无人机视觉惯性定位系统研究与实现

发布时间：2024-03-06 06:20

　　在灾后搜救、桥梁检修、电力巡检和城市巡逻等复杂作业环境中,无人机通常基于全球定位系统(Global Position System,GPS)实现精确定位。如果磁罗盘受干扰,GPS数据则无法被有效利用,这将导致无人机失去精确定位能力。为此,本文研究一种基于视觉惯性里程计(Visual Inertial Odometry,VIO)的无人机辅助定位技术。该技术只需要轻量级传感器组合,在纹理正常的环境中,就能提供高可靠的定位信息。基于优化方法的VIO系统通常开销高而且初始化环节鲁棒性差,即使基于多状态约束卡尔曼滤波器(Multi-State Constraint Kalman Filter,MSCKF)的VIO系统开销低,但是其初始化和状态估计环节性能不佳,无法满足无人机高空环境定位。本文结合MSCKF系统开销低的优点,对MSCKF原始框架实施一系列改良策略,最终设计了系统开销低、鲁棒性高且适用于高空环境应用的VIO方案。本文首先从前端视觉处理、后端特征点估计和状态更新等模块展开探讨VIO技术原理,修正原有框架中协方差增扩雅可比矩阵的错误推导。再从工程上,在后端状态更新中使用惯性导航系统(In...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图１－１小型消费级无人机??２??

?高。??在工业界中，如图ｌ－ｌ（ａ）的无人机是零度智控的Ｄ０ＢＢＹ?□袋无人机［３］，Ｄ０ＢＢＹ无??人机使用基于下视光流、ＩＭＵ和对地声呐融合做无人机定位信息，它能在无ＧＰＳ环境??中纹理丰富的地方稳定悬停，长时间定位信不产生较大漂移。由于光流算法将下视场??景建模为￥面，这....

图２－２?ＦＡＳＴ角点提取??２．２特征匹配??

?第二章视觉前端???点和Ｐ点的灰度值差异明显，则该点是候选角点，否则该点不是角点。??：ｓ?探?ｓｍｙｓｓｓｓｉ??ｍｎｍｍＷｒｎｍｕｍａｕｕ??Ｈｉ?ｌｘ?ＪＩＢＩＢｉｌｌｌｌ＂??＼ｍｍｍｍｍｍｍｍｍｍｍｍｕ??图２－２?ＦＡＳＴ角点提取??２．２特征匹配??传统视觉里程计....

图２－３光流相邻帧特征点运动示意图??在图２－３中，原图为／，左图是视频流第Ａ巾贞，右图是视频流Ａ：＋ｌ巾贞，对应时间戮??

?第二章视觉前端???点和Ｐ点的灰度值差异明显，则该点是候选角点，否则该点不是角点。??：ｓ?探?ｓｍｙｓｓｓｓｉ??ｍｎｍｍＷｒｎｍｕｍａｕｕ??Ｈｉ?ｌｘ?ＪＩＢＩＢｉｌｌｌｌ＂??＼ｍｍｍｍｍｍｍｍｍｍｍｍｕ??图２－２?ＦＡＳＴ角点提取??２．２特征匹配??传统视觉里程计....

图２－４对极几何??两个不同相机视角对同一静态特征点的观测坐标服从极线几何约束，而动态特征点??

－ｍ－ｎ－ｕｒｕｒ??Ｓ｛ｘ，ｙ）?＝?７７７??｛｛Ｈｉｌｊｆ２（ｘ?＋?ｉ，ｙ＋ｊ）?－ｍ－ｎ－ｕｆ２）｛ＸｉＹ．ｊｒ２｛ｘ?＋?ｉ，ｙ＋ｊ）?－ｍ－ｎ－ｕｒ２）｝??（２－１０）??２．３动态点剔除??ｖｉ〇使用静态路标（此处的路标也指上文的特征，点）釣束義身运动达到恢复结....

本文编号：3920683