基于雙目視覺的微型無人機(jī)室內(nèi)定位技術(shù)研究

【關(guān)鍵詞】雙目視覺；微型無人機(jī)；K-means；SURF 算法；室內(nèi)定位

當(dāng)前，微型無人機(jī)具有結(jié)構(gòu)簡(jiǎn)單、成本低廉、適應(yīng)性好、安全性能高等特點(diǎn)，與固定翼飛行器相比，微型無人機(jī)可實(shí)現(xiàn)垂直起升、保持懸停等功能，使微型無人機(jī)受到廣泛關(guān)注，并在民用、科學(xué)研究和軍事等領(lǐng)域廣泛應(yīng)用。當(dāng)前，微型無人機(jī)姿態(tài)控制要依賴于算法控制，四旋翼無人機(jī)只有4個(gè)輸入控制量和6個(gè)自由度，需要額外的姿態(tài)反饋和定位導(dǎo)航維持姿態(tài)穩(wěn)定。但在室內(nèi)微型無人機(jī)控制中，無人機(jī)旋翼易受到外界氣流干擾，在室內(nèi)飛行中易受到墻壁回流氣流影響，導(dǎo)致室內(nèi)微型無人機(jī)姿態(tài)失穩(wěn)。同時(shí)，微型無人機(jī)廣泛采用GPS定位，但受室內(nèi)無GPS信號(hào)、定位精度差等因素影響，導(dǎo)致微型無人機(jī)在室內(nèi)姿態(tài)控制和定位難度大。針對(duì)室內(nèi)微型無人機(jī)室內(nèi)定位問題，美國(guó)麻省理工最早于1965年開展室內(nèi)定位導(dǎo)航研究。AHR-ENS·S等人開發(fā)了一種四旋翼無人機(jī)室內(nèi)視覺定位算法，可實(shí)現(xiàn)無人機(jī)在室內(nèi)環(huán)境下視覺定位和避障[1]。MUS-TAFAH Y·M等人設(shè)計(jì)了一種基于雙目視覺傳感器的無人機(jī)室內(nèi)定位系統(tǒng)，可實(shí)現(xiàn)動(dòng)態(tài)獲取無人機(jī)位置信息[2]。隨著無人機(jī)技術(shù)的發(fā)展和產(chǎn)品的廣泛應(yīng)用，無人機(jī)室內(nèi)定位問題引起國(guó)內(nèi)學(xué)者的廣泛關(guān)注。何芳設(shè)計(jì)了一種適用于無人機(jī)室內(nèi)自主定位的半直接視覺SLAM系統(tǒng)，可基于視覺算法確定室內(nèi)空間三維點(diǎn)位置[3]。陳曄基于SIFT算法特征點(diǎn)提取和匹配，實(shí)現(xiàn)了四旋翼室內(nèi)定位。本文針對(duì)微型無人機(jī)室內(nèi)定位問題，提出了一種基于雙目視覺傳感器和RSS定位算法的無人機(jī)自主定位算法[4]。該系統(tǒng)數(shù)據(jù)采集和定位均由系統(tǒng)自主完成，且雙目系統(tǒng)定位精度更高，能夠避免單目定位算法誤差累積而造成的偏航問題，有利于提高微型無人機(jī)室內(nèi)定位精度。

一、基于雙目視覺的微型無人機(jī)室內(nèi)定位模型和算法原理

基于雙目視覺的微型無人機(jī)室內(nèi)定位模型原理主要為雙目立體視覺測(cè)距和RSS定位算法。

（一）雙目立體視覺測(cè)距模型

在雙目視覺系統(tǒng)中，兩個(gè)視覺傳感器相互平行，成像平面共面。假設(shè)雙目視覺距離定義為B，相機(jī)焦距均為，相機(jī)坐標(biāo)系原點(diǎn)為左側(cè)相機(jī)光心點(diǎn)。兩側(cè)相機(jī)同時(shí)拍照空間點(diǎn)，則在左右相機(jī)得到的投影點(diǎn)坐標(biāo)點(diǎn)分別為、，兩個(gè)投影坐標(biāo)點(diǎn)經(jīng)立體校正后處于同一水平高度，則，相機(jī)投影幾何關(guān)系可表示為：

在已知相機(jī)內(nèi)參矩陣和匹配特征的情況下，空間點(diǎn)坐標(biāo)和相機(jī)坐標(biāo)的關(guān)系可根據(jù)式（2）確定。相機(jī)基準(zhǔn)中點(diǎn)距空間中心點(diǎn)距離可表示為：

（二）無人機(jī)室內(nèi)自主定位算法

本系統(tǒng)中，無人機(jī)室內(nèi)自主定位算法采用RSS定位算法，該算法具有計(jì)算復(fù)雜度低、實(shí)現(xiàn)簡(jiǎn)單等優(yōu)點(diǎn)。針對(duì)室內(nèi)光線不足的問題，可設(shè)計(jì)不同顏色、字體標(biāo)識(shí)的室內(nèi)地形，便于無人機(jī)室內(nèi)視覺定位。無人機(jī)在室內(nèi)自主定位時(shí)，雙目相機(jī)安裝在無人機(jī)底部、兩側(cè)對(duì)稱，確保無人機(jī)在室內(nèi)飛行時(shí)可同時(shí)拍攝三個(gè)地面標(biāo)識(shí)。假設(shè)三個(gè)地面三角形標(biāo)識(shí)坐標(biāo)分別為 、 、 。當(dāng)無人機(jī)在室內(nèi)飛行時(shí)，雙目相機(jī)基線中點(diǎn)M 位置即可為無人機(jī)實(shí)時(shí)位置，D1、D2、D3分別為M點(diǎn)到三個(gè)地面坐標(biāo)點(diǎn)的距離，則無人機(jī)自主定位算法可表示為：

根據(jù)無人機(jī)自主定位算法計(jì)算出無人機(jī)當(dāng)前坐標(biāo)，即可實(shí)現(xiàn)無人機(jī)室內(nèi)雙目視覺定位。

二、地標(biāo)識(shí)別與定位

考慮到室內(nèi)光線不足，可能影響微型無人機(jī)雙目相機(jī)對(duì)環(huán)境識(shí)別和自主算法定位精度，設(shè)計(jì)采用地標(biāo)標(biāo)識(shí)方法作為無人機(jī)定位基準(zhǔn)。無人機(jī)自主定位算法采用K-means聚類分析圖像分割算法對(duì)彩色地標(biāo)圖像進(jìn)行識(shí)別、地標(biāo)形心定位計(jì)算和誤差分析、基于SURF算法進(jìn)行垂直距離測(cè)量，可獲得無人機(jī)三維坐標(biāo)位置。

（一）地標(biāo)識(shí)別

在室內(nèi)環(huán)境下，通過對(duì)彩色地標(biāo)進(jìn)行圖像分割，無人機(jī)相機(jī)拍攝彩色地標(biāo)圖像，借助K-means聚類算法計(jì)算地標(biāo)圖像樣本至每個(gè)點(diǎn)集中心的距離，并作為無人機(jī)定位坐標(biāo)起始點(diǎn)。當(dāng)無人機(jī)在室內(nèi)飛行時(shí)，無人機(jī)相對(duì)于坐標(biāo)點(diǎn)集的相對(duì)位置發(fā)生變化，無人機(jī)相機(jī)拍攝地標(biāo)位置，對(duì)指定地標(biāo)圖像聚類中心數(shù)量進(jìn)行識(shí)別。根據(jù)上述思路，通過試驗(yàn)研究發(fā)現(xiàn)，無人機(jī)相機(jī)可識(shí)別480×640×3mm的地標(biāo)圖像，并得到三個(gè)地標(biāo)在相機(jī)圖像中的形心坐標(biāo)和最小外接矩形坐標(biāo)范圍。

（二）地標(biāo)形心定位計(jì)算和誤差分析

根據(jù)無人機(jī)相機(jī)模組參數(shù)標(biāo)定結(jié)果，無人機(jī)相機(jī)模組基線距地標(biāo)實(shí)際距離為11.999cm，將實(shí)際距離代入到式（2）中，即可計(jì)算獲得無人機(jī)相機(jī)坐標(biāo)估計(jì)值。通過將坐標(biāo)估計(jì)值與實(shí)際值計(jì)算發(fā)現(xiàn)，相機(jī)坐標(biāo)系縱坐標(biāo)與橫坐標(biāo)最大誤差為3.26cm，其余誤差均小于3.0cm，屬于可接受范圍。值偏差偏大，最大值超出6.0cm，定位精度偏低，需借助SURF算法進(jìn)行垂直距離測(cè)量。

（三）SURF垂直距離測(cè)量

SURF算法即加速穩(wěn)健特征算法，是一種穩(wěn)健局部特征點(diǎn)檢測(cè)和描述算法，該算法是SIFT算法的優(yōu)化算法，該算法在保持SIFT算法優(yōu)良性能的基礎(chǔ)上解決了SIFT算法計(jì)算復(fù)雜度高、耗時(shí)長(zhǎng)的缺點(diǎn)，提升了算法執(zhí)行效率，使算法在實(shí)時(shí)計(jì)算機(jī)視覺系統(tǒng)中應(yīng)用成為可能。在微型無人機(jī)室內(nèi)定位系統(tǒng)設(shè)計(jì)中，可基于SURF算法構(gòu)建尺度空間、特征點(diǎn)定位和特征點(diǎn)距離計(jì)算匹配。具體應(yīng)用中，無人機(jī)相機(jī)針對(duì)特定地標(biāo)點(diǎn)定位匹配步驟為：①無人機(jī)讀取彩色格式圖像對(duì)，系統(tǒng)自動(dòng)識(shí)別圖像中地標(biāo)、分割和最小外接矩形；②根據(jù)地標(biāo)矩形數(shù)據(jù)，確定指定地標(biāo)坐標(biāo)值范圍；③讀取原始圖像，對(duì)無人機(jī)相機(jī)圖像進(jìn)行校正、SURF特征點(diǎn)檢索和描述算子生成；④系統(tǒng)自動(dòng)計(jì)算無人機(jī)至指定坐標(biāo)點(diǎn)的最小距離，按匹配距離誤差生成多個(gè)特征點(diǎn)匹配向量，并按誤差由小到大排列；⑤系統(tǒng)自動(dòng)讀取匹配距離誤差，每讀取一對(duì)特征點(diǎn)，算法自動(dòng)檢查像素坐標(biāo)值是否在指定地標(biāo)矩形數(shù)據(jù)范圍內(nèi)，如在數(shù)據(jù)范圍內(nèi)則作為最佳匹配輸出，反之則將匹配數(shù)據(jù)剔除。

根據(jù)SURF算法，可生成對(duì)指定地標(biāo)的匹配計(jì)算結(jié)果。經(jīng)試驗(yàn)生成30對(duì)測(cè)試數(shù)據(jù)，系統(tǒng)計(jì)算垂直距離均落在地標(biāo)區(qū)域內(nèi)，無錯(cuò)誤匹配情況，相較于借助SURF算法校正前，垂直距離誤差匹配對(duì)數(shù)3個(gè)改善至1個(gè)，增加區(qū)域約束后，誤匹配結(jié)果個(gè)數(shù)降至0，有效改善了無人機(jī)相機(jī)垂直距離測(cè)量誤差較大問題。

為確保雙目相機(jī)測(cè)量精度和多地標(biāo)垂直距離測(cè)算精度，采用擬合多項(xiàng)式模型對(duì)雙目相機(jī)測(cè)量多地標(biāo)數(shù)據(jù)進(jìn)行擬合，對(duì)比擬合多項(xiàng)式模型計(jì)算結(jié)果與式（2）計(jì)算結(jié)果，選取誤差較小的測(cè)量結(jié)果作為無人機(jī)垂直距離計(jì)算結(jié)果。對(duì)無人機(jī)雙目多地標(biāo)測(cè)量試驗(yàn)中，選取3個(gè)點(diǎn)坐標(biāo)進(jìn)行測(cè)試試驗(yàn)，地標(biāo)尺寸為18×13cm，按等腰三角形排布。無人機(jī)相機(jī)距坐標(biāo)點(diǎn)距離為104～204cm，距離增幅為10cm，測(cè)量獲得30組測(cè)量垂直距離數(shù)據(jù)，按匹配距離誤差由小到大取前4組視差數(shù)據(jù)，取4組數(shù)據(jù)均值作為坐標(biāo)地心垂直距離數(shù)據(jù)，則可獲得無人機(jī)相機(jī)相對(duì)于多點(diǎn)坐標(biāo)的垂直距離視差數(shù)據(jù)，根據(jù)試驗(yàn)結(jié)果，30組數(shù)據(jù)誤差均在3cm范圍內(nèi)，但隨無人機(jī)距坐標(biāo)點(diǎn)距離增大而出現(xiàn)誤差增大趨勢(shì)，針對(duì)該問題，通過引入擬合多項(xiàng)式模型擬合垂直距離和視差數(shù)據(jù)，即可獲得實(shí)際垂直距離與視差之間的擬合關(guān)系模型，實(shí)現(xiàn)對(duì)無人機(jī)垂直距離視差的矯正。根據(jù)試驗(yàn)結(jié)果，經(jīng)多項(xiàng)擬合后，無人機(jī)至地標(biāo)點(diǎn)平均相對(duì)誤差均小于2%，基本滿足微型無人機(jī)室內(nèi)精準(zhǔn)定位要求。

三、室內(nèi)定位仿真試驗(yàn)

為驗(yàn)證微型無人機(jī)室內(nèi)定位系統(tǒng)的準(zhǔn)確性、可靠性，本研究利用樹莓派和雙目攝像頭模擬無人機(jī)進(jìn)行室內(nèi)定位仿真試驗(yàn)。室內(nèi)定位坐標(biāo)采用彩色地標(biāo)作為基準(zhǔn)坐標(biāo)。樹莓派連接計(jì)算機(jī)，由計(jì)算機(jī)計(jì)算處理無人機(jī)坐標(biāo)。

仿真試驗(yàn)中，使樹莓派在室內(nèi)坐標(biāo)1～2m范圍內(nèi)沿不規(guī)則路徑飛行，拍攝獲得23組圖像對(duì)，并利用精準(zhǔn)測(cè)距儀測(cè)量獲得無人機(jī)真實(shí)坐標(biāo)點(diǎn)數(shù)據(jù)。通過對(duì)無人機(jī)自主定位系統(tǒng)測(cè)量數(shù)據(jù)和真實(shí)數(shù)據(jù)對(duì)比計(jì)算均方根誤差值，對(duì)基于雙目視覺的微型無人機(jī)室內(nèi)定位測(cè)量結(jié)果進(jìn)行評(píng)價(jià)，獲得無人機(jī)室內(nèi)定位坐標(biāo)均方根誤差值（如表1所示）。

根據(jù)室內(nèi)仿真試驗(yàn)結(jié)果，無人機(jī)室內(nèi)定位偏差均小于3cm，定位精度較高，表明本文提出的基于雙目視覺的微型無人機(jī)室內(nèi)定位技術(shù)方案可行，且能夠?qū)崿F(xiàn)高精度室內(nèi)定位。

結(jié)語

針對(duì)微型無人機(jī)室內(nèi)定位無GPS信號(hào)和定位精度低的問題，本文提出了基于K-means聚類算法識(shí)別地面坐標(biāo)、RSS算法定位和基于SURF算法垂直距離測(cè)量的無人機(jī)定位算法。經(jīng)室內(nèi)仿真試驗(yàn)數(shù)據(jù)表明，采用該技術(shù)可實(shí)現(xiàn)無人機(jī)室內(nèi)精準(zhǔn)定位，且定位精度偏差較低，滿足微型無人機(jī)室內(nèi)定位精度要求。同時(shí)，該方案可能存在定位范圍受限，長(zhǎng)距離室內(nèi)定位精度偏差較大，需進(jìn)一步改進(jìn)與完善。