无人机室内视觉/惯导组合导航方法

doi:10.13700/j.bh.1001-5965.2016.0965

北京航空航天大学学报 ›› 2018, Vol. 44 ›› Issue (1): 176-186.doi: 10.13700/j.bh.1001-5965.2016.0965

无人机室内视觉/惯导组合导航方法

王亭亭¹, 蔡志浩^1,2, 王英勋^1,2

1. 北京航空航天大学自动化科学与电气工程学院, 北京 100083;
2. 北京航空航天大学飞行器控制一体化技术国防科技重点实验室, 北京 100083

收稿日期:2016-12-23 修回日期:2017-02-06 出版日期:2018-01-20 发布日期:2017-03-23
通讯作者: 蔡志浩 E-mail:czh@buaa.edu.cn
作者简介:王亭亭,女,硕士研究生。主要研究方向:机器视觉、无人机视觉导航;蔡志浩,男,副教授,硕士生导师。主要研究方向:无人机自主控制与导航、多机协同与训练;王英勋,男,研究员,博士生导师。主要研究方向:系统设计、自主控制与模拟训练。
基金资助:
航空科学基金（20135851043）

Integrated vision/inertial navigation method of UAVs in indoor environment

WANG Tingting¹, CAI Zhihao^1,2, WANG Yingxun^1,2

1. School of Automation Science and Electrical Engineering, Beijing University of Aeronautics and Astronautics, Beijing 100083, China;
2. Aircraft Control Integration National Defense Key Laboratory, Beijing University of Aeronautics and Astronautics, Beijing 100083, China

Received:2016-12-23 Revised:2017-02-06 Online:2018-01-20 Published:2017-03-23

摘要/Abstract

摘要： 针对室内无卫星定位下的无人机自主导航问题，提出了一种融合惯导、光流和视觉里程计的组合导航方法。在速度估计上，采用基于ORB特征的光流法，该方法可以实时地估计出无人机的三轴线速度信息。方法采用基于特征点的稀疏光流，对金字塔Lucas-Kanade光流法进行了改进，采用前后双向追踪和随机采样一致的方法提高特征点追踪精度。在位置估计上，采用视觉/惯导融合的视觉里程计，以人工图标法为主，融合视觉光流信息和惯导数据实现无人机定位。通过与运动捕捉系统的定位信息、Guidance和PX4Flow导航模块的测速信息进行对比，以及实际的飞行测试，验证本文方法的可行性。

关键词: 无人机, 视觉导航, 光流, ORB特征, 多传感器融合

Abstract: A new integrated navigation method based on inertial sensor,optical flow and visual odometry is proposed for self-navigation indoor in GPS-denied environment. An ORB optical flow based method is also proposed for estimating real-time three-axis velocity of the UAV. The algorithm improves the traditional pyramid Lucas-Kanade method using sparse optical flow based on feature points. The tracking of feature points is made more accurate by applying forward-backward tracking and random sampling consensus strategies. For position estimation, a visual odometry method with integrated vision/inertial navigation is adopted, which uses the artificial icon method, visual optical flow information and inertial navigation data. Finally, the velocity and position estimations from the proposed method are validated via actual flight test and via comparison with velocity measurement information from a PX4Flow module and a Guidance module and with locating information from movement capture system.

Key words: UAV, vision navigation, optical flow, ORB features, multi-sensor fusion

中图分类号:

王亭亭, 蔡志浩, 王英勋. 无人机室内视觉/惯导组合导航方法[J]. 北京航空航天大学学报, 2018, 44(1): 176-186.

WANG Tingting, CAI Zhihao, WANG Yingxun. Integrated vision/inertial navigation method of UAVs in indoor environment[J]. JOURNAL OF BEIJING UNIVERSITY OF AERONAUTICS AND A, 2018, 44(1): 176-186.

参考文献

[1] SHEN S J.Autonomous navigation in complex indoor and outdoor environments with micro aerial vehicles[D].Philadelphia:University of Pennsylvania,2014.
[2] 吴琦,蔡志浩,王英勋.用于无人机室内导航的光流与地标融合方法[J].控制理论与应用,2015,32(11):1511-1517.WU Q,CAI Z H,WANG Y X.Optical flow and landmark fusion method for UAV indoor navization[J].Control Theory & Applications,2015,32(11):1511-1517(in Chinese).
[3] LI P,LAMBERT A.A monocular odometer for a quadrotor using a homogra-phy model and inertial cues[C]//IEEE Conference on Robotics and Biomimetics.Piscataway,NJ:IEEE Press,2015:570-575.
[4] 叶长春.IARC第7代任务中定位与目标跟踪方法研究[D].杭州:浙江大学,2016.YE C C.Research on localization and object tracking for the IARC mission7[D].Hangzhou:Zhejiang University,2016(in Chinese).
[5] MUR-ARTAL R,MONTIEL J M M,TARDOS J D.ORB-SLAM:A versatile and accurate monocular SLAM system[J].IEEE Transactions on Robotics,2015,31(5):1147-1163.
[6] LEUTENEGGER S,FURGALE P,RABAUD V,et al.Keyframe-based visual-inertial SLAM using nonlinear optimization[C]//Robotics:Science and Systems,2013:789-795.
[7] CHAO H,GU Y,GROSS J,et al.A comparative study of optical flow and traditional sensors in UAV navigation[C]//American Control Conference(ACC).Piscataway,NJ:IEEE Press,2013:3858-3863.
[8] MAMMARELLA M,CAMPA G,FRAVOLINI M L,et al.Comparing optical flow algorithms using 6-dof motion of real-world rigid objects[J].IEEE Transactions on,Systems,Man,and Cybernetics,Part C:Applications and Reviews,2012,42(6):1752-1762.
[9] DJI Innovations.PHANTOM 4 user's manual V1.2[EB/OL].(2016-12-23)https://dl.djicdn.com/downloads/phantom_4/cn/Phantom_4_User_Manual_cn_v1.2_160328.pdf.
[10] Hover Camera 2016[EB/OL].(2016-12-23)http://gethover.com.
[11] RUBLEE E,RABAUD V,KONOLIGE K,et al.ORB:An efficient alternative to SIFT or SURF[J].Proceedings,2011,58(11):2564-2571.
[12] ROSTEN E,DRUMMOND T.Machine learning for high-speed corner detection[C]//European Conference on Computer Vision.Berlin:Springer-Verlag,2006:430-443.
[13] CALONDER M,LEPETIT V,STRECHA C,et al.BRIEF:Binary robust independent elementary features[C]//European Conference on Computer Vision.Berlin:Springer-Verlag,2010:778-792.
[14] LOWE D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.
[15] BAY H,TUYTELAARS T,GOOL L V.SURF:Speeded up robust features[J].Computer Vision & Image Understanding,2006,110(3):404-417.
[16] CHUM O,MATAS J,KITTLER J.Locally optimized RANSAC[J].Lecture Notes in Computer Science,2003,2781:236-243.
[17] HONEGGER D,MEIER L,TANSKANEN P,et al.An open source and open hardware embedded metric optical flow cmos camera for indoor and outdoor applications[C]//International Conference on Robotics and Automation.Piscataway,NJ:IEEE Press,2013:1736-1741.
[18] HARTLEY R I,ZISSERMAN A.Multi-view geometry in computer vision[M].Cambrige:Cambridge University Press,2004:239-247.

无人机室内视觉/惯导组合导航方法

Integrated vision/inertial navigation method of UAVs in indoor environment

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	孙宇航, 曾国奇, 刘春辉, 张多纳. 基于深度学习的无人机数据链信噪比估计算法[J]. 北京航空航天大学学报, 2019, 45(9): 1855-1863.
[2]	吴翰, 王正平, 周洲, 王睿. 基于凯恩方程的无人机伞降回收动力学建模与仿真[J]. 北京航空航天大学学报, 2019, 45(6): 1256-1265.
[3]	王少奇, 马东立, 杨穆清, 张良. 高空太阳能无人机三维航迹优化[J]. 北京航空航天大学学报, 2019, 45(5): 936-943.
[4]	陈唯实, 刘佳, 陈小龙, 李敬. 基于运动模型的低空非合作无人机目标识别[J]. 北京航空航天大学学报, 2019, 45(4): 687-694.
[5]	刘炜伦, 张衡阳, 郑博, 高维廷. 蜂群无人机自组网多优先级自适应退避算法[J]. 北京航空航天大学学报, 2019, 45(2): 325-332.
[6]	王鹏, 曹云峰, 许蕾, 丁萌, 张洲宇, 曲金秋. 一种图像缩放算法的SoC协同加速设计方法[J]. 北京航空航天大学学报, 2019, 45(2): 333-339.
[7]	侯岳奇, 梁晓龙, 何吕龙, 刘流. 未知环境下无人机集群协同区域搜索算法[J]. 北京航空航天大学学报, 2019, 45(2): 347-356.
[8]	魏祥灰, 唐超颖, 王彪. 基于空间两点的视觉自主着陆导引算法设计[J]. 北京航空航天大学学报, 2019, 45(2): 357-365.
[9]	滕怀亮, 李本威, 高永, 杨栋, 张赟. 基于飞行数据的无人机平飞动作质量评价模型[J]. 北京航空航天大学学报, 2019, 45(10): 2108-2114.
[10]	宋飞, 杨扬, 杨昆, 张愫, 毕东升. 基于双特征的丘陵山区耕地低空遥感图像配准算法[J]. 北京航空航天大学学报, 2018, 44(9): 1952-1963.
[11]	朱创创, 梁晓龙, 张佳强, 何吕龙, 刘流. 无人机集群编队控制演示验证系统[J]. 北京航空航天大学学报, 2018, 44(8): 1739-1747.
[12]	马思迁, 董朝阳, 马鸣宇, 王青. 基于自适应通信拓扑四旋翼无人机编队重构控制[J]. 北京航空航天大学学报, 2018, 44(4): 841-850.
[13]	郭民环, 苏岩, 朱欣华. 带吊挂负载的四旋翼无人机滚动纳什控制[J]. 北京航空航天大学学报, 2018, 44(11): 2343-2349.
[14]	刘宪飞, 王勇, 张代兵. 高抗扰高精度无人机着舰纵向飞行控制[J]. 北京航空航天大学学报, 2017, 43(9): 1891-1899.
[15]	郝帅, 马铁林, 甘文彪, 李根. 氢动力无人机大展弦比机翼静气弹特性分析[J]. 北京航空航天大学学报, 2017, 43(8): 1670-1676.