基于序列图像的无人机自测速方法与试验

　　视觉导航技术是近10年来国际上迅速发展起来的一种新型导航技术。它具有被动测量、自成体系、不易受干扰、体积小及成本低和功耗小等优点。视觉导航用途广泛,可以得到无人机自身的位置、速度、姿态和飞行方向等多种导航参数,在无人机的飞行控制、目标锁定和自主降落等领域起着重要的作用,是导航领域前沿技术之一,受到研究者和使用者的普遍重视^[1-3]。

　　飞行速度是无人机导航中的一个重要参数,特别是在某些需要通过速度来定位的应用领域,高精度的测量速度是至关重要的。目前主要的速度测量方法主要有全球定位系统(GPS)测速、多普勒雷达测速和风速管测速等。对于GPS,使用上存在较大限制,并且其信号易受干扰;多普勒雷达可以全天候、高精度测量,但是其体积和重量大,并且属于主动发射源,易于被跟踪识别;风速管测速本身精度不高,而且易受当地风速影响。在这样的背景下,研究一种独立工作、高可靠性、高精度、体积小、重量轻的视觉测速方法对无人机等小型航空器发展具有重要意义。

　　国际上已有利用无人机上的惯导、激光测距仪或雷达高度表和航空器上采集的序列图像,进行实时处理得到无人机速度大小的报道^[4]。常规的无人机上都会配备惯导、高度计和摄像机,因此视觉导航的测速方法可以在不增加硬件设备的情况下得以实现。

　　视觉导航测速方法的核心是实时高精度地得到图像的光流场或实现高精度的图像景象匹配。文献[1]使用Kanade-Lucas-Tomasi(KLT)算法在20~30 Hz的频率下实现了图像序列中相邻图像间的特征匹配,进而得到相邻两次成像时的机体位移,经过一段时间的飞行累加得到无人机的飞行里程;文献[4]使用文献[5]中的方法,可以实时高精度地得到图像序列的光流场。

　　基于生物视觉的图像匹配技术是近年来国际上发展起来的一种快速、高精度的图像匹配识别方法。笔者所在课题组研究并发展了这一方法,已成功地将其应用于图像景象匹配与目标识别当中^[6]。

　　本文对视觉导航测速的相关因素进行了深入的研究,使用基于生物视觉的图像匹配方法对序列图进行匹配,得到了稳定、可靠、实时性好的速度测量结果,具有很好的工程实用性。本文还开发了相应的硬件试验设备,并对实际挂飞试验的图像进行了处理,在中国首次使用视觉测速方法得到了高精度的无人机轴向速度,为工程应用打下了一定的基础。

　　1　基于序列图像自测速方法原理

　　1·1　基于序列图像自测速的基本模型

　　假设摄像机正下视成像,匹配得到地面同名点在相邻两帧图像中的位置,在给出航高的情况下即可得到无人机的瞬时速度;在无人机近似匀速直线飞行时,经多个瞬时速度平均即可得到高精度的轴向平均飞行速度。这一自测速的基本原理如图1所示。