一种用于多目偏振视觉的航向角求解方法与流程

本发明涉及一种用于多目偏振视觉的航向角求解方法，属于偏振光导航领域。

背景技术：

为了提高无人平台的自主导航能力，除了采用传统的卫星导航系统、惯性导航系统之外，还需要积极探索新的导航方法和手段，基于大自然生物系统的模拟仿生感知技术，为导航技术的新发展提供了启示。准确的航向信息是实现自主导航的关键。自然界中很多昆虫和鸟类通过特殊的生理结构感知天空的偏振光信息，从而进行导航活动。例如，沙漠蚂蚁通过检测大气中的偏振模态确定方位信息，可以从距离巢穴数百米的地方沿直线准确返回，蜜蜂、蝴蝶等昆虫也可通过感知天空偏振光的强度和方向实现导航定位。与经典导航技术相比，仿生偏振光导航利用具有自然属性的天空偏振模式，具有抗干扰性强、误差不积累、适用范围广等优势，比较适合复杂环境下的长航时、远距离的自主导航，对于车辆、船舶、飞行器等领域的应用具有广泛前景。

基于多目视觉而设计的偏振光传感器，从结构上接近于昆虫的复眼结构，具有若干像素级的偏振测量单元，可以实现全天域的偏振信息的精细化测量。与传统的基于光电二极管式的点型偏振光传感器相比，具有检测区域广、测量不易受天气变化等因素影响的优势，并且在基于多目视觉的偏振光传感器中，相机的CCD测量噪声较小，有利于实现全天域精细化的偏振信息测量。从目前公开发表的文献看，鲜有文献对基于区域偏振信息的偏振光定向方法进行深入研究，尤其是地面无人平台在城市环境中进行偏振光定向时，偏振图像会受到外界障碍物的遮挡，严重影响偏振信息的准确性，若直接进行计算，势必会对定向结果的精度产生较大影响，此外利用单测量点的偏振信息进行定向的方法，易受到环境干扰和测量噪声的影响，方法鲁邦性不强，解算结果精度不高，因此需要寻求一种利用偏振信息在线去除遮挡障碍，并且能够有效利用多点偏振信息实现鲁邦性强、精度高的航向角求解方法。

技术实现要素：

本发明要解决的技术问题就在于：在有遮挡障碍环境中如何有效地利用多目偏振视觉测量信息获取载体的航向信息。

为解决上述技术问题，本发明提出的解决方案为：

一种用于多目偏振视觉的航向角求解方法，其特征在于包括以下几个步骤：

(1)求解天空偏振度的梯度信息，识别剔除偏振图像中的遮挡障碍区域，建立偏振光定向模型；

(2)建立求解航向角的目标优化函数，并利用全局最小二乘法求解航向角。

所述步骤(1)通过以下步骤实现：

1)求解偏振度的梯度信息

由多目偏振视觉传感器获取的偏振信息，包含偏振角β(i,j)和偏振度χ(i,j)，偏振度的梯度求解方法为：

式中，grad(·)表示梯度值，(i,j)表示像素位置；

2)识别偏振图像中的天空与非天空区域，按照一定规则剔除偏振图像中的遮挡障碍区域根据每个像素的梯度信息，剔除规则如下：

式中，Sky表示天空区域，non-Sky表示非天空区域，ε为梯度阈值，一般取0.02～0.07。

3)利用天空区域的偏振信息，建立偏振光定向模型

偏振光的定向模型为：

[vl×]^-1vp＝λKxs (3)

式中，xs＝[sin(ψ+δs) cos(ψ+δs) 1]^T，ψ为航向角，δs为太阳方位角，vp为偏振光的E 矢量方向的单位矢量，vl为观测散射光方向的单位矢量，K为由太阳矢量的变换矩阵，λ为常数。

所述步骤(2)通过以下步骤实现：

1)利用天空区域多测量点的偏振角信息建立的定向方程为：

式中，J和D为相关测量矩阵与向量，R和r为测量噪声；

2)建立求解航向角的目标优化函数

令F＝[-D J]，y＝[1 cos(ψ+δs) sin(ψ+δs)]^T，则求解航向角的目标优化函数为：

min||Fy||²＝miny^TF^TFy (5)

s.t.y^Ty＝2 (6)

3)利用全局最小二乘法求解航向角

根据全局最小二乘可知，上述目标函数的最优解y*为矩阵F^TF的最小特征值对应的特征向量，则载体的航向角为：

ψ＝arctan(y^*(3)/y^*(2))-δs (7)

式中，y^*(·)表示组成向量y^*的单个元素。

与现有技术相比，本发明的优点在于：

(1)本发明根据偏振测量的梯度信息，能够实现在线剔除偏振图像中的遮挡障碍，为提高偏振光定向精度提供了基础；

(2)本发明利用多个有效的偏振测量信息，并考虑测量噪声的影响，采用全局最小二乘的优化方法实现航向角的估计，具有计算简单、操作简便、精度高的优势。

附图说明

图1为本发明方法的流程示意图；

图2为本发明方法的具体计算流程图；

图3为本发明方法利用偏振信息去除遮挡障碍的结果图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明作进一步详细说明。

如图1和图2所示，本发明涉及的一种用于多目偏振视觉的航向角求解方法，其原理为：该方法首先利用多目偏振视觉传感器测量天空偏振光的偏振信息，然后求解天空偏振度的梯度信息，识别剔除偏振图像中的遮挡障碍区域，根据大气标准Rayleigh散射，利用天空区域的偏振信息建立偏振光定向模型，最后建立航向角的目标优化函数，采用全局最小二乘的方法求解目标函数的最优解，从而实现多目偏振视觉的定向。

结合具体应用实例，本发明的具体流程为：

1.利用多目偏振视觉传感器测量天空偏振光的偏振信息。

2.求解偏振梯度信息，识别剔除偏振图像中的遮挡障碍区域，建立偏振光定向模型。

1)每个相机中各像素点的偏振角信息为β(i,j)，偏振度信息为χ(i,j)，求解各像素点的偏振度的梯度信息：

式中，grad(·)表示梯度值，(i,j)表示像素位置。

2)识别偏振图像中的天空与非天空区域，按照一定规则剔除偏振图像中的遮挡障碍区域。非遮挡障碍的区域为天空区域，记为Sky，遮挡障碍的区域为非天空区域，记为non-Sky，识别剔除规则为：

式中，ε为梯度阈值，本发明取为0.05。偏振梯度去遮挡障碍结果如图3所示，第一行为含有遮挡障碍的原始图像，第二行为偏振梯度图像，第三行为剔除遮挡障碍后的偏振图像，第四行为未剔除遮挡障碍的偏振图像。在第四行的偏振图像中，由于遮挡障碍区域的偏振信息含有大量随机误差，直接运算会对定向精度产生较大影响，与此相比，本算法能够有效地去除遮挡障碍区域(前三行为本算法流程的结果说明)，仅利用天空区域的偏振信息进行解算，保证了定向结果的精度。

3)根据大气标准Raleigh散射模型可知，偏振光的E矢量方向始终垂直于太阳、观测点和散射点所组成的平面，则偏振光的定向模型为：

[vl×]^-1vp＝λKxs (3)

式中，xs＝[sin(ψ+δs) cos(ψ+δs) 1]^T，ψ为航向角，δs为太阳方位角，vp为偏振光的E 矢量方向的单位矢量，vl为观测散射光方向的单位矢量，[vl×]为相应的反对称矩阵，K为由载体太阳矢量的转换矩阵，λ为常数。

偏振光的E矢量方向的单位矢量vp为：

式中，β为测量点的偏振角信息，αc、αh为像素的姿态变换角，可由像素的位置和相机的标定参数获得：

式中，(u0,v0)为图像的中心坐标，f为相机焦距。可由相机标定获得。

观测散射光方向的单位矢量vl为：

vl＝[sinαccosαh sinαhsinαc cosαh]^T (6)

太阳方向矢量的转换矩阵K为：

式中，p和q分别为载体的俯仰角和滚动角，可由惯性传感器获得，δh为太阳高度角，可由天文日历查询得到。

3.利用天空区域的多个测量点，建立求解航向角的目标优化函数，利用全局最小二乘法求解航向角。

1)利用天空区域多测量点的偏振信息建立的定向方程。根据上述定向模型可得：

T(1)sin(αc)sin(αh)-T(2)cos(αc)sin(αh)-T(3)tanβ＝0 (8)

式中，T(·)为组成矩阵T的行向量。

记[vl×]K＝A，c＝[sinαcsinαh -cosαcsinαh -tanβ]^T，a1、a2和a3分别为矩阵A的列向量，则上式可写为：

即：

式中，

假设多目偏振视觉可获取n(n≥2)有效测量点，则式(17)可写为：

式中，si(i＝1,2,…,n)为第i个测量点的相关矩阵，di(i＝1,2,…,n)为第i个测量点的响应值。

写成矩阵形式为：

2)建立求解航向角的目标优化函数。由于在实际测量中，多目偏振视觉传感器的测量误差以及外界天气条件的影响，偏振光定向收到测量噪声的影响。考虑测量噪声，则上式可重写为：

式中，R和r为测量噪声。

令F＝[-D J]，y＝[1 cos(ψ+δs) sin(ψ+δs)]^T，根据全局最小理论可知，求解航向角的目标优化函数为：

min||Fy||²＝miny^TF^TFy (14)

s.t.y^Ty＝2 (15)

3)利用全局最小二乘法求解航向角。根据全局最小二乘可知，上述目标函数的最优解y^*为矩阵F^TF的最小特征值对应的特征向量，则载体的航向角为：

ψ＝arctan(y^*(3)/y^*(2))-δs (16)

式中，y^*(·)表示组成向量y^*的单个元素。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。