基于Meanshift算法的小型载体视觉导航方法
【专利摘要】本发明属于视觉导航领域，具体涉及一种基于Meanshift算法的小型载体视觉导航方法，利用Meanshift算法实现自然路标的特征提取与跟踪，根据图像序列中的自然路标位置信息确定小型载体的位置，并采用动态扩展卡尔曼滤波实现与惯性导航系统参数的数据融合，从而实现视觉导航信息对惯性导航系统误差的修正，获得精确的导航坐标。适合中小型载体的高定位精度、微型化及低成本的特点，具有理论与实用价值。
【专利说明】基于Meanshift算法的小型载体视觉导航方法
【技术领域】
[0001]本发明属于视觉导航领域，涉及一种基于Meanshift算法的小型载体视觉导航方法，特别针对小型载体的高定位精度、微型化及低成本的要求。
【背景技术】
[0002]近年来，各种小型载体，如无人机(UAV)、小型机载人等在军事上和民用领域的作用日趋重要。小型载体的导航设备需要重量轻、功耗小、探测距离远、分辨率高，传统的GPS受到环境的影响较大，在室内或特殊环境的应用受到限制，惯性导航的误差又随着时间的增长而积累，所以需要其它的辅助导航方法，视觉导航由于视觉传感器体积小，重量轻受到广泛的关注。目前的视觉导航方法主要集中在特征提取、特征匹配的算法，目标为利用特征的位置信息并结合惯性导航的位置信息给出载体的位置。特征的提取和匹配只给出了特征的形状、颜色、大小等特征，而忽略了特征的位置信息变化。Meanshift算法利用目标的特征概率密度描述运动目标区域中心位于X的目标模型，在目标中心邻域搜索窗口内以相似性度量最大为原则，寻找最优的位于I的目标模型，使得两次移动距离小于某一阈值，以达到目标的跟踪目的，体现了特征变化的位置信息。因此本发明提出应用Meanshift算法实现小型载体的视觉导航。
【发明内容】
[0003]本发明重点研究小型载体视觉导航系统的关键技术。解决自然路标的特征提取与跟踪问题，解决视觉信息与惯性导航系统参数的数据融合问题，实现视觉信息对惯性导航系统误差的修正，获得精确的导航坐标。具体的研究方案如图1所示。主要内容如下:
[0004]I)基于Meanshift算法实现自然路标的特征跟踪
[0005]2)设计动态扩展卡尔曼滤波器对小型载体的运动状态和视觉特征的位置进行估计，从而获得小型载体的导航参数。
【专利附图】
【附图说明】
[0006]图1是本发明的研究方案图。
[0007]图2是本发明的动态卡尔曼滤波融合视觉信息与惯性导航参数的原理。
【具体实施方式】
[0008]主要环节的具体设计思路如下:
[0009](I)基于Meanshift的自然特征提取与跟踪
[0010]利用提取与跟踪出的目标的位置信息，反算出视觉传感器的位置信息，这涉及到不同特征点的位置信息的叠加。
[0011](2)基于动态扩展卡尔曼滤波的数据融合
[0012]利用动态扩展卡尔曼滤波器融合视觉信息修正惯性导航系统测量误差。定义小型载体方向角为(Φ，θ，Ψ),陀螺偏差为Ovtybr),视觉信息为(Φν, θν，ψν)，系统状态变量选择X= [Φ θ Ψ bp bp bj1，观测变量选择[Φν θν Ψν]，建立系统的状态方程及观测方程，利用动态扩展卡尔曼滤波递推方程估计载体的位置姿态信息，基于动态扩展卡尔曼滤波融合视觉信息与惯性导航参数的原理如图2所示。
[0013]本发明的优点在于，导航摄像机与MEMS惯性导航器件所组成的导航系统成本低廉，体积小，操作方便，精度高，满足小型小型载体的载荷、尺寸、功率、成本等方面的需要，具有良好的应用前景。
【权利要求】
1.基于Meanshift算法的小型载体视觉导航方法利用Meanshift算法实现自然路标的特征提取与跟踪，利用图像序列中的自然路标位置信息确定小型载体的位置，并采用动态扩展卡尔曼滤波实现与惯性导航系统参数的数据融合，从而实现视觉导航信息对惯性导航系统误差的修正，获得精确的导航坐标。
2.根据权利要求1所述的基于Meanshift算法的小型载体视觉导航方法，其特征在于，采用SIFT算法实现自然路标的特征提取与跟踪。
3.根据权利要求1所述的基于Meanshift算法的小型载体视觉导航方法,其特征在于，设计动态扩展卡尔曼滤波器对小型载体的运动状态和视觉特征的位置进行估计。
【文档编号】G06F19/00GK104331638SQ201410713291
【公开日】2015年2月4日 申请日期:2014年11月26日 优先权日:2014年11月26日
【发明者】成怡 申请人:天津工业大学