基于关键帧的视觉——惯性室内导航算法

创新观察

—418—基于关键帧的视觉——惯性室内导航算法

裴昕孙铭泽

(中国民航大学中欧航空工程师学院，天津300300)

摘要：为改善小型无人机在室内环境下的导航定位精度问题，本文设计了基于关键帧技术的视觉导航与惯性导航融合算法。该算法基于双目视觉提出关键帧的概念，通过室内环境下重复出现的场景实现定位以减小视觉导航中的累积误差，同时设计了一种自适应卡尔曼滤波器，将视觉导航信息与惯性导航信息进行融合。实验结果表明，本文方法能够有效提高系统姿态角和位置解算数据的准确性。

关键词：双目视觉；关键帧；视觉导航；惯性导航；卡尔曼滤波

无人旋翼机因其垂直起降，悬停稳定，操作灵敏等优势，在室内环境下的应用逐步得到重视。基于视觉的室内导航方法已逐渐成为无人机室内导航领域中的一个研究重点。视觉方法具有独立性强、不需要信号源、可靠性强等优点[1]，其中双目视觉方法通过两个相机的空间关系，能够在还原出无人机姿态的同时提供具有空间尺度信息的位移轨迹。但当无人机发生快速位姿改变的情况，图像间联系迅速下降，容易造成特征点间的误匹配。惯性导方法具有独立性强、反映灵敏的优点，使用视觉/惯性的组合导航方法

也逐渐成为无人机室内导航领域的研究热点[2]。基于上述问题，本文提出关键帧的概念，并利用关键帧的信息解算减小视觉导航方法的累积误差。在此方法的基础上，设计自适应卡尔曼滤波器将惯性导航与视觉导航数据融合，进一步提升导航方法的精度。

1基于关键帧检测的视觉导航方法

基于双目视觉的导航方法首先对双目相机采集的图像进行特征匹配，提取特征点。再通过相机不同时刻采集图像间的同一组特征点的坐标变化，解算出两时刻间相机位姿的变化方向。最后通过相同时刻左右相机采集图像特征点之间的关系为相机位姿变化方向赋予尺度信息。该方法通过积分的方式求解出整个运动过程中的导航信息，存在累积误差的问题。为了削弱累积误差所造成的影响，本文提出了关键帧这一概念。本文中，关键帧分为两种，一是将将测量开始时的初始图像自动设置为关键帧，二是将包含足够多特征点并与此前的关键帧图像中的特征的匹配率达到阈值要求的图像定义为关键帧。当系统检测到当前图像为关键帧图像，在完成特征点提取后，将不再该帧图像与其相邻帧图像进行特征点匹配，而是将其与此前与匹配度最高的相邻关键帧图像进行计算，解算出运动信息，因此能够有效减小累积误差。

2视觉融合惯导的自适应卡尔曼滤波器

惯性导航方法具有动态响应速度快，输出频率高等优势，被广泛的应用于无人机的室内导航方法之中，

用其辅助视觉导航能够有效提高系统发生快速位姿变化时的解算精度。本文设计了一种自适应卡尔曼滤波器，通过卡尔曼滤波器将无人机的视觉导航信息与惯性导航信息融合，再通过惯性测量元件的输出判断无人机当前的运动状态，自适应的调整滤波器参数，最终增强滤波器性能。

视觉导航系统动态响应性较差，但其静态性能优异且具有关键帧闭环检测；而惯性导航系统动态性能强，却在静态条件下容易发散，产生较大误差。因此，本文所设计的滤波器通过增加自适应参数，为视觉导航结果和惯性导航结果自动分配权重信息。当无人机处于平稳运动模式时，观测误差增大，滤波器对惯性导航系统解算数据信任度下降，反正当无人机处于快速运动模式时，观测误差减小，滤波器更信任惯性导航系统解算数据，从而达到自适应调整参数的过程。而当视觉系统出现关键帧的条件，则观测噪声会被增加一倍，从而增强系统对视觉输出的信任度。

3实验结果与分析

为了验证本文算法的性能，本文通过自主搭建的导航实验平台采集数据进行实验，导航实验平台由惯性导航平台、视觉导航平台与商品级姿态航向参考系统（AHRS）组成，由AHRS提供参考值。实验则通过手持的方式模拟无人机飞行过程的姿态变化，对采集到的数据分别进行解算。图1

为横滚角的解算结果。

图1横滚角解算结果对比

由图1可见，实验中视觉辅助惯导的算法解算结果与由姿态参考系统输出的结果较为贴近，整个测量过程中横滚角误差均在1°范围之内，能够证明视觉辅助惯导的算法能够得到较高精度的姿态角解算结果。

4结束语

本文首先提出关键帧的概念，解决了传统视觉导航算法中的累积误差问题。其次，设计了一种自适应

卡尔曼滤波器来融合惯性与视觉导航数据。最终，通过自主搭建实验平台进行实验，对本文算法进行验证，实验结果表明本文算法能够达到较高的姿态解算精度，具有较强的应用价值。

参考文献:

[1]王亭亭，蔡志浩，王英勋.小型无人机立体视觉目标追踪定位方法[J].电光与控制,2016(5):6-10.

[2]王兴国.基于视觉信息的无人飞行器自主着陆导航系统的关键技术研究[D].浙江大学,2007.

基金项目：