申请/专利权人：西安电子科技大学

申请日：2021-06-18

公开（公告）日：2022-12-02

公开（公告）号：CN113375665B

主分类号：G01C21/16

分类号：G01C21/16;G01S19/48;G01S19/49

优先权：

专利状态码：有效-授权

法律状态：2022.12.02#授权;2021.09.28#实质审查的生效;2021.09.10#公开

摘要：本发明公开了一种基于多传感器松紧耦合的无人机位姿估计方法，解决在无先验信息的环境中，无人机移动时对无人机进行位姿估计的问题。本发明的实现步骤是：分别构建与融合视觉、IMU和GPS传感器信息对应的视觉残差、IMU残差和GPS残差，通过紧耦合优化使残差和最小，得到紧耦合优化后的无人机位姿，再使用紧耦合优化后的位姿和GPS信息，分别构建绝对残差和相对残差，进行松耦合优化，使两个残差项的和最小，得到松耦合优化后的无人机位姿。本发明利用松紧耦合融合多传感器信息的无人机位姿估计方法，有效解决了无人机位姿中存在累积误差的问题，可以鲁棒的估计得到高精度的无人机位姿。

主权项：1.一种基于多传感器松紧耦合的无人机位姿估计方法，其特征在于，利用融合视觉、IMU和GPS传感器数据，分别构建视觉残差、IMU残差和GPS残差，通过紧耦合优化得到紧耦合优化后的无人机位姿，对紧耦合优化后的无人机位姿进行松耦合得到优化后的无人机位姿；该方法的步骤包括如下：1获取传感器的数据：1a无人机携带的视觉传感器以采集频率a实时采集至少20帧的黑白图像，a为区间[10，30]赫兹内任选的一个整数；1b无人机携带的IMU传感器以采集频率b实时采集至少200组的无人机加速度和角速度读数值，b为区间[100，200]赫兹内任选的一个整数；1c无人机携带的GPS传感器以采集频率c实时采集至少40个的无人机经纬度值，c为区间[20，100]赫兹内任选的一个整数；2对传感器的数据进行预处理：2a从每帧黑白图像中提取至少30，至多200个FAST特征点，计算每个特征点的BRIEF描述子，从该特征点所在图像的相邻图像中寻找描述子相同的特征点；2b利用预积分公式，计算相邻图像之间的预积分量；2c利用坐标系转换公式，将所有采集到的无人机经度、纬度和高度转换为东北天坐标系下的坐标；3对无人机位姿进行紧耦合：3a利用重投影公式，计算每个图像中提取特征点的视觉残差；3b利用运动学公式，计算每个图像与相邻图像对应无人机位置之间的IMU残差；3c按照下式，计算每个图像对应无人机的GPS残差：EN＝Pi-Nx其中，EN表示第i个图像对应无人机的GPS残差，Pi表示第i个图像与第1个图像分别对应无人机的位置差值，Nx表示x时刻与第1个图像时刻分别对应的GPS差值；3d将每个图像中每个特征点的视觉残差、每个图像与相邻图像对应无人机位置之间的IMU残差和每个图像对应无人机的GPS残差和最小化，即可得到紧耦合优化后的无人机位姿；4优化无人机的位姿：4a按照下式，计算每个图像对应无人机的绝对误差； 其中，E1,i表示第i个图像对应无人机的绝对残差，‖·‖表示取模长操作，μx表示无人机携带的GPS传感器在x时刻的置信度；4b按照下式，计算每个图像与相邻图像分别对应无人机之间的相对误差； 其中，E2,i,i+1表示第i个图像与相邻的第i+1个图像分别对应无人机之间的相对误差，Ti,i+1表示紧耦合优化后第i个图像与相邻的第i+1个图像分别对应无人机的位置差值，Ni,i+1表示第i个图像与相邻的第i+1个图像分别对应无人机在东北天坐标系中的坐标差值，Ri,i+1表示第i个图像与相邻的第i+1个图像分别对应无人机的旋转差值，T表示矩阵的转置操作，Ri表示紧耦合优化后第i个图像与第1个图像分别对应无人机的旋转差值，Ri+1紧耦合优化后表示第i+1个图像与第1个图像分别对应无人机的旋转差值；4c利用下式，得到无人机松耦合优化后的位姿： 其中，min{·}表示最小化操作，n表示无人机携带的视觉传感器在飞行过程中获取到的所有图像的总数量，∑表示求和操作。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于多传感器松紧耦合的无人机位姿估计方法

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