论文部分内容阅读
近年来,无人机凭借其结构紧凑、灵活度高、能提供多维度信息等优点,在军事民用领域,尤其是城市服务领域获得了广泛应用。在这些应用中,无人机的自身位姿信息准确获取是无人机自主导航、姿态控制等任务顺利执行的前提。传统的位姿信息获取是依赖GPS和IMU传感器,但在城市楼宇、室内区域,GPS难以准确获取位置信息而失去效能;而机载IMU传感器又常常会出现较大的姿态角积累误差,给无人机的导航带来一定的难度。为此,本文以预标定内部参数的摄像机作为视觉传感器,结合数字图像处理技术和摄像机位姿估计的方法,设计了一套基于合作目标的单目视觉无人机定位定姿问题的解决方案。并结合匀速运动模型,利用摄像机采集的信息作为量测信息,对无人机的位姿状态设计了基于扩展卡尔曼滤波的运动估计方案。本文的主要研究内容如下:(1)针对实际相机存在的畸变问题,本文研究了基于二阶径向畸变的摄像机模型,利用标定出的摄像机畸变参数,对提取的特征点进行畸变校正,将非线性摄像位姿估计转换到线性摄像机位姿估计问题。实验表明,畸变校正提高了位姿估计的精度。(2)为实现合作目标特征的准确快速提取与匹配,本文设计了兼具颜色特征和点特征的合作目标,研究了合作目标的检测、特征点提取与匹配高效率图像处理算法。相比于对称型合作目标在特征点匹配时的高耗时问题,本文设计的合作目标利用其灰度值和向量积的几何意义,能迅速实现特征点的匹配。同时,从视觉分级、多估计中心的角度,将基础的合作目标扩展为分布式多合作目标,提高了单合作目标的位姿估计精度和高度限制。(3)为解决无人机位姿参数的估计问题,本文研究了一种基于透视投影模型下的位姿估计算法,同时引入了正交迭代算法,优化估计结果。此外,对分布式合作目标,本文提出了基于距离的单合作目标位姿加权估计方法,通过多估计中心的加权,较单合作目标而言,提高了位姿估计的精度。(4)对于运动模型确定或无人机运动平稳的情形,本文提出了将扩展卡尔曼滤波估计与单目视觉位姿估计方法相结合的解决方案。将视觉信息作为量测信息,借助扩展卡尔曼滤波器实现了对下一时刻位姿预测,基于匀速运动模型,对特征点量测有噪声的情形进行仿真实验,结果表明,位姿精度优于同等噪声强度下的纯视觉位姿解算方法。本文通过数字仿真实验、基于Vicon系统的半实物实验以及四旋翼无人机平台实验,分析了影响位姿估计效果的因素。通过无人机实际飞行测试,验证了算法的正确性和位姿估计精度,为进一步工程应用奠定了理论和技术基础。