申请/专利权人：中国兵器工业计算机应用技术研究所

申请日：2017-09-04

公开（公告）日：2021-02-19

公开（公告）号：CN107748569B

主分类号：G05D1/10(20060101)

分类号：G05D1/10(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.02.19#授权;2018.03.27#实质审查的生效;2018.03.02#公开

摘要：本发明公开了一种用于无人机的运动控制方法、装置及无人机系统，该方法包括：获取所述无人机的单目摄像机采集的图像；从所述图像中选取关键帧，其中，选取第一帧图像为关键帧，比较第一帧图像之后的当前帧图像与前一关键帧，如果所述当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取所述当前帧图像为关键帧，否则为非关键帧；获取所述无人机的惯性测量单元采集的惯性数据；根据选取出的关键帧解算出所述无人机的第一位移和姿态信息；根据所述惯性数据解算出所述无人机的第二姿态信息；将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建。

主权项：1.一种用于无人机的运动控制方法，其特征在于，包括：获取所述无人机的单目摄像机采集的图像；从所述图像中选取关键帧，其中，选取第一帧图像为关键帧，比较第一帧图像之后的当前帧图像与前一关键帧，如果所述当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧，其中同源像点为两帧图像中表示同一实物特征的一对像素点；获取所述无人机的惯性测量单元采集的惯性数据；根据选取出的关键帧解算出所述无人机的第一位移和姿态信息；根据所述惯性数据解算出所述无人机的第二姿态信息；将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建，其中，所述比较第一帧图像之后的当前帧图像与前一关键帧包括：提取所述当前帧图像的特征点；获取所述前一关键帧的特征点；匹配所述当前帧图像的特征点与所述前一关键帧的特征点，得到各对同源像点；如果至少一对同源像点的像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧，其中，所述如果至少一对同源像点的像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧包括：如果至少一对同源像点的至少一个像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧。

全文数据：用于无人机的运动控制方法、装置及无人机系统技术领域[0001]本发明涉及运动跟踪技术领域，更具体地，本发明涉及一种用于无人机的运动控制方法、一种用于无人机的运动控制装置、及一种无人机系统。背景技术[0002]由于无人机的飞行环境比较复杂，目前没有任何一种传感器可以成功应对无人机在飞行过程中遇到的所有干扰而给出精确的估计。例如，基于单目视觉的实时定位和建图simultaneouslocalizationandmapping，SLAM就无法得到绝对的尺度信息且无法感知重力的方向，且图像信息易受到光照、遮挡、快速运动的干扰，所以，目前提出了在单目视觉的SLAM中引入惯性测量单元（Inertialmeasurementunit，IMU采集的惯性数据、进而实现视觉与惯性的融合估计，以在恢复尺度信息的同时，提高系统的鲁棒性。该种视觉与惯性的融合估计虽然具有较高的精度，但也存在计算量较大的问题，会对实时性有一定的影响，因此，非常有必要提供一种能够减小计算量，进而提高通过视觉与惯性的融合估计进行运动控制的实时性。发明内容[0003]本发明实施例的一个目的是提供一种进行视觉与惯性融合的新的技术方案，以提高运动控制的实时性。[0004]根据本发明的第一方面，提供了一种用于无人机的运动控制方法，其包括：[0005]获取所述无人机的单目摄像机采集的图像；[0006]从所述图像中选取关键帧，其中，选取第一帧图像为关键帧，比较第一帧图像之后的当前帧图像与前一关键帧，如果所述当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧；[0007]获取所述无人机的惯性测量单元采集的惯性数据；[0008]根据选取出的关键帧解算出所述无人机的第一位移和姿态信息；[0009]根据所述惯性数据解算出所述无人机的第二姿态信息；[0010]将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建。[0011]可选地，所述比较第一帧图像之后的当前帧图像与前一关键帧包括：[0012]提取所述当前帧图像的特征点；[0013]获取所述前一关键帧的特征点；[0014]匹配所述当前帧图像的特征点与所述前一关键帧的特征点，得到各对同源像点；[0015]如果至少一对同源像点的像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧。[0016]可选地，所述如果至少一对同源像点的像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧包括：[0017]如果至少一对同源像点的至少一个像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧。[0018]可选地，所述将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建包括：[0019]通过加权平均的方法对所述第一位移和姿态信息与所述第二姿态信息进行融合，优化位姿估计；[0020]基于所述优化位姿估计，进行位姿图优化；[0021]基于所述位姿图优化，拼接点云建图。[0022]根据本发明的第二方面，还提供了一种用于无人机的运动控制装置，其包括：[0023]图像获取模块，用于获取所述无人机的单目摄像机采集的图像；[0024]关键帧选取模块，用于从所述图像中选取关键帧，其中，选取第一帧图像为关键帧，比较第一帧图像之后的当前帧图像与前一关键帧，如果所述当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧；[0025]惯性数据获取模块，用于获取所述无人机的惯性测量单元采集的惯性数据；[0026]第一解算模块，用于根据选取出的关键帧解算出所述无人机的第一位移和姿态信息；[0027]第二解算模块，用于根据所述惯性数据解算出所述无人机的第二姿态信息；以及，[0028]运动控制模块，用于将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建。[0029]可选地，所述关键帧选取模块包括：[0030]提取单元，用于提取所述当前帧图像的特征点；[0031]获取单元，用于获取所述前一关键帧的特征点；[0032]匹配单元，用于匹配所述当前巾贞图像的特征点与所述前一关键桢的特征点，得到各对同源像点；以及，[0033]选取单元，用于在至少一对同源像点的像素坐标的变化超出设定阈值的情况下，选取所述当前帧图像为关键帧，否则确定所述当前帧为非关键帧。[0034]可选地，所述选取单元用于：[0035]在至少一对同源像点的至少一个像素坐标的变化超出设定阈值的情况下，选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧。[0036]可选地，所述运动控制模块包括：[0037]位姿估计单元，用于通过加权平均的方法对所述第一位移和姿态信息与所述第二姿态信息进行融合，优化位姿估计；[0038]后端优化单元，用于基于所述优化位姿估计，进行位姿图优化；[0039]建图单元，用于基于所述位姿图优化，拼接点云建图。[0040]根据本发明的第三方面，还提供了一种无人机系统，其包括根据本发明第二方面所述的运动控制装置。[0041]根据本发明的第四方面，还提供了一种无人机系统，其包括处理器和存储器，所述存储器用于存储指令，所述指令用于控制所述处理器进行操作以执行根据本发明第一方面所述的方法。[0042]本发明的一个有益效果在于，本发明方法通过比较同源像点的像素坐标的变化选取关键帧，并基于关键帧进行视觉与惯性的融合以实现实时定位与地图构建，这可以有效减少计算量，有利于提高运动控制的实时性。[0043]依照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。附图说明[0044]被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。[0045]图1为根据本发明实施例的无人机系统的组成结构；[0046]图2为根据本发明实施例的无人机的硬件结构示意图；[0047]图3为根据本发明实施例的地面站的硬件结构示意图；[0048]图4为根据本发明实施例的运动控制方法的流程示意图；[0049]图5为根据本发明实施例的运动控制装置的原理框图；[0050]图6为根据本发明实施例的无人机系统的原理框图。具体实施方式[0051]现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。[0052]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。[0053]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。[0054]在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。[0055]应注意到:相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。[0056]〈无人机系统框架〉[0057]图1是根据本发明实施例的无人机系统的结构组成。[0058]根据图1所示，本发明实施例的无人机系统包括无人机1000和地面站2000。[0059]图2是根据本发明实施例的无人机1000的硬件结构。[0060]根据图2所示，无人机1000包括至少一个处理器1100和至少一个存储器1200。存储器1200用于存储指令，该指令用于控制处理器1100进行操作以执行根据本发明的运动控制方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器1100进行操作，这是本领域公知，故在此不再详细描述。[0061]处理器1100例如可以是中央处理器CPU、微处理器MCU等。[0062]存储器1200例如包括ROM只读存储器）、RAM随机存取存储器）、诸如硬盘的非易失性存储器等。[0063]根据本发明实施例的无人机还可以包括惯性测量单元IMU1300、通信装置1400、摄像装置1500和定位装置1600。[0064]惯性测量单元1300包括三个单轴的加速度计或者集成在一起的三轴加速度计）和三个单轴的陀螺仪或者集成在一起的三轴陀螺仪），加速度计用于采集无人机在三轴上的加速度信号，而陀螺仪用于采集无人机在三轴上的角速度信号，以通过测量无人机在三维空间中的角速度和加速度，解算出无人机的姿态。[0065]在本发明该实施例中，摄像装置1500包括单目摄像机，该单目摄像机用于采集图像。[0066]通信装置1400可以包括无线通信装置，以与地面站2000进行通信连接。[0067]定位装置1600用于对无人机进行定位，以提供无人机的位置坐标。该定位装置160例如是GPS定位装置。[0068]图3是根据本发明实施例的地面站2000的硬件结构。[0069]根据图3所示，地面站2000包括至少一个处理器2100和至少一个存储器2200。存储器2200用于存储指令，该指令用于控制处理器2100进行操作以执行根据本发明的运动控制方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器2100进行操作，这是本领域公知，故在此不再详细描述。[0070]根据本发明实施例的地面站2000还可以包括通信装置2400,以使得无人机1000与地面站2000通过各自的通信装置1400、2400进行通信连接，以进行数据、指令等的传输。[0071]通信装置1400、2400例如是无线射频通信装置。[0072]除此之外，本发明实施例的地面站2000还可以包括输入装置、显示装置图中未示出）等。该输入装置例如包括按键输入装置、触摸显示屏等。显示装置例如包括显示屏、触摸显不屏等。[0073]本发明实施例的无人机1000可以独立实施根据本发明的运动控制方法。[0074]本发明实施例的无人机1000也可以与地面站2000—起实施根据本发明的运动控制方法。例如无人机1000将采集到的图像和惯性数据均发送至地面站2000进行SLAM解算，进而得到运动控制策略，再将对应的运动控制信号发送至无人机1000执行。[0075]〈方法〉[0076]图4是根据本发明实施例的运动控制方法的流程示意图。[0077]根据图4所示，本发明运动控制方法可以包括如下步骤：[0078]步骤S4010,获取无人机的单目摄像机采集的图像。[0079]单目摄像机每秒采集图像的帧数取决于单目摄像机的数据频率，以数据频率为20Hz为例，则单目摄像机每秒采集20帧图像。[00S0]步骤S4020，从获取到的图像中选取关键帧。[0081]该步骤S4020中，选取关键帧的方法包括:选取第一帧图像为关键帧，之后，每采集到一帧图像即将该图像作为当前帧图像与选取出的前一关键帧相比较，如果当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取当前帧图像为关键帧，否则确定当前帧图像为非关键帧，可以丢弃，以节省内存。[0082]根据该选取方法，在获取到第一帧图像后，即选取第一帧图像为关键帧；当获取到第二帧图像时，将第二帧图像与第一帧图像做比较，如果第二帧图像与第一帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取第二帧图像也为关键帧，否则确定第二帧图像为非关键帧，在此，例如第二帧图像是非关键帧；当获取到第三帧图像时，将第三帧图像与前一关键帧，即第一帧图像，做比较，如果第三帧图像与第一帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取第三帧图像也为关键帧，否则确定第三帧图像为非关键帧，在此，例如第三帧图像是关键帧；当获取到第四帧图像时，将第四帧图像与前一关键帧，即第三帧图像，做比较，如果第四帧图像与第三帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取第四帧图像也为关键帧，否则确定第四帧图像为非关键帧，在此，例如第四帧图像是非关键帧;依次类推。[0083]上述同源像点即为两帧图像中表示同一实物特征的一对像素点。[0084]该同源像点可以通过提取两帧图像中的特征点进行匹配确定。[0085]该特征点例如是边缘特征、角部特征等。[0086]因此，上述比较第一帧图像之后的当前帧图像与前一关键帧可以包括：[0087]步骤S4021，提取当前帧图像的特征点。[0088]步骤S4022，获取前一关键帧的特征点。[0089]在确定该前一关键帧时，也需要提取该前一关键帧的特征点，因此，可以在提取到前一关键帧的特征点后直接存储在数据结构中，并在该步骤S4022中，直接从数据结构中获取到该前一关键帧的特征点。[0090]步骤S4023,匹配当前帧图像的特征点与前一关键帧的特征点，得到各对同源像点。[0091]步骤S4024,如果至少一对同源像点的像素坐标的变化超出设定阈值，则选取当前帧图像为关键帧，否则为确定当前帧图像为非关键帧。[0092]该设定阈值可以根据控制精度设定，设定阚值越小精度越高，设定阈值越大精度越低。[0093]由于图像中像素点的像素坐标可以是二维坐标或者三维坐标包含深度坐标），因此，该步骤S4024可以进一步为:如果至少一对同源像点的至少一个像素坐标的变化超出设定阈值，则选取当前帧图像为关键帧，否则确定当前帧图像为非关键帧。[0094]根据该步骤S4020,由于两帧图像之间距离很近，如果将每一帧图像都用于构建地图，则会导致地图频繁更新，消耗计算时间与储存空间。因此，通过该步骤可以快速剔除冗余中贞，以提局解算效率，进而提闻控制的实时性。[0095]步骤S4030,获取无人机的惯性测量单元采集的惯性数据。[0096]步骤S4040,根据选取出的关键帧解算出无人机的第一位移和姿态信息。[0097]该步骤S4040包括针对相邻两个关键帧间求解帧间的相对运动变换），从而可以将不同位置下的观测结果转换到一个全局坐标系中，以实现无人机自身位姿和环境中的路标或称为特征点在全局坐标系下的表示。[0098]该步骤S4040可以分解为特征提取、特征匹配和运动估计三个过程。[0099]由于本发明实施例是通过选取出的关键帧进行解算，这相对于每获得一帧图像均进行解算而言无疑减少的计算量。[0100]步骤S4050,根据惯性数据解算出无人机的第二姿态信息。[0101]该步骤S4050也可以进一步根据惯性数据解算出无人机的第二位移信息，形成第二位移和姿态信息。[0102]步骤S4060,将第一位移和姿态信息与所述第二姿态信息相融合，对无人机进行同步定位和地图构建。[0103]在步骤S4〇6〇中，也可以在获取第二位移和姿态信息的实施例中，将第一位移和姿态信息与所述第二位移和姿态信息相融合，对无人机进行同步定位和地图构建，进而实现无人机的运动控制。[0104]在该步骤S4060中，可以通过第二姿态信息对第一位移和姿态信息中的姿态信息进行校正，进而提高定位和地图构建的精度。[0105]二者之间的融合算法例如可以采用加权平均法、卡尔曼法等。[0106]该步骤S4060可以进一步包括：[0107]步骤S4061，通过加权平均的方法对第一位移和姿态信息与第二姿态信息进行融合，优化位姿估计。[0108]步骤S4062,基于优化位姿估计，进行位姿图优化，以减小累计误差。[0109]步骤S4063,基于位姿图优化，拼接点云建图。[0110]由此可见，根据本发明实施例的方法是通过像素坐标的变化选取关键帧，该方法相对现有的其他选取方法，例如通过计算相邻帧的变换矩阵的范数等，具有实时性高且有效的优势，能够大大简化解算计算量，提高控制的实时性。[0111]〈装置〉[0112]图5是根据本发明实施例的运动控制装置的原理框图。[0113]根据图5所示，本发明该实施例的运动控制装置包括图像获取模块5010、关键帧选取模块5020、惯性数据获取模块5030、第一解算模块5〇40、第二解算模块5050和运动控制模块5060。[0114]上述图像获取模块5010用于获取无人机的单目摄像机采集的图像。[0115]上述关键帧选取模块5020用于从图像中选取关键帧，其中，选取第一帧图像为关键帧，比较第一帧图像之后的当前帧图像与前一关键帧，如果所述当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取所述当前帧图像为关键帧，否则为非关键帧。[0116]上述惯性数据获取模块5030用于获取无人机的惯性测量单元采集的惯性数据。[0117]上述第一解算模块5040用于根据选取出的关键帧解算出无人机的第一位移和姿态信息。[0118]上述第二解算模块5050用于根据惯性数据解算出无人机的第二姿态信息。[0119]上述运动控制模块5060用于将第一位移和姿态信息与第二姿态信息相融合，对无人机进行同步定位和地图构建SLAM。[0120]进一步地，上述关键帧选取模块5020可以包括提取单元、获取单元、匹配单元和选取单元（图中未示出）。提取单元用于提取所述当前帧图像的特征点。获取单元用于获取所述前一关键帧的特征点。匹配单元用于匹配所述当前帧图像的特征点与所述前一关键帧的特征点，得到各对同源像点。选取单元用于在至少一对同源像点的像素坐标的变化超出设定阈值的情况下，选取所述当前帧图像为关键帧，否则确定所述当前帧为非关键帧。[0121]更进一步地，上述选取单元可以用于：在至少一对同源像点的至少一个像素坐标的变化超出设定阈值的情况下，选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧。[0122]进一步地，上述运动控制模块5〇6〇可以包括位姿估计单元、后端优化单元和建图单元。位姿估计单元用于通过加权平均的方法对所述第一位移和姿态信息与所述第二姿态信息进行融合，优化位姿估计；后端优化单元，用于基于所述优化位姿估计，进行位姿图优化;建图单元，用于基于所述位姿图优化，拼接点云建图。[0123]〈无人机系统〉[0124]图6是根据本发明实施例的无人机系统的原理框图。[0125]根据图6所示，本发明实施例的无人机系统包括根据本发明任一实施例的运动控制装置5000。[0126]该运动控制装置5〇〇〇可以设置在无人机1000上，也可以将一部分模块设置在无人机1000上、并将另一部分模块设置在地面站2000上。[0127]本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分相互参见即可，每个实施例重点说明的都是与其他实施例的不同之处，但本领域技术人员应当清楚的是，上述各实施例可以根据需要单独使用或者相互结合使用。另外，对于装置实施例而言，由于其是与方法实施例相对应，所以描述得比较简单，相关之处参见方法实施例的对应部分的说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的。[0128]本发明可以是装置、方法和或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。[0129]计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是一一但不限于一一电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子非穷举的列表包括:便携式计算机盘、硬盘、随机存取存储器RAM、只读存储器ROM、可擦式可编程只读存储器EPROM或闪存）、静态随机存取存储器SRAM、便携式压缩盘只读存储器CD-ROM、数字多功能盘DVD、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。[0130]这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算处理设备，或者通过网络、例如因特网、局域网、广域网和或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和或边缘服务器。每个计算处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算处理设备中的计算机可读存储介质中。[0131]用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构ISA指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言一诸如Smalltalk、C++等，以及常规的过程式编程语言一诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络一包括局域网（LAN或广域网WAN—连接到用户计算机，或者，可以连接到外部计算机例如利用因特网服务提供商来通过因特网连接。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列FPGA或可编程逻辑阵列PLA，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。[0132]这里参照根据本发明实施例的方法、装置和计算机程序产品的流程图和或框图描述了本发明的各个方面。应当理解，流程图和或框图的每个方框以及流程图和或框图中各方框的组合，都可以由计算机可读程序指令实现。[0133]这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和或框图中的一个或多个方框中规定的功能动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和或框图中的一个或多个方框中规定的功能动作的各个方面的指令。[0134]也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和或框图中的一个或多个方框中规定的功能动作。[0135]附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和或流程图中的每个方框、以及框图和或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。[0136]以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

权利要求：1.一种用于无人机的运动控制方法，其特征在于，包括：获取所述无人机的单目摄像机采集的图像；从所述图像中选取关键帧，其中，选取第一帧图像为关键帧，比较第一帧图像之后的当前帧图像与前一关键帧，如果所述当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧；获取所述无人机的惯性测量单元采集的惯性数据；根据选取出的关键帧解算出所述无人机的第一位移和姿态信息；根据所述惯性数据解算出所述无人机的第二姿态信息；将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建。2.根据权利要求1所述的运动控制方法，其特征在于，所述比较第一帧图像之后的当前帧图像与前一关键帧包括：提取所述当前帧图像的特征点；获取所述前一关键帧的特征点；匹配所述当前帧图像的特征点与所述前一关键帧的特征点，得到各对同源像点；如果至少一对同源像点的像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧。3.根据权利了要求2所述的运动控制方法，其特征在于，所述如果至少一对同源像点的像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧包括：如果至少一对同源像点的至少一个像素坐标的变化超出设定阈值，则所述当前帧图像为关键帧，否则为非关键帧。4.根据权利要求1所述的运动控制方法，其特征在于，所述将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建包括：通过加权平均的方法对所述第一位移和姿态信息与所述第二姿态信息进行融合，优化位姿估计；基于所述优化位姿估计，进行位姿图优化；基于所述位姿图优化，拼接点云建图。5.—种用于无人机的运动控制装置，其特征在于，包括：图像获取模块，用于获取所述无人机的单目摄像机采集的图像；关键帧选取模块，用于从所述图像中选取关键帧，其中，选取第一帧图像为关键帧，比较第一帧图像之后的当前帧图像与前一关键帧，如果所述当前帧图像与前一关键帧图像之间的至少一对同源像点的像素坐标的变化超出设定阈值，则选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧；惯性数据获取模块，用于获取所述无人机的惯性测量单元采集的惯性数据；第一解算模块，用于根据选取出的关键帧解算出所述无人机的第一位移和姿态信息；第二解算模块，用于根据所述惯性数据解算出所述无人机的第二姿态信息；以及，运动控制模块，用于将所述第一位移和姿态信息与所述第二姿态信息相融合，对所述无人机进行同步定位和地图构建。6.根据权利要求5所述的运动控制装置，其特征在于，所述关键帧选取模块包括：提取单元，用于提取所述当前帧图像的特征点；获取单元，用于获取所述前一关键帧的特征点；匹配单元，用于匹配所述当前帧图像的特征点与所述前一关键帧的特征点，得到各对同源像点；以及，选取单元，用于在至少一对同源像点的像素坐标的变化超出设定阈值的情况下，选取所述当前帧图像为关键帧，否则确定所述当前帧为非关键帧。7.根据权利了要求6所述的运动控制装置，其特征在于，所述选取单元用于：在至少一对同源像点的至少一个像素坐标的变化超出设定阈值的情况下，选取所述当前帧图像为关键帧，否则确定所述当前帧图像为非关键帧。8.根据权利要求5所述的运动控制装置，其特征在于，所述运动控制模块包括：位姿估计单元，用于通过加权平均的方法对所述第一位移和姿态信息与所述第二姿态信息进行融合，优化位姿估计；后端优化单元，用于基于所述优化位姿估计，进行位姿图优化；建图单元，用于基于所述位姿图优化，拼接点云建图。9.一种无人机系统，其特征在于，包括权利要求5至8中任一项所述的运动控制装置。10.—种无人机系统，其特征在于，包括处理器和存储器，所述存储器用于存储指令，所述指令用于控制所述处理器进行操作以执行根据权利要求1至4中任一项所述的方法。

百度查询： 中国兵器工业计算机应用技术研究所 用于无人机的运动控制方法、装置及无人机系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD