基于直线匹配的农用无人机自主导航方法
【技术领域】
[0001] 本发明属于无人机导航领域，尤其涉及一种基于直线匹配的农用无人机自主导航 方法。
【背景技术】
[0002] 随着现代化农业技术的发展，农用无人机的应用无疑是跨进高科技农业时代的重 要标志，现在农用无人机越来越多地应用于喷洒农药、施肥等方面，农用无人机的出现节省 了大量的人力劳动，而导航方法的精确性直接影响农用无人机工作效率，因此找到一种精 确度高、噪声影响小的导航方法十分必要。
[0003] 目前，较常使用的导航方法主要有惯性导航、无线电导航以及卫星导航等，这些 导航技术应用在工作在山区、丘陵等地区的农用无人机都存在一定的局限性。申请号为 【201410128459.X】的发明专利公开一种基于景象匹配/视觉里程的惯性组合导航方法，根 据视觉里程原理，计算无人机航拍实时图像序列的单应矩阵，通过累积连续两帧实时图之 间的相对位移，递推计算出无人机的当前位置；由于导航信息经积分产生，定位误差随时间 增长，误差积累较大导致定位精度随时间降低，并且要对误差进行修正，导致高精度的惯导 系统质量高、体积大、造价昂贵，不适用于农用无人机的导航。
[0004] 使用无线电导航发送无线电波实现导航时，需要建立地面基站来辅助导航，只有 地面基站正常工作时，无线电导航系统才能正常工作，在山区、盆地或丘陵地区易受地形遮 挡，容易产生信号干扰，卫星导航方法的传输信号易被山峰阻挡导致导航精度降低，不适用 于有遮挡物的山区。
[0005] 利用计算机视觉进行无人机的自主导航成为近年的研究热点，该方法具有精度 高，不受电子干扰等特点。申请号为【201410596775.X】公开一种无人机视觉导航方法，首 先利用SIFT算法构建图像的多尺度空间，然后精确定位特征点的位置，根据图像中提取的 最稳定特征点采用最近/次近邻距离匹配方法对特征点进行匹配，利用已经匹配的特征点 对求解基础矩阵再进一步解算本质矩阵从而求解了无人机的姿态变换，此类方法是基于搜 寻像素多尺度局部信息极值，并形成特征点描述符从而进行匹配的，对一定范围内的缩放、 光照、尺度变化具有一定的鲁棒性，但是不适用于农用无人机导航，由于农田纹理特征极为 相似、大尺度的缩放和角度变化时容易出现误匹配，另一方面，这些特征点提取算法能够在 每幅图像得到几百甚至上千个特征点，计算量大，实时性难以保证，并且不利于进行地理位 置等信息的直观表述。因此，利用点特征等信息进行农用无人机的自主导航存在诸多局限 性。
[0006] 为此，亟待提出一种针对农田地形特征，实现精确、实时导航的方法。
【发明内容】
[0007] 本发明的目的是针对上述导航方法导航精度低、易受信号干扰，计算量大、实时性 难以保证等技术问题提出的一种基于直线匹配的农用无人机自主导航方法，基于农田中因 作物分垄形成的纹理丰富、田间道路明显，并利用这些纹理特征便于提取出直线的特点进 行导航。
[0008] 为了达到上述目的，本发明提出一种基于直线匹配的农用无人机自主导航方法， 主要包括以下步骤：
[0009] S1、对航拍的田间直线纹理特征进行提取、并与基准图像进行直线匹配，所述基准 图像为目标作业区的完整图像；
[0010] S2、根据上述匹配结果求取农用无人机的位姿参数，过程如下：
[0011] 321、建立世界坐标系和局部坐标系，标定匹配直线1^、1^"1^(11>3);
[0012] S22、从图像中检测出匹配直线的对应投影h、V"ln(n>3);
[0013] S23、建立相机坐标系，描述投影直线的图像坐标；
[0014] S24、根据地面匹配直线与像平面上投影直线间的几何关系，建立约束方程；
[0015] S25、求解约束方程得到农用无人机的位姿参数候选初始解；
[0016] S3、对上述农用无人机的位姿参数候选初始解进行校正，并选取最优解；
[0017] S4、剔除导航过程中出现的粗大误差，进而确定农用无人机的导航数据，所述导航 数据为农用无人机的位姿参数终值。
[0018] 作为优选，所述步骤S21中建立局部坐标系时，为了减少噪声的影响，选取像平面 上内最长的一条直线记为1:，对应的空间直线为Q，以直线Q作为局部坐标系的Xm轴，以地 平面内与Xm轴垂直且指向的右方向作为局部坐标系Ym轴，利用匹配直线近似位于同一地平 面的特点，建立的局部坐标系Zm轴与世界坐标系的Z"轴方向一致，将所有局部坐标值在Zm 轴上的分量近似为零，降低了计算的复杂度，提高实时性。
[0019] 作为优选，为了取得更为稳定可靠的导航结果，利用无人机在飞行的过程中，无论 在角度上还是方向位移上不会在极短时间内发生极大的变化特点，所述步骤S4中剔除粗 大误差采用3 〇准则去除产生粗大误差的结果，若当前时刻位姿参数值超过误差范围，则 当前时刻位姿参数值使用上一时刻的位姿参数值替代。
[0020] 作为优选，所述步骤S1包括：S11、对航拍图像进行高斯滤波及图像金字塔处理， 对不同尺度下的图像进行边缘提取，提取的边缘具有单像素特性，便于直线特征符的描述； S12、直线特征提取之后，利用尺度不变特征点描述符的匹配思想，对提取出的直线进行局 部特征描述，并利用最近邻距离比率的方法进行匹配，该描述符对图像的缩放、旋转、光照 变化都具有鲁棒性。
[0021] 作为优选，对所述约束方程求解时采用最小二乘法和奇异值分解法，最小二乘法 通过将误差最小化，实现最大程度地拟合出真实数据的走向，提高计算精度，奇异值分解原 理中不涉及复数，计算简单，速度快。
[0022] 作为优选，所述农用无人机的位姿参数包括旋转矩阵R:,和平移向量T。
[0023] 作为优选，所述步骤S3中对农用无人机的位姿参数进行校正时，先设定求得的旋 转矩阵W和平移向量T与真实值相差AR和AT，将AR和AT作为对农用无人机位姿参 数的修正，根据修正后的参数满足直线上的点与相应投影平面的法向量的点乘加权求和为 零，反求AR和AT，进而对位姿参数校正。
[0024] 与现有技术相比，本发明的优点和积极效果在于：
[0025] 1、根据田间作物分垄以及农田中道路形成的直线纹理清晰丰富等特征，提出根据 直线匹配进行农用无人机导航的新思路，受外界环境约束较少，且不受电子信号干扰，该方 法适用于任何位置关系的直线。
[0026] 2、通过对直线纹理特征的提取与匹配，并基于平面直线特征建立局部坐标系，使z 轴方向的坐标值近似为零，降低了计算的复杂度，计算速度快、实时性好，对地面高度变化 的鲁棒性好。
[0027] 3、利用3〇准则去除导航过程中产生的粗大误差，获得更为稳定可靠的导航结 果，提高了导航精度。
【附图说明】
[0028] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以 根据这些附图获得其他的附图。
[0029] 图1为实施例中基于直线匹配的农用无人机自主导航方法流程图；
[0030] 图2为实施例中建立的坐标系示意图；
[0031] 图3-1为基准图像直线提取结果示意图；
[0032] 图3-2为无人机导航过程中拍摄图像的直线提取结果示意图；
[0033] 图4为直线匹配结果示意图；
[0034] 图5-1为剔除粗大误差后位移误差仿真结果图；
[0035] 图5-2为剔除粗大误差后角度误差仿真结果图；
[0036] 图6-1为实施例中导航方法位移误差与直线条数的关系曲线图；
[0037] 图6-2为实施例中导航方法角度误差与直线条数的关系曲线图；
[0038] 图7为实施例中导航方法计算时间不意图；
[0039] 图8-1为实施例中导航方法位移误差与地面起伏的关系图；
[0040] 图8-2为实施例中导航方法角度误差与地面起伏的关系图。
【具体实施方式】
[0041] 本发明提出一种基于直线匹配的农用无人机自主导航方法，下面结合附图详细说 明本发明的【具体实施方式】。
[0042] 如图1所示，为本实施例提供的基于直线匹配的农用无人机自主导航方法流程 图，基于直线匹配的农用无人机自主导航方法主要包括：步骤S1、对航拍的田间直线纹理 特征进行提取、并与基准图像进行直线匹配，所述基准图像为目标作业区的完整图像；步骤 S2、根据上述匹配结果求取农用无人机的位姿参数；步骤S3、对上述农用无人机的位姿参 数进行校正，并选