微型無人機視覺慣性導航.pdf

1、和地面機器人不同，微型無人機具有在三維空間中的機動能力，這使得它們能夠進入人類很難到達的環(huán)境中完成許多危險的任務。對于監(jiān)視、偵查、救援等任務，微型無人機必須能夠不依賴預存的地圖或者對環(huán)境的具體假設進行導航。本文為了解決微型無人機在未知環(huán)境中不依賴于GPS的導航問題，討論了從單目視覺輸入測量機體姿態(tài)和位置的方法，以及基于視覺和慣性傳感器的卡爾曼濾波器的設計。并通過實驗驗證了算法設計的有效性。
　　首先針對在采集圖像序列時可能會引入的

2、運動模糊、缺乏角點信息等問題，對特征各種特征檢測算法進行了比較分析與試驗。為了解決特征點集中分布在圖像的一小塊區(qū)域的問題，設計了分塊特征檢測的方案。然后針對從特征對應計算本質矩陣的問題研究了經典的五點算法，同時為了減小圖像噪聲等原因導致的誤對應特征對本質矩陣計算的不利影響，設計了RANSAC算法與五點算法結合的方案用來剔除外點。考慮到五點算法對攝像機的姿態(tài)估計會隨攝像機運動而漂移的特點，采取兩點算法與航姿參考系統結合的方案來估計本質矩陣

3、，并使用MATLAB測試了兩點算法和RANSAC算法結合的位置測量效果。
　　接下來針對從本質矩陣計算位姿矩陣的問題，研究了如何使用對應圖像點三角化的方法來估計空間點位置，進而可以計算出位姿矩陣間的相對尺度，從而通過對經過尺度校正的相對位姿矩陣的逐次累乘最終得到攝像機位姿矩陣序列。最后針對上述位姿矩陣估計方法產生的漂移較大的問題，研究了局部光束平差法同時對空間點位置和攝像機位姿參數進行局部優(yōu)化的方法，以期減小運動估計的漂移。

4、>　　最后為了改善單目視覺位姿測量的動態(tài)性能，同時為位置PD控制提供速度估計值，本論文引入了慣性測量元件，設計了視覺慣性組合導航算法。針對視覺慣性組合導航系統的設計問題，首先對比了兩種過程模型的優(yōu)劣，最后選擇了直接IMU輸入的過程模型，以此為基礎設計了擴展卡爾曼濾波器，除了對機體相對于世界坐標系的位置、速度、姿態(tài)進行估計以外，還對慣性測量元件的零偏、視覺測程法引入的位置測量尺度因子、IMU坐標系與攝像機坐標系的相對位姿等參數進行估計。最