無人機室內自主定位方法研究*

王晶晶 顧 德

（江南大學物聯(lián)網工程學院 無錫 214122）

1 引言

隨著科技的發(fā)展，無人機逐漸走進人們的視野。無人機具有隱蔽性好、機動性強、成本低等優(yōu)點，在軍事和民用領域被廣泛應用［1］。目前，市售的無人機定位方式大多使用GPS與慣性測量單元（Inertial Measurement Unit，IMU）結合的方法［2］。這種常用的定位方式在室外無遮擋的環(huán)境具有較高的定位精度，而在較為復雜的室內環(huán)境中，GPS易受干擾，信號不穩(wěn)定，若僅依靠IMU進行定位，其定位誤差會隨時間的增加而增大。隨著機器視覺與圖像處理技術的深入研究，相關技術逐漸被應用在無人機定位領域。視覺定位方法具有定位設備可靠，設備依賴性較小［3］，而且定位誤差不隨時間增加而增大的優(yōu)點。本文根據(jù)以上視覺特點，提出一種基于雙目視覺的無人機自主定位方法，通過機載雙目攝像頭采集地標圖像，經過雙目校正，特征點匹配等圖像處理方法計算深度，并利用坐標變換得到無人機空間位置［4］。所有工作均由無人機及其裝載設備完成，因此具有自主性。此外，相較于使用外部視覺傳感器定位的方法，此方法還具有靈活性好，成本低，抗干擾性強等優(yōu)勢。

2 地標設計

室內定位中常用的地標有雙圓地標，4圓形地標，H型地標，7個簡單多邊形的組合地標［5］等。本文設計T型地標［6］并將其作為室內定位標志物的原因如下：1）文中提取的特征為點特征，為保證無人機空間坐標計算的正確性以及無人機飛行方向的確定性，提取到的特征點應分布較好且個數(shù)適量。通過對比各地標的特征，T型地標滿足此要求（圓形地標和H型地標有多條對稱軸不易判斷無人機飛行方向）。2）本文使用機載芯片進行圖像處理，計算能力有限，T型地標由兩個矩形組成，棱角分明，容易提取特征點（多邊形組合定位角點提取較為復雜）。T型地標如圖1所示。

圖1 T型地標示意圖

通過地標尺寸實驗得出地標尺寸對定位精度的影響較大，因此為保證無人機在室內飛行時得到較為清晰完整的地標圖像，本文選取T型地標尺寸為長10 cm、寬2 cm的矩形。以地標左上角角點a為坐標原點，其余角點坐標值分別為b（-100，0，0）、c（-40，120，0）、d（-60，120，0）。

3 雙目系統(tǒng)測量原理

雙目測距原理是利用兩個攝像機對同一目標進行拍攝，通過提取、匹配左右圖像對應特征點得到目標物在圖像中的視差，最終得到目標物的深度信息［7～9］。理想的雙目立體成像原理如圖2所示，左、右攝像機光軸相互平行，相機坐標系的原點為Ol、Or，分別在各自的光心處，光心距為B。以兩個坐標系原點的水平連線方向為相機坐標系的Xc軸，以平行圖像平面垂直Xc軸方向為Yc軸，Zc軸垂直于XcYc平面，符合右手定則。

圖2 雙目立體成像原理圖

設左右攝像機在同一時刻觀察空間物體某一特征點P的坐標為(X，Y，Z)，點P在左右攝像機成像平面上的投影點坐標分別為pl(xl，yl)，pr(xr，yl)。

根據(jù)雙目立體成像原理可以得到深度Z與視差d的幾何關系，其表達式為

其中：視差d=|xl-xr|；Z為點P距攝像機的垂直距離，即深度；B為兩個相機的光心距；f為相機焦距。

則三維空間內一點P(X，Y，Z)的坐標表示為

由式（1）可知，在光心距B和焦距f等攝像機結構參數(shù)不變的情況下，空間任意點P距攝像機的垂直距離與視差d成反比。即左右相機的成像圖像中視差值越小，物體距離攝像機越遠。得到深度距離后，即可通過坐標系轉換求得空間點的三維坐標。

4 無人機三維定位流程

無人機實現(xiàn)室內的精準定位需進行以下幾步：1）將兩個相同的攝像頭安裝在無人機底部采集圖像，選取T型地標左上角角點作為坐標原點；2）對雙目攝像頭進行標定，得到雙目攝像頭的內部參數(shù)以及兩相機在世界坐標系下的空間位置關系等；3）根據(jù)極線約束準則對圖像進行校正，以達到左右圖像共面同行的情況；4）將雙目校正圖像進行地標檢測、特征點提取及特征點的匹配；5）計算視差并根據(jù)視差結果計算深度以及坐標原點相對雙目視覺的空間位置，利用坐標系轉換最終求得無人機相對于地標的室內空間位置。無人機定位的流程如圖3所示。

圖3 無人機三維定位流程圖

4.1 雙目攝像機標定

攝像機標定的目的是建立攝像機成像模型，獲取相機的內外參數(shù)，以便建立世界坐標系下物體空間點與圖像對應點之間的關系［10］。

標定方法采用基于平面標定模板的張正友方法，該方法從不同角度、距離采集棋盤格圖像，依靠多幅圖像對應點之間的坐標關系進行參數(shù)解算。通過相機標定可求得攝像機的內部參數(shù)M、畸變矩陣D以及攝像機的外部旋轉矩陣R和平移矩陣T：

其中：fx、fy分別為圖像平面水平、豎直方向的焦距；u0、v0表示圖像的中心像素坐標；k1、k2、k3為相機鏡頭的徑向畸變系數(shù)；p1、p2表示相機鏡頭的切向畸變系數(shù)。

假設世界坐標系為Ow，攝像機坐標系為Oc，空間點P在Ow和Oc坐標系下的空間坐標分別為Pw和Pc，則Pw和Pc之間的關系式為

其中：R是一個3×3的矩陣，表示世界坐標系下右相機相對于左相機的旋轉矩陣；T是一個3×1的矩陣，表示世界坐標系下右相機相對于左相機的平移矩陣。

實驗采用文獻［11］的方法對雙目視覺系統(tǒng)進行標定，并利用Matlab中的標定工具箱進行標定。

4.2 基于標定技術的雙目校正

由于工藝水平的限制，現(xiàn)實中大多數(shù)雙目攝像機成像平面的空間位置無法達到光軸平行的情況，因此需要對攝像機采集的圖像進行立體校正從而構造出理想的雙目模型［12］。本文采用Bouguet算法［13］進行校正，其核心思想是使兩圖像中的每一幅重投影次數(shù)最小化，同時使觀測面積最大化。校正步驟如下。

1）將右圖像平面相對于左圖像平面的旋轉矩陣R分解為兩相機的合成矩陣rl、rr，每個相機都旋轉一半，以達到圖像共面的目的。

2）為了將左相機極點變換到無窮遠，并使極線水平對準創(chuàng)建一個由極點e1方向開始的旋轉矩陣Rrect，以實現(xiàn)行對準的效果。

3）通過合成旋轉矩陣與變換矩陣相乘獲得左右相機的整體旋轉矩陣。左右相機坐標系乘以各自的整體旋轉矩陣就可使得左右相機的主光軸平行，且像平面與基線平行。

4.3 地標檢測與特征點提取

地標檢測目的是從機載相機獲取的地面圖像中去除多數(shù)干擾部分，分割出T型地標［15］。地標檢測與分割使用二值化方法，根據(jù)地標和背景的區(qū)別選取合適的閾值，文中采用的地標為黑色，因此應選較小的閾值，由多次實驗驗證，閾值宜取50。

對分割出的地標圖像進行特征點提取［14］，如圖1所示。本文選取a、b、c、d四點作為圖像特征點，原因如下：1）由式（1）可知，光心距B和焦距f確定時，深度Z的精確度取決于視差d，選取多個特征點計算多組視差可提高視差的精確度，減少隨機誤差；2）選取T型地標的4個端點作為特征點，相較于地標中其他點更易提取。

4.4 視覺三維坐標解算

雙目視覺的視差由左右圖像匹配點在圖像物理坐標系下作差得到，而上述匹配點得到的視差值是在像素坐標系下求得，因此需要知道像素坐標系與圖像物理坐標系的轉換關系［16］。假設圖像中一個像素在圖像物理坐標系下水平和垂直方向的物理尺寸為dx和d y，則圖像物理坐標系與圖像像素坐標系的轉換關系表示為

其中：[uv1]T是像素坐標點的齊次坐標，[xy1]T是圖像物理坐標點的齊次坐標。

由上述轉換關系即可得到視差在圖像物理坐標系與在像素坐標系下的關系式：

本文以T型地標的左上角角點為參考原點，將等式（11）代入等式（2），則室內無人機的空間位置坐標為

5 實驗

本文系統(tǒng)采用單片機STM32F767作為機載芯片，完成雙目校正、圖像處理以及三維坐標解算。圖像采集模塊為OV2640雙目攝像頭，其分辨率為320像素×240像素，光心距為60mm。

1）對攝像機進行標定。標定板使用角點數(shù)為8×6，邊長為24.5mm的棋盤格。雙目攝像頭標定結果如表1；

表1 雙目攝像頭標定結果表

2）地標尺寸比較實驗。本文分別選取長10cm、寬2cm與長15cm、寬3cm的兩種矩形進行測距對比實驗，表3為長15cm、寬3cm的矩形的測距結果。

表3 長15cm、寬3cm矩形測距結果

對比表2與表3結果可以看出，選擇更大尺寸的地標將提高測量精度。而當無人機距離地標距離過近時，雙目相機的成像圖像如圖4所示，此時對應角點缺失較多，容易出現(xiàn)特征點誤匹配的錯誤，影響定位效果。

表2 長10cm、寬2cm矩形測距結果

圖4 大尺寸地標成像圖

3）無人機在室內飛行時，由于雙目攝像頭廣角的局限性，地標并非完全在雙目攝像頭的視野范圍內，角點缺失的地標圖像如圖5所示。本文以圖5（a）為例，針對角點缺失情況設計以下處理方法：（1）計算地標左右圖像中ab與a'b的像素長度lenab、lena’b；（2）設定閾值Th并計算l enab與lena’b的差值判斷圖像是否存在角點缺失；若lenablena’b＞Th，則為角點a缺失，舍棄角點a，計算b、c、d三點的測距平均值；否則判定該地標圖像為完整圖像。本文將閾值設置為5。

圖5 地標角點缺失圖

4）無人機三維坐標定位實驗。由式（12）得到無人機相對于角點a的三維空間坐標如表4所示。

表4 無人機相對點a的坐標測量結果

由表5可知，使用本文算法測量的無人機位置與其真實位置相近，驗證了本文算法的精確性。

表5 點a空間坐標誤差

6 結語

本文提出一種結合T型地標，使用雙目相機實現(xiàn)無人機室內定位的方法，改善了室內GPS信號弱無人機難以定位的缺點。此方法具有成本低，不受電磁干擾，靈活性高，移植方便等優(yōu)勢。結果表明：本文提出的自主定位方法與無人機的實際位置匹配精度高，定位效果較為理想。但由于單個STM32F7的處理速度有限，目前無人機的圖像處理速度為10幀/s，較難滿足無人機定位的實時性要求。下一步的研究方向為將此種定位方法與慣性傳感器融合得到實時并且準確的室內無人機位置信息。