基于Meanshift算法的小型載體視覺導(dǎo)航方法
【專利摘要】本發(fā)明屬于視覺導(dǎo)航領(lǐng)域，具體涉及一種基于Meanshift算法的小型載體視覺導(dǎo)航方法，利用Meanshift算法實現(xiàn)自然路標(biāo)的特征提取與跟蹤，根據(jù)圖像序列中的自然路標(biāo)位置信息確定小型載體的位置，并采用動態(tài)擴(kuò)展卡爾曼濾波實現(xiàn)與慣性導(dǎo)航系統(tǒng)參數(shù)的數(shù)據(jù)融合，從而實現(xiàn)視覺導(dǎo)航信息對慣性導(dǎo)航系統(tǒng)誤差的修正，獲得精確的導(dǎo)航坐標(biāo)。適合中小型載體的高定位精度、微型化及低成本的特點，具有理論與實用價值。
【專利說明】基于Meanshift算法的小型載體視覺導(dǎo)航方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于視覺導(dǎo)航領(lǐng)域，涉及一種基于Meanshift算法的小型載體視覺導(dǎo)航方法，特別針對小型載體的高定位精度、微型化及低成本的要求。

【背景技術(shù)】
[0002]近年來，各種小型載體，如無人機(jī)(UAV)、小型機(jī)載人等在軍事上和民用領(lǐng)域的作用日趨重要。小型載體的導(dǎo)航設(shè)備需要重量輕、功耗小、探測距離遠(yuǎn)、分辨率高，傳統(tǒng)的GPS受到環(huán)境的影響較大，在室內(nèi)或特殊環(huán)境的應(yīng)用受到限制，慣性導(dǎo)航的誤差又隨著時間的增長而積累，所以需要其它的輔助導(dǎo)航方法，視覺導(dǎo)航由于視覺傳感器體積小，重量輕受到廣泛的關(guān)注。目前的視覺導(dǎo)航方法主要集中在特征提取、特征匹配的算法，目標(biāo)為利用特征的位置信息并結(jié)合慣性導(dǎo)航的位置信息給出載體的位置。特征的提取和匹配只給出了特征的形狀、顏色、大小等特征，而忽略了特征的位置信息變化。Meanshift算法利用目標(biāo)的特征概率密度描述運動目標(biāo)區(qū)域中心位于X的目標(biāo)模型，在目標(biāo)中心鄰域搜索窗口內(nèi)以相似性度量最大為原則，尋找最優(yōu)的位于I的目標(biāo)模型，使得兩次移動距離小于某一閾值，以達(dá)到目標(biāo)的跟蹤目的，體現(xiàn)了特征變化的位置信息。因此本發(fā)明提出應(yīng)用Meanshift算法實現(xiàn)小型載體的視覺導(dǎo)航。


【發(fā)明內(nèi)容】

[0003]本發(fā)明重點研究小型載體視覺導(dǎo)航系統(tǒng)的關(guān)鍵技術(shù)。解決自然路標(biāo)的特征提取與跟蹤問題，解決視覺信息與慣性導(dǎo)航系統(tǒng)參數(shù)的數(shù)據(jù)融合問題，實現(xiàn)視覺信息對慣性導(dǎo)航系統(tǒng)誤差的修正，獲得精確的導(dǎo)航坐標(biāo)。具體的研究方案如圖1所示。主要內(nèi)容如下:
[0004]I)基于Meanshift算法實現(xiàn)自然路標(biāo)的特征跟蹤
[0005]2)設(shè)計動態(tài)擴(kuò)展卡爾曼濾波器對小型載體的運動狀態(tài)和視覺特征的位置進(jìn)行估計，從而獲得小型載體的導(dǎo)航參數(shù)。

【專利附圖】

【附圖說明】
[0006]圖1是本發(fā)明的研究方案圖。
[0007]圖2是本發(fā)明的動態(tài)卡爾曼濾波融合視覺信息與慣性導(dǎo)航參數(shù)的原理。

【具體實施方式】
[0008]主要環(huán)節(jié)的具體設(shè)計思路如下:
[0009](I)基于Meanshift的自然特征提取與跟蹤
[0010]利用提取與跟蹤出的目標(biāo)的位置信息，反算出視覺傳感器的位置信息，這涉及到不同特征點的位置信息的疊加。
[0011](2)基于動態(tài)擴(kuò)展卡爾曼濾波的數(shù)據(jù)融合
[0012]利用動態(tài)擴(kuò)展卡爾曼濾波器融合視覺信息修正慣性導(dǎo)航系統(tǒng)測量誤差。定義小型載體方向角為(Φ，θ，Ψ),陀螺偏差為Ovtybr),視覺信息為(Φν, θν，ψν)，系統(tǒng)狀態(tài)變量選擇X= [Φ θ Ψ bp bp bj1，觀測變量選擇[Φν θν Ψν]，建立系統(tǒng)的狀態(tài)方程及觀測方程，利用動態(tài)擴(kuò)展卡爾曼濾波遞推方程估計載體的位置姿態(tài)信息，基于動態(tài)擴(kuò)展卡爾曼濾波融合視覺信息與慣性導(dǎo)航參數(shù)的原理如圖2所示。
[0013]本發(fā)明的優(yōu)點在于，導(dǎo)航攝像機(jī)與MEMS慣性導(dǎo)航器件所組成的導(dǎo)航系統(tǒng)成本低廉，體積小，操作方便，精度高，滿足小型小型載體的載荷、尺寸、功率、成本等方面的需要，具有良好的應(yīng)用前景。
【權(quán)利要求】
1.基于Meanshift算法的小型載體視覺導(dǎo)航方法利用Meanshift算法實現(xiàn)自然路標(biāo)的特征提取與跟蹤，利用圖像序列中的自然路標(biāo)位置信息確定小型載體的位置，并采用動態(tài)擴(kuò)展卡爾曼濾波實現(xiàn)與慣性導(dǎo)航系統(tǒng)參數(shù)的數(shù)據(jù)融合，從而實現(xiàn)視覺導(dǎo)航信息對慣性導(dǎo)航系統(tǒng)誤差的修正，獲得精確的導(dǎo)航坐標(biāo)。
2.根據(jù)權(quán)利要求1所述的基于Meanshift算法的小型載體視覺導(dǎo)航方法，其特征在于，采用SIFT算法實現(xiàn)自然路標(biāo)的特征提取與跟蹤。
3.根據(jù)權(quán)利要求1所述的基于Meanshift算法的小型載體視覺導(dǎo)航方法,其特征在于，設(shè)計動態(tài)擴(kuò)展卡爾曼濾波器對小型載體的運動狀態(tài)和視覺特征的位置進(jìn)行估計。
【文檔編號】G06F19/00GK104331638SQ201410713291
【公開日】2015年2月4日 申請日期:2014年11月26日 優(yōu)先權(quán)日:2014年11月26日
【發(fā)明者】成怡 申請人:天津工業(yè)大學(xué)