本發(fā)明涉及無人機(jī)(unmannedaerialvehicle，uav)中的視覺定位，具體設(shè)計(jì)一種基于歷史訪問信息的無人機(jī)視覺定位累積誤差抑制方法，英文名稱為cumulativeerrorsuppressionmethodbasedonhistoricalvisitinginformation，ces-hvi(b64c27/08有兩個(gè)或多個(gè)旋翼的；h04n1/409誤差的抑制；h04w40/20定位)。

背景技術(shù)：

機(jī)器的自動(dòng)化是當(dāng)今時(shí)代的需求。出于安全性、速度、準(zhǔn)確性和精密度的考慮，自主駕駛的車輛、機(jī)器人和自動(dòng)化生產(chǎn)系統(tǒng)的需求量越來越大。無人機(jī)在這一領(lǐng)域具有很長(zhǎng)的研究歷史。無人機(jī)具有隱蔽性好、操作靈活、可適應(yīng)各種惡劣環(huán)境的特點(diǎn)，可以最大程度地將人從環(huán)境中解放出來，所以隨著現(xiàn)代科學(xué)技術(shù)的不斷發(fā)展，具有自主導(dǎo)航能力的智能機(jī)器人、無人機(jī)等載體的運(yùn)用得到了廣泛的關(guān)注。2005年8月，美國(guó)國(guó)防部在《無人機(jī)系統(tǒng)發(fā)展圖(2005-2030)》中明確指出將把無人機(jī)作為近30年航空器發(fā)展重點(diǎn)。

視覺定位是通過攝像機(jī)獲取環(huán)境圖像，再經(jīng)過處理器分析計(jì)算得出物體位置的過程。相比激光測(cè)距儀、航跡推算和gps全球定位系統(tǒng)等如今眾多的定位方式，視覺定位不但解決了室內(nèi)定位面臨的無線屏蔽、干擾等不利因素的影響。還更好地解決了諸如激光測(cè)距定位價(jià)格昂貴、航跡推算定位誤差大等一系列定位問題。正是由于算法的諸多優(yōu)點(diǎn)，現(xiàn)被廣泛運(yùn)用于無人機(jī)室內(nèi)定位技術(shù)中。美國(guó)愛荷華州立大學(xué)用imu和攝像頭實(shí)現(xiàn)了無人機(jī)在規(guī)則走廊內(nèi)的自主飛行。2010年在德國(guó)國(guó)防部支持下markuskleinert等人成功實(shí)現(xiàn)了單目視覺下的slam和imu數(shù)據(jù)的融合算法，完成了室內(nèi)多處場(chǎng)景全局地圖構(gòu)建；scientificsystemscompany的jeffreybyrne提出了利用圖像特征點(diǎn)在視野內(nèi)擴(kuò)張速度結(jié)合慣導(dǎo)數(shù)據(jù)估計(jì)障礙物距離的方法，并在2010年將視覺技術(shù)成功地運(yùn)用在了無gps的無人機(jī)樓宇間的飛行中。

但視覺定位技術(shù)也有其一定的缺陷，由于視覺定位是利用上一時(shí)刻的位置計(jì)算結(jié)果去估算下一時(shí)刻的位置，長(zhǎng)時(shí)間的飛行會(huì)導(dǎo)致無人機(jī)視覺定位誤差的累積，累積的誤差嚴(yán)重了影響了無人機(jī)視覺定位的效果，如今如何抑制累積誤差成了無人機(jī)視覺定位系統(tǒng)中的關(guān)鍵問題。部分研究者試圖通過抑制單次定位誤差來獲得好的定位效果。文獻(xiàn)[1]中南京理工大學(xué)通過建立誤差矩陣模型進(jìn)行參數(shù)補(bǔ)償，從而提高定位精度。文獻(xiàn)[2]中四川大學(xué)制造科學(xué)與工程學(xué)院提出一種基于模型控制方法和基于智能計(jì)算方法相結(jié)合的方法，該方法有利于提高機(jī)器人的視覺定位精度。文獻(xiàn)[3]中科院自動(dòng)化研究所得到攝像機(jī)的內(nèi)部參數(shù)隨機(jī)器人位置的變化關(guān)系，使機(jī)器人在粗定位的基礎(chǔ)上，自動(dòng)地調(diào)節(jié)攝像頭的內(nèi)參，補(bǔ)償定位誤差提高定位精度。不同于以上通過誤差補(bǔ)償提高定位精度的思路，另一種解決方案直接針對(duì)累積誤差本身的抑制問題，文獻(xiàn)[4-5]提出在飛行過程中設(shè)置坐標(biāo)已知的路標(biāo)，從而糾正累積定位誤差。文獻(xiàn)[4]中劉振宇設(shè)計(jì)了一種可擴(kuò)展的彩色人工路標(biāo)，并給出路標(biāo)的編碼方法減少了定位的累積誤差。文獻(xiàn)[5]浙江大學(xué)陳明芽提出單目視覺自然路標(biāo)輔助的移動(dòng)機(jī)器人定位方法，在gps受限情況下提高了慣性導(dǎo)航定位的精度和魯棒性。

綜合現(xiàn)有的視覺定位累積誤差抑制方法，誤差補(bǔ)償雖從一定程度上減少了累積誤差的影響，但是對(duì)于不同的視覺定位系統(tǒng)，固定的誤差補(bǔ)償方法不具有一定的通用性，而且誤差補(bǔ)償需提前建立視覺定位模型，從視覺定位模型中得出誤差模型，再進(jìn)行誤差補(bǔ)償。這樣的誤差補(bǔ)償不能夠很好的適應(yīng)無人機(jī)的需求。建立已知路標(biāo)庫(kù)的方法，就是在無人機(jī)飛行過程中通過識(shí)別已知坐標(biāo)的路標(biāo)，從而達(dá)到抑制累積誤差的效果，該方法在很大程度上抑制了累積誤差，卻很難運(yùn)用到未知環(huán)境中去。該方法需要提前設(shè)置路標(biāo)庫(kù)，一旦無人機(jī)進(jìn)入未提前設(shè)置路標(biāo)庫(kù)的區(qū)域內(nèi)，該方法將完全不適用，并且當(dāng)在新的環(huán)境中使用該累積誤差抑制方法時(shí)，需要提前設(shè)置大量路標(biāo)，這必將損耗大量的人力物力。

對(duì)比文件

[1]liuyouwu,zhangqingetc.thecompensativetechniqueofpositioningerrorsforncmachinetools[j].internationalconferenceonintelligentmanufacturing.wuhan,1995:843-846.

[2]尹湘云,殷國(guó)富,胡曉兵,等.基于支持矢量機(jī)回歸的機(jī)器人視覺系統(tǒng)定位精度[j].機(jī)械工程學(xué)報(bào),2011,47(1):48-54.

[3]李新征,易建強(qiáng),趙冬斌.基于視覺的機(jī)器人定位精度提高方法[j].計(jì)算機(jī)測(cè)量與控制,2005,13(6):545-547.

[4]劉振宇,姜楠,張令濤.基于人工路標(biāo)和立體視覺的移動(dòng)機(jī)器人自定位[j].計(jì)算機(jī)工程與應(yīng)用,2010,46(9):190-192.

[5]陳明芽,項(xiàng)志宇,劉濟(jì)林.單目視覺自然路標(biāo)輔助的移動(dòng)機(jī)器人定位方法[j].浙江大學(xué)學(xué)報(bào)工學(xué)版,2014(2):285-291.

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種無人機(jī)視覺定位累積誤差抑制方法，以有效抑制全局累積誤差。

為了解決以上技術(shù)問題，本發(fā)明采用的具體技術(shù)方案如下：

一種無人機(jī)視覺定位累積誤差抑制方法，其特征在于：針對(duì)具備雙攝像頭的小型無人機(jī)，先利用當(dāng)前捕獲的圖像信息對(duì)自身位置進(jìn)行估算，估算出初始坐標(biāo)，再以估算的初始坐標(biāo)為圓心作圓，將圓內(nèi)具有高圖像特征點(diǎn)匹配率的歷史訪問點(diǎn)集定義為可信空間，進(jìn)而利用可信空間中可信歷史訪問點(diǎn)的圖像信息進(jìn)行定位結(jié)果優(yōu)化；用當(dāng)前捕獲的圖像與各可信歷史訪問點(diǎn)的圖像信息，結(jié)合各可信歷史訪問點(diǎn)的已知坐標(biāo)，逐一計(jì)算兩點(diǎn)之間的相對(duì)旋轉(zhuǎn)量與位移量，并以圖像特征點(diǎn)匹配率作為權(quán)重進(jìn)行加權(quán)，最終得到優(yōu)化定位結(jié)果，即tm時(shí)刻無人機(jī)位置坐標(biāo)

tm時(shí)刻無人機(jī)位置坐標(biāo)的計(jì)算步驟如下：

步驟一、計(jì)算初始坐標(biāo)

已知tm-1時(shí)刻無人機(jī)在地面坐標(biāo)系下的坐標(biāo)為左右攝像頭在tm-1時(shí)刻獲取的圖像分別為其中u和v是圖像坐標(biāo)系下的像素坐標(biāo)值，i是圖像灰度值矩陣；初始坐標(biāo)的計(jì)算方法為：

step1：獲取tm-1時(shí)刻的左右圖像并用sift算法對(duì)和兩幅圖片進(jìn)行特征點(diǎn)提取和特征點(diǎn)匹配，得出匹配特征點(diǎn)的像素坐標(biāo)矩陣，并結(jié)合攝像頭的內(nèi)部參數(shù)，計(jì)算出匹配特征點(diǎn)在tm-1時(shí)刻攝像頭坐標(biāo)系下的坐標(biāo)矩陣同時(shí)存儲(chǔ)匹配特征點(diǎn)的信息；這里，匹配到的特征點(diǎn)有個(gè)，是的矩陣，其中分別是匹配特征點(diǎn)在tm-1時(shí)刻攝像頭坐標(biāo)系下坐標(biāo)值向量；

step2：獲取tm時(shí)刻的左右圖像并重復(fù)step1，計(jì)算出圖像中匹配特征點(diǎn)在tm時(shí)刻攝像頭坐標(biāo)系下的坐標(biāo)矩陣同樣是的矩陣；

step3：利用tm-1時(shí)刻存儲(chǔ)的匹配特征點(diǎn)信息對(duì)tm時(shí)刻的匹配特征點(diǎn)進(jìn)行特征點(diǎn)追蹤，得到的追蹤特征點(diǎn)個(gè)數(shù)為個(gè)，將新形成的的矩陣和代入方程計(jì)算得出無人機(jī)在這段飛行距離里的相對(duì)旋轉(zhuǎn)量和相對(duì)位移量

經(jīng)過以上的步驟便可以得出tm時(shí)刻無人機(jī)在地面坐標(biāo)系下的初始坐標(biāo)表示為

步驟二、可信空間構(gòu)建

以步驟一計(jì)算出的初始坐標(biāo)為圓點(diǎn)、λ為半徑作圓，在圓內(nèi)尋找與tm時(shí)刻圖像特征點(diǎn)匹配率大于δ的歷史訪問點(diǎn)，從而構(gòu)成可信空間；此時(shí)可信空間中的點(diǎn)便是對(duì)于tm時(shí)刻的可信歷史訪問點(diǎn)，構(gòu)建的可信歷史訪問點(diǎn)集可以表示成hp＝{tj|j∈n}，其中可信歷史訪問點(diǎn)集中可信歷史訪問點(diǎn)的個(gè)數(shù)為d，表示為|hp|＝d；

所述圖像特征點(diǎn)匹配率定義為：假設(shè)nti為ti時(shí)刻由左、右攝像頭圖像計(jì)算出的匹配特征點(diǎn)個(gè)數(shù)，同時(shí)建立并存儲(chǔ)ti時(shí)刻特征點(diǎn)的描述算子，在tj時(shí)刻由左、右攝像頭圖像計(jì)算出的匹配特征點(diǎn)中追蹤ti時(shí)刻的匹配特征點(diǎn)，假設(shè)追蹤到的匹配特征點(diǎn)個(gè)數(shù)為則定義為這兩個(gè)時(shí)刻的圖像特征點(diǎn)匹配率；若ti時(shí)刻所存儲(chǔ)的歷史圖像信息滿足公式(1)，則定義是在的可信空間中的可信歷史訪問點(diǎn)；

式1中，λ表示可信空間范圍大小；δ為圖像特征點(diǎn)匹配率閾值；

步驟三、當(dāng)前位置與可信歷史點(diǎn)的相對(duì)旋轉(zhuǎn)量與位移量計(jì)算

利用hp(k)時(shí)刻所存儲(chǔ)可信歷史訪問點(diǎn)的圖像匹配特征點(diǎn)信息，結(jié)合tm時(shí)刻提取的圖像匹配特征點(diǎn)信息，重新計(jì)算記為且和分別是估算出的兩位置特征點(diǎn)坐標(biāo)的相對(duì)旋轉(zhuǎn)量和相對(duì)位移量，遍歷hp中d個(gè)歷史點(diǎn)，逐一與目標(biāo)位置計(jì)算相對(duì)旋轉(zhuǎn)量與位移量；1≤k≤d；

步驟四、得出優(yōu)化定位結(jié)果

利用匹配率，按公式(2)進(jìn)行定位結(jié)果的優(yōu)化，并以優(yōu)化結(jié)果作為最終坐標(biāo)輸出；

式(2)中，代表tm時(shí)刻圖像與hp(k)時(shí)刻圖像特征點(diǎn)匹配率，代表直接利用tm時(shí)刻圖像信息與hp(k)時(shí)刻圖像信息計(jì)算出的tm時(shí)刻位置坐標(biāo)，為最終輸出的tm時(shí)刻坐標(biāo)。

所述可信空間構(gòu)建中，可信空間范圍大小λ、圖像特征點(diǎn)匹配率閾值δ，可按照下表給出的不同無人機(jī)飛行速度和攝像頭幀率條件下的參考值進(jìn)行設(shè)置。

本發(fā)明具有有益效果?，F(xiàn)有的視覺定位累積誤差抑制方法，誤差補(bǔ)償對(duì)于不同的視覺定位系統(tǒng)，固定的誤差補(bǔ)償方法不具有一定的通用性，而且誤差補(bǔ)償需提前建立視覺定位模型，這樣的誤差補(bǔ)償不能夠很好的適應(yīng)無人機(jī)的需求。建立已知路標(biāo)庫(kù)的方法在很大程度上抑制了累積誤差，但是卻很難運(yùn)用到未知環(huán)境中去。本發(fā)明針對(duì)建立路標(biāo)庫(kù)的方法進(jìn)行改進(jìn)，針對(duì)小型無人機(jī)常見的室內(nèi)巡航場(chǎng)景，利用可信歷史訪問點(diǎn)作為已知路標(biāo)，不需要提前建立路標(biāo)庫(kù)，能夠更好地適應(yīng)未知環(huán)境，同時(shí)可以有效抑制全局累積誤差。

附圖說明

圖1為本發(fā)明實(shí)施示例圖，取點(diǎn)25為例示意；

圖2為本發(fā)明預(yù)設(shè)軌跡、未優(yōu)化原始算法軌跡和ces-hvi方法軌跡對(duì)比圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步詳細(xì)說明。

設(shè)定實(shí)驗(yàn)的無人機(jī)飛行路線如圖2中預(yù)設(shè)軌跡所示，無人機(jī)未優(yōu)化原始定位計(jì)算的軌跡和ces-hvi方法軌跡也如圖2所示，實(shí)施的定位過程如下所示：

步驟1.確定可信歷史訪問點(diǎn)的選取條件

鑒于飛行實(shí)驗(yàn)中無人機(jī)飛行速度為60cm/s、攝像頭的幀率為50幀/s，根據(jù)本發(fā)明權(quán)利要求第二點(diǎn)中給出的參考數(shù)據(jù)，將λ取200cm，δ取0.25。

下面使用圖1中從(0,0)開始的第25個(gè)點(diǎn)為例，說明ces-hvi方法的具體步驟。其中25號(hào)點(diǎn)的預(yù)設(shè)坐標(biāo)為(478,102)。

步驟2.實(shí)施ces-hvi方法

step1.在25號(hào)點(diǎn)的位置獲取左右攝像頭圖像，結(jié)合24號(hào)點(diǎn)獲取的左右攝像頭圖像，計(jì)算兩點(diǎn)間中無人機(jī)飛行的相對(duì)旋轉(zhuǎn)量與偏移量，得出25號(hào)位置的坐標(biāo)為(557,111)。

step2.根據(jù)已確定的λ取值200cm，在距離坐標(biāo)(557,111)半徑為200cm的范圍內(nèi)尋找歷史訪問點(diǎn)。

step3.在步驟2找到的歷史點(diǎn)中，根據(jù)已確定的特征點(diǎn)匹配率閾值δ＝0.25，排除掉特征點(diǎn)匹配率小于0.25的歷史點(diǎn)，將剩下的點(diǎn)放到集合hp中，稱之為可信歷史訪問點(diǎn)集。其中集合中可信歷史訪問點(diǎn)分別是點(diǎn)5，點(diǎn)6，點(diǎn)7，點(diǎn)23和點(diǎn)24，同時(shí)這五個(gè)位置點(diǎn)圖片信息與點(diǎn)25圖片信息計(jì)算出的特征點(diǎn)匹配率分別為0.58，0.81，0.55，0.53，0.61。

step4.分別利用點(diǎn)5，點(diǎn)6，點(diǎn)7，點(diǎn)23和點(diǎn)24圖片信息與點(diǎn)25圖片信息直接計(jì)算點(diǎn)25的坐標(biāo)分別為(487，102)，(490，102)，(491，102)，(540，107)和(557,111)。

step5.利用公式計(jì)算最終的優(yōu)化定位結(jié)果，最終坐標(biāo)為(511,104)。

得到的最終坐標(biāo)為(511,104)，比未經(jīng)優(yōu)化的計(jì)算坐標(biāo)(557,111)更加接近預(yù)設(shè)坐標(biāo)(478,102)，可以明顯看出ces-hvi優(yōu)化算法對(duì)于累積誤差的改善。