基于改进GMS算法的无人机室内定位研究

针对无人机室内无全球定位系统(GPS)信号、定位精度较低的问题,提出融合视觉和惯性数据来实现无人机室内定位。前端改进特征匹配算法,针对图像发生旋转运动提出了利用主成分分析法(PCA)计算旋转角度,改变特征点所在网格及其8邻域网格,并根据邻域特征点与匹配特征点欧氏距离设定高斯阈值,提出新的分数统计模型,使正确匹配对的数量增多,提高了特征匹配的快速性和视觉室内定位的准确性。针对图像局部相似产生误匹配问题,提出了利用特征点之间的几何关系确定数据集,通过Pearson相关系数分析数据的相似性,设定阈值剔除置信度较低的特征匹配对,优化视觉估计无人机的位姿信息、后端采用视觉惯性基于滑动窗口的紧耦合优化位姿信息。通过设计室内光线正常与室内光线较暗情况下的无人机悬停实验,分析其飞行日志可知,改进后网格运动统计(GMS)算法的特征匹配速度是原算法的3倍,并在局部相似区域剔除误匹配,特征匹配准确率能达到94%,无人机室内定位精度达到0.02 m,能在复杂军事环境中有更好的应用。