計算機視覺反饋輔助的導航定位系統研究

朱清坤

摘? 要：在無人機（uav）等現代飛行器導航定位中，通常使用捷聯慣導系統（SINS）、GPS定位系統相結合的導航方式，對大型飛行器飛行軌跡、自主著陸地點實施導航。其中捷聯慣導平臺由機載計算機、陀螺儀和加速度計等部分組成，陀螺儀、線性加速度計組合GPS定位系統，負責測量無人機飛行角度、線性軌跡等信息，之后將測得的運動姿態、飛行速度或目標位置的數據，傳輸至微型計算機平臺，并利用離散卡爾曼濾波算法，展開飛行目標導航定位的誤差仿真分析，來輸出最終的慣導系統定位結果。

關鍵詞：計算機視覺? SINS導航? 卡爾曼濾波? 導航定位

中圖分類號：TP391.41 ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? 文章編號：1674-098X（2021）04（c）-0135-03

Research on Computer Vision Feedback Aided Navigation and Positioning System

ZHU? Qingkun

（Zhengzhou Preschool Education College， Zhengzhou， Henan Province， 450000? China）

Abstract： In the navigation and positioning of modern aircraft such as unmanned aerial vehicle （UAV）， the combination of strapdown inertial navigation system （SINS） and GPS positioning system is usually used to navigate the flight path and autonomous landing site of large aircraft. The strapdown inertial navigation platform is composed of airborne computer， gyroscope and accelerometer. The GPS positioning system of gyroscope and linear accelerometer is responsible for measuring the flight angle， linear trajectory and other information of UAV. Then， the measured data of motion attitude， flight speed or target position are transmitted to the microcomputer platform， and the discrete Kalman filter algorithm is used， The error simulation analysis of flight target navigation and positioning is carried out to output the final positioning result of INS.

Key Words： Computer vision; SINS navigation; Kalman filter; Navigation and positioning

當前對于大型飛行器的視覺導航定位，主要利用三維圖像模型、GPS/SINS組合定位相結合方法，進行目標對象準三維立體模型的構建。本文借助于離散卡爾曼濾波算法，將計算機視覺系統獲得的圖像信息，包含SINS導航的運動位置、飛行角度和軌跡信息，輸入到攝像機模型中展開卡爾曼濾波，輸出慣導系統導航的誤差數值，并對無人機目標定位仿真結果進行修正，提高其在飛行過程中的定位精度。

1? 計算機視覺導航定位技術的主要內容概述

計算機視覺系統主要借助于捷聯慣導系統（SINS）、GPS衛星定位，進行GPS衛星圖像的獲取。之后根據圖像信息劃分為不同的結構類別，對圖像細節展開預處理、特征抽取，輸出具有高信噪比的圖像數據，來確定目標對象在三維空間結構中的位置、運動路徑等。

首先，GPS目標定位是通過GPS衛星信號、接收機本地參考信號的結合，對目標物體在運動過程中的傳播時延進行測算，來得出衛星監測到目標瞬時位置，與實際位置之間存在的距離。

其次，捷聯式慣性導航系統（SINS），是通過陀螺儀、加速度計等精密測量工具，進行無人機飛行器速度、加速度、角速率，以及參考坐標、運動軌跡、航行方向的測量與計算。捷聯慣導系統在目標對象線性加速度、相對空間位置的測算中，通常將以上敏感元器件安裝到運動載體上，監測目標飛行器做無規律運動時，其在地球坐標系O（xe，ye，ze）、機體坐標系O（xb，yb，zb）、地理坐標系O（xg，yg，zg）、導航坐標系O（xn，yn，zn）中所處的位置。之后對慣性器件量測的目標瞬時位置數值，經過復雜坐標變換，解算為計算機能夠識別的加速度、角速度、參考坐標等矩陣信息，提取出目標物體運動的航向角、姿態信息。之后采用離散卡爾曼濾波算法，對多種大型飛行器瞬時位置、運動軌跡、加速度、角速率等動力學數據，展開量測微分方程的離散卡爾曼濾波仿真分析，并得出GPS定位系統監測數據、慣性導航器件監測數據之間，存在的測量角度誤差、定位誤差。

2? 計算機視覺反饋輔助系統開展目標導航定位的實現原理

2.1 計算機視覺系統對無人機飛行器的導航定位流程

計算機視覺的目標導航定位系統，主要由GPS/SINS組合定位、攝像機圖像定位兩方面內容組成。攝像機成像定位通過攝像機的二維、三維圖像信息，對無人機空間物體的三維位置坐標進行測算，一般會用到攝像機坐標系、像素坐標系、世界坐標系等。其中攝像機坐標系也被稱為針孔攝像坐標系，攝像機光軸、無人機之間存在著一定夾角θ，在應用到距離攝像機較遠目標對象的運動時，需要測算目標點在攝像機成像的投影位置，并將其順時針旋轉角度θ，得到目標對象與之對應的世界坐標系，具體如圖1所示。因此運動目標攝像機坐標系（xc，yc，zc）、世界坐標系（xw，yw，zw）之間的轉換，通常會采取正交旋轉變化、坐標平移等方式來實現，轉換關系式為：

（x0，y0，z0）：攝像機光心O在世界坐標系的位置坐標;：無人機飛行器運動角度矩陣信息。

在無人機飛行器由自主航行到著陸的整個流程，以無人機跑道軸線l3作為世界坐標系Xw軸，標志線l1為世界坐標系Yw軸，沿l1、l3交點的垂線為Zw軸。當無人機目標對象進入到攝像機視野后，就開始對運動物體在攝像平面投影點進行位置求解，求出目標的攝像機坐標系（xc，yc，zc），具體如圖1所示。之后根據陀螺儀、加速度計等測量工具，監測到的無人機水平夾角θ、位置高度等，求得在世界坐標系（xw，yw，zw）中目標特征點的定位信息。

2.2 離散卡爾曼濾波算法在目標對象導航定位中的應用方程

離散卡爾曼濾波算法屬于卡爾曼濾波的種類之一，其可以被應用到GPS/SINS組合導航定位數據的仿真計算中。在無人機由飛行狀態到自主著陸的過程中，GPS目標定位系統、捷聯慣導系統等，會輸出導航坐標系O（xn，yn，zn）中目標對象的定位參數信息，之后將其代入到計算機視覺定位系統，解算出針對世界坐標系（xw，yw，zw）的目標物體位置點，這一位置信息即為飛行器目標的真實位置預測值。GPS/SINS組合導航系統對無人機飛行器的定位數值求解如圖2所示。

之后利用測得的圖像識別數據、導航參數值，借助離散卡爾曼濾波算法，進行某一時間段內，目標對象動力學方程、自適應噪聲方差矩陣的求解，以及目標物體非線性濾波方程的加權求和，得到目標物體運動中的運動軌跡、瞬時位置測量值。通過對目標前一狀態、后一狀態自適應噪聲量測，完成飛行狀態量值、濾波誤差矩陣數據的分析，并修復無人機自主著陸過程中導航參數的測量誤差。假設m時刻計算機視覺系統的目標狀態值為Xm，在受到系統白噪聲干擾情況下，目標對象瞬時位置的非線性隨機函數方程為：

（Φm，m-1：m到m-1時刻內離散后的狀態轉移矩陣;Γm-1：系統噪聲驅動陣;Wm-1：狀態的噪聲向量）。

3? 計算機視覺反饋輔助系統中無人機目標導航定位的仿真分析

3.1 計算機視覺系統中無人機導航定位的仿真環境

無人機航行器在著陸飛行過程中，其上存在著陀螺儀、加速度計等慣導系統設備，以及周圍區域環境成像的攝像機設備，攝像機與水平方向呈現一定夾角θ=-15°，機體參考坐標系為O（xb，yb，zb）、攝像機坐標系為O（xm，ym，zm）。利用GPS導航定位、慣性導航系統定位（SINS），開展無人機導航定位時，通常運用離散卡爾曼濾波法算法，對得到的輸出目標定位信息進行校正。

3.2 計算機視覺系統中GPS/SINS組合導航定位的仿真實驗與結果

假設無人機航行器的飛行高度H0=100m、飛行速度為V0=40m/s，飛行過程中無人機下滑角度為5°。攝像機監測到飛行器當前航行方向位置，所對應的地面投影點為O點，航行器沿著PP'軌跡路線飛行。兩個地面攝像機之間的方向距離為d=100m，測得無人機飛行器導航位置矩陣為、無人機運動角度矩陣為、機體坐標系到測量坐標系的變換矩陣為。那么m時刻飛行器的攝像坐標系矢量為、，具體公式表示為：

運用陀螺儀、加速度計測得的飛行目標對象旋轉度數、加速度，會產生30°/h、50mg左右的數值漂移。本文通過對陀螺儀、加速度計、GPS目標定位系統，監測到的飛行器位置點、速度、姿態角，進行離散卡爾曼濾波算法分析，得到位置白噪聲均方差、速度誤差、姿態角白噪聲均方差。然后根據陀螺儀漂移、加速度計漂移程度，計算無人機飛行過程中監測的導航位置信息，與無人機真實位置點存在的定位誤差，具體如表1所示。

目標對象在m到m-1時間節點內，離散卡爾曼濾波的狀態預測方程、狀態估值方程，以及預測均方誤差方程、估計均方誤差方程分別為：

由表1數據可以得出，采取離散卡爾曼濾波算法，進行飛行器目標位置仿真分析，可以得到m到m-1時間節點內，地球坐標系中無人機飛行位置、速度、角度，所存在的誤差值、白噪聲均方差，且其仿真誤差都控制在有效范圍內，能夠對SINS/GPS組合導航監測的目標位置、速度、姿態數據得到修正，提升計算機視覺系統導航定位的精度。

4? 結語

在計算機視覺系統的目標對象定位過程中，需要使用SINS/GPS組合導航定位，進行無人機飛行器偽距、實測數據的定位分析，包括建立偽距多普勒頻移公式、電波載頻方程，精確檢測信號白噪聲、傳播時延而導致的定位位置誤差等。由于無人機飛行器運動位置，會隨著時間變化而發生無規律變化。因此通過離散卡爾曼濾波算法，開展目標無人機加速度、角速率、運動軌跡，以及世界坐標系位置信息的預測與估算，可以得到飛行物體在某一時間段內的預測均方誤差、估計均方誤差，從而最大程度保障目標對象導航定位結果的準確性。

參考文獻

[1] 茅正沖，陳強.基于機器視覺的AGV導航與定位算法研究[J].計算機與數字工程，2020，48（8）：1914-1918.

[2] 趙博.基于視覺導航的自動導引車設計與實現[D].濟南：山東大學，2017.

[3] Tongqing Feng，Bin Jiao. The vision guidance and image processing of AGV[J].Journal of Physics： Conference Series，2020（1）.

[4] 羅高，袁亮.基于二維碼的單目視覺測距移動機器人定位研究[J].組合機床與自動化加工技術，2017（10）：114-117，121.

[5] 肖大偉，翟軍勇.輪式移動機器人單目視覺的目標測距方法[J].計算機工程，2017，43（4）：287-291.

[6] 張英.GPS拒止條件下無人機自主全局定位技術[D].西安：西安電子科技大學，2019.