:
Φk,k-1=I+F(t)
进行时间更新,即
依次利用单次匹配中第i=1,…,N个定位结果,进行序贯量测更新,即
其中,为单次匹配中第i次量测更新的量测矩阵,为单次匹配中第i次量测更新的量测量,为单次匹配中第i次量测更新的滤波增益矩阵,为单次匹配中第i次量测更新的观测噪声阵,为单次匹配中第i次量测更新的估计误差方差阵;
步骤5、获得视觉位置匹配与惯导***误差最优估计值,并进行误差补偿,获得输出组合导航结果;
Claims (4)
1.一种基于序贯检测的惯性视觉位置组合导航方法,其特征在于:该方法具体包括如下步骤:
步骤1、进行视觉位置匹配定位;
步骤1.1、获取视觉图像,将图像进行分块,并将具有经纬度信息的图作为基准图;
步骤1.2、利用归一化积相关算法进行视觉位置匹配;
实时图像在基准图像中从起始位置逐行扫过整个基准图;在每个位置将模板图像中每个像素点与它所对应基准图区域像素点进行相关性运算,将结果记录在相应的位置处;选取相关性高的若干个匹配峰值点,作为候选匹配像素点,从而根据匹配结果即可换算出对应的位置信息;
利用下式进行相关性计算为:
其中,(x,y)为模板图像中的坐标点;(u,v)为基准图像中的坐标点;
T(x,y)为模板图像在点(x,y)处的灰度值,范围为0到255;
I(x+u,y+v)为基准图像点(u,v)处,与模板图像相对应位置处的灰度值;
由于每个图像块都能进行一次匹配来获得定位信息,因此,多个图像块可获得多个匹配定位结果;
步骤2、建立惯性及视觉位置匹配***状态模型;
步骤3、建立量测方程及量测值;
所述的步骤3中建立量测方程及量测值的具体步骤为:
建立基于序贯检测的卡尔曼滤波器量测方程如下:
其中,
步骤4、进行卡尔曼滤波;
根据惯性视觉位置组合导航***误差方程,计算卡尔曼滤波周期到来时的状态一步转移矩阵Φk,k-1,其计算公式如下:
Φk,k-1=I+F(t)
进行时间更新,即
依次利用单次匹配中第i=1,…,N个定位结果,进行序贯量测更新,即
其中,为单次匹配中第i次量测更新的量测矩阵,为单次匹配中第i次量测更新的量测量,为单次匹配中第i次量测更新的滤波增益矩阵,为单次匹配中第i次量测更新的观测噪声阵,为单次匹配中第i次量测更新的估计误差方差阵;
步骤5、获得视觉位置匹配与惯导***误差最优估计值,并进行误差补偿,获得输出组合导航结果。
2.根据权利要求1所述的一种基于序贯检测的惯性视觉位置组合导航方法,其特征在于:所述的步骤2中建立惯性及视觉位置匹配***状态模型的具体步骤为:
建立惯性及视觉位置匹配***状态方程为:
其中,X(t)为上述***状态方程的17个状态,分别为δVn、δVu、δVe、δL、δh、δλ、φn、φu、φe、εx、εy、εz、δLdsmac以及δλdsmac,其中,δVn、δVu、δVe分别表示捷联惯导***北向、天向、东向的速度误差,单位为米每秒;δL、δh、δλ分别表示捷联惯导***的纬度误差、高度误差、经度误差,单位分别为弧度、米、弧度;φn、φu、φe分别表示捷联惯导***导航坐标系内北、天、东三个方向的失准角,单位为弧度;分别表示捷联惯导***载体坐标系内X、Y、Z三个方向的加速度计零偏,单位为米每秒平方;εx、εy、εz分别表示捷联惯导***载体坐标系内X、Y、Z三个方向的陀螺漂移,单位为弧度每秒;δLdsmac、δλdsmac分别表示景象匹配纬度、经度误差,单位为弧度;
视觉位置匹配误差方程为:
Q(t)为***白噪声;系数矩阵F(t)根据惯性导航误差方程求取。
4.根据权利要求1所述的一种基于序贯检测的惯性视觉位置组合导航方法,其特征在于:所述的步骤1.1中获取视觉图像,将图像进行分块,并将具有经纬度信息的图作为基准图的具体步骤为:
利用相机获得飞行载体下方图像,将该图像进行分块并获得多个图像块后,将每个图像块作为一个单独实时图,并将事先置备的具有经纬度信息的图作为基准图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711047547.7A CN109724595B (zh) | 2017-10-31 | 2017-10-31 | 一种基于序贯检测的惯性视觉位置组合导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711047547.7A CN109724595B (zh) | 2017-10-31 | 2017-10-31 | 一种基于序贯检测的惯性视觉位置组合导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109724595A CN109724595A (zh) | 2019-05-07 |
CN109724595B true CN109724595B (zh) | 2021-04-02 |
Family
ID=66293450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711047547.7A Active CN109724595B (zh) | 2017-10-31 | 2017-10-31 | 一种基于序贯检测的惯性视觉位置组合导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109724595B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115127554B (zh) * | 2022-08-31 | 2022-11-15 | 中国人民解放军国防科技大学 | 一种基于多源视觉辅助的无人机自主导航方法与*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101046387A (zh) * | 2006-08-07 | 2007-10-03 | 南京航空航天大学 | 利用景象匹配提高导航***精度的方法及组合导航仿真*** |
CN101598556B (zh) * | 2009-07-15 | 2011-05-04 | 北京航空航天大学 | 一种未知环境下无人机视觉/惯性组合导航方法 |
CN102506867B (zh) * | 2011-11-21 | 2014-07-30 | 清华大学 | 基于Harris角点匹配的SINS/SMANS组合导航方法及*** |
US9026263B2 (en) * | 2011-11-30 | 2015-05-05 | Alpine Electronics, Inc. | Automotive navigation system and method to utilize internal geometry of sensor position with respect to rear wheel axis |
US20150199556A1 (en) * | 2014-01-13 | 2015-07-16 | Honeywell International Inc. | Method of using image warping for geo-registration feature matching in vision-aided positioning |
CN107063246A (zh) * | 2017-04-24 | 2017-08-18 | 齐鲁工业大学 | 一种视觉导航/惯性导航的松散组合导航方法 |
-
2017
- 2017-10-31 CN CN201711047547.7A patent/CN109724595B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109724595A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780699B (zh) | 一种基于sins/gps和里程计辅助的视觉slam方法 | |
WO2020087846A1 (zh) | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 | |
CN111795686B (zh) | 一种移动机器人定位与建图的方法 | |
CN107449444B (zh) | 一种多星图姿态关联的星敏感器内参数标定方法 | |
CN110706279A (zh) | 基于全局地图与多传感器信息融合的全程位姿估计方法 | |
CN102538792B (zh) | 一种位置姿态***的滤波方法 | |
CN107909614B (zh) | 一种gps失效环境下巡检机器人定位方法 | |
CN109059907B (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
CN112097763A (zh) | 一种基于mems imu/磁力计/dvl组合的水下运载体组合导航方法 | |
US20170074678A1 (en) | Positioning and orientation data analysis system and method thereof | |
CN110849360B (zh) | 面向多机协同编队飞行的分布式相对导航方法 | |
CN105352509A (zh) | 地理信息时空约束下的无人机运动目标跟踪与定位方法 | |
CN109507706B (zh) | 一种gps信号丢失的预测定位方法 | |
CN110133692B (zh) | 惯导技术辅助的高精度gnss动态倾斜测量***及方法 | |
CN110285834B (zh) | 基于一点位置信息的双惯导***快速自主重调方法 | |
CN112683267B (zh) | 一种附有gnss速度矢量辅助的车载姿态估计方法 | |
CN111189474A (zh) | 基于mems的marg传感器的自主校准方法 | |
CN115574816B (zh) | 仿生视觉多源信息智能感知无人平台 | |
CN115272596A (zh) | 一种面向单调无纹理大场景的多传感器融合slam方法 | |
CN111238488A (zh) | 一种基于异源图像匹配的飞行器精确定位方法 | |
CN114690229A (zh) | 一种融合gps的移动机器人视觉惯性导航方法 | |
CN109724595B (zh) | 一种基于序贯检测的惯性视觉位置组合导航方法 | |
WO2016165336A1 (zh) | 一种导航的方法和终端 | |
CN117073720A (zh) | 弱环境与弱动作控制下快速视觉惯性标定与初始化方法及设备 | |
CN110160530B (zh) | 一种基于四元数的航天器姿态滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |