基于网格地图的无人机视觉定位方法与流程

1.本发明涉及无人机视觉领域，更为具体的，涉及一种基于网格地图的无人机视觉定位方法。


背景技术：

2.目前无人机的定位主要依赖gnss等导航卫星系统，或者地面差分站。在战争场景下，导航卫星系统的信号容易受到干扰，会导致无人机坠毁或被地方捕获，地面差分站则需要提前在地面上部署基站，这在战争场景下是不现实的。视觉定位是无人机通过机载相机的观测情况进行自主定位的一类方法。大多数无人机视觉定位方法是通过航拍图像与卫星地图之间的匹配完成的，卫星地图是将卫星在高空拍摄的图像拼接构成的。这种视觉定位方法为了保证航拍图像与卫星拍摄的视角尽可能一致，机载相机需要指向地心方向安装，且在低空场景下，观测视角与卫星拍摄视角差异过大，与卫星地图的匹配往往会失效。此时，与预先构建好的三维地图进行匹配定位是一种可行的定位方式。三维网格地图是一种将稀疏的三维空间点连接成许多三维三角形平面，用许多拼接在一起的三维三角形平面描述场景几何结构的三维地图表示方法。这种地图表示方法占据存储空间小，利于超大型场景的地形构建，但却难以应用于定位任务，因为每次用于构造网格地图的三维空间点一般都是不同的。


技术实现要素：

3.本发明的目的在于克服现有技术的不足，提供一种基于网格地图的无人机视觉定位方法，可以只通过单目相机就能在低空复杂环境下实现定位，并且无人机的机载相机安装方式不受限制。
4.本发明的目的是通过以下方案实现的：
5.一种基于网格地图的无人机视觉定位方法，包括以下步骤：
6.将网格地图和无人机构建的实时网格面均转化为三维点云，通过匹配转化得到两个三维点云，从而将两个三维网格面匹配的问题转化为两个三维点云匹配的问题，利用三维点云匹配和网格地图的位置信息计算出无人机观测时刻的绝对位置。
7.进一步地，包括子步骤：
8.s1，提取网格地图在初始位置附近的待匹配区域，然后分别将待匹配网格地图与实时网格面进行体素化；
9.s2，将所有被网格穿过的体素标记为“占据”，其余未被穿过的体素标记为“空”，所有被标记为“占据”的体素块构成一个三维点云；
10.s3，匹配两个三维点云，得到两组点云之间的相对变换关系；
11.s4，根据两组点云间的相对变换关系和网格地图的位置信息，计算出无人机观测时刻的绝对位置。
12.进一步地，在步骤s3中，采用icp点云匹配算法匹配两个三维点云。
13.进一步地，在步骤s4中，所述网格地图的位置信息为网格地图的经纬高坐标。
14.进一步地，在步骤s1中，所述体素化具体为将三维网格面空间划分为多个立方体构成，所述立方体称为体素。
15.进一步地，机载相机能够向任意能观测到地面的方向安装。
16.本发明的有益效果包括：
17.本发明提出一种基于三维网格地图的无人机定位方法，在拥有构建好的三维网格地图后，无人机可以只通过单目相机就能在低空复杂环境下实现定位，并且无人机的机载相机安装方式不受限制，比起现有技术中地心方向安装，可以使无人机具有更广阔的观测视野。
附图说明
18.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简单地介绍，显而易见地，下面描述中的附图仅仅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。
19.图1为网格地图定位流程图；
20.图2为地形网格表面地图示意图；
21.图3为网格表面体素化示意图。
具体实施方式
22.本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
23.本发明实施例用无人机拍摄图像实时构建的网格面与已经建立好的网格地图匹配进行定位。
24.首先，提取网格地图在初始位置附近的待匹配区域，然后分别将待匹配网格地图与实时网格面进行体素化(体素化就是假设三维空间由无数个一定边长的正方体构成，这种立方体称为体素)。然后，将所有被网格穿过的体素标记为“占据”，其余未被穿过的体素标记为“空”。如图3所示，灰色体素块被网格面穿过，白色的表示未被穿过，所有被标记为“占据”的体素块可以构成一个三维点云。通过网格面体素化，两个三维网格面匹配的问题就被转化为了两个三维点云匹配的问题。然后，用经典的icp点云匹配算法匹配两个三维点云，得到两组点云之间的相对变换关系。由点云间的相对变换关系和网格地图的位置信息，计算出无人机观测时刻的绝对位置。
25.本实施例在拥有已经建立好的网格地图的情况下，无人机可以在低空复杂环境下，通过单个相机进行定位，机载相机可以向任意可以观测到地面的方向安装，比起地心方向安装，可以使无人机具有更广阔的观测视野。
26.实施例1
27.一种基于网格地图的无人机视觉定位方法，包括以下步骤：
28.将网格地图和无人机构建的实时网格面均转化为三维点云，通过匹配转化得到两个三维点云，从而将两个三维网格面匹配的问题转化为两个三维点云匹配的问题，利用三
维点云匹配和网格地图的位置信息计算出无人机观测时刻的绝对位置。
29.实施例2
30.在实施例1的基础上，包括子步骤：
31.s1，提取网格地图在初始位置附近的待匹配区域，然后分别将待匹配网格地图与实时网格面进行体素化；
32.s2，将所有被网格穿过的体素标记为“占据”，其余未被穿过的体素标记为“空”，所有被标记为“占据”的体素块构成一个三维点云；
33.s3，匹配两个三维点云，得到两组点云之间的相对变换关系；
34.s4，根据两组点云间的相对变换关系和网格地图的位置信息，计算出无人机观测时刻的绝对位置。
35.实施例3
36.在实施例2的基础上，在步骤s3中，采用icp点云匹配算法匹配两个三维点云。
37.实施例4
38.在实施例2的基础上，在步骤s4中，所述网格地图的位置信息为网格地图的经纬高坐标。
39.实施例5
40.在实施例2的基础上，在步骤s1中，所述体素化具体为将三维网格面空间划分为多个立方体构成，所述立方体称为体素。
41.实施例6
42.在实施例2的基础上，机载相机能够向任意能观测到地面的方向安装。
43.描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
44.根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
45.作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
46.本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
47.上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
48.除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。