A Comprehensive UAV Indoor Navigation System Based on Vision Optical Flow and Laser FastSLAM

这份报纸论述为室内的 quadrotor 的全面控制，航行，本地化和印射的答案无人的天线车辆(UAV ) 系统。三个主要传感器在 quadrotor 站台上被使用，也就是，一个惯性的测量单位，一个向下看起来的照相机和扫描激光变化查找者。与这安装， UAV 能要用体力地估计它的自己的速度和位置，当没有碰撞，沿着一个房间的内部墙飞时。在一个以后完成飞行，与收集了数据历史性的 UAV 路径和室内的环境能很好被估计。系统的自治航行部分不要求任何遥远的感觉信息或离线的计算力量，当印射被做时离线。完全的飞行测试被执行了验证忠实和性能航行答案。

基于UWB的室内作物表型信息采集无人机系统设计

针对设施农业室内种植作物表型信息采集的需求,提出小型多旋翼无人机系统采集的方法,并进行了动力系统设计、飞行导航与图像采集模块的选型设计。设计的小型多旋翼无人机系统可搭载可见光图像采集模块,采用UWB定位技术进行室内飞行导航和采集航线规划,能实现室内精准定位和高质量的可见光图像采集。经过实验验证,设计的系统在稳定性、精确性、适应性等方面满足要求,可实现设施农业室内作物表型数据采集需求,为设施农业的高效管理和作物生长研究提供有力的技术支撑。

消费级无人机倾斜摄影测量的室内实景三维模型构建方法

随着无人机技术的日益成熟,倾斜摄影测量数据可有效支撑实景三维展示。消费级无人机具有快速、灵活、高性价比等显著优势,受到广泛关注。然而有关该类无人机室内场景倾斜摄影测量的研究较少。本文开展了基于消费级无人机的室内倾斜摄影三维建模研究。在无GPS辅助情况下,通过少量地面控制点,应用ContextCapture软件,将航摄像片数据经过空三加密、自动建模、贴图等操作后,快速构建出室内实体三维模型。结合对生成模型3MX格式文件的代码分析和编辑,实现了多模型的定位和组合。通过某室内试验大厅的实例验证了该方法的可行性,为消费级无人机在室内实景三维建设方面应用提供了技术参考。

室内环境下基于拓扑连接图的全覆盖搜索算法

随着无人机(unmanned aerial vehicle, UAV)与多智能体协同技术的高速发展,提出了一种基于室内拓扑地图的全覆盖搜索算法,用以解决室内环境下全覆盖搜索问题。首先提取室内环境各房间之间的连接关系,构建拓扑连接图,再提取各房间的中心点,抽象成一系列需要访问的节点,则可将此问题转化为旅行商问题(traveling salesman problem, TSP),利用蚁群优化算法(ant colony optimization, ACO)进行求解得到访问序列,并利用构建好的拓扑连接图来评价访问顺序的可行性,最后,对每个房间进行全覆盖搜索,通过仿真验证了所提算法在室内环境下的全覆盖搜索效果,实验结果证明了算法的可靠性和可行性。

An improved LSE-EKF optimisation algorithm for UAV UWB positioning in complex indoor environments

With the increasing application of UAVs,UAV positioning technology for indoor complex environment has become a hot research issue in the industry.The traditional UWB positioning technology is affected by problems such as multipath effect and non-line-of-sight propagation,and its application in complex indoor environments has problemssuch as poor positioning accuracy and strong noise interference.We propose an improved LSE-EKF optimisation algorithm for UWB positioning in indoor complex environments,which optimises the initial measurement data through a BP neural network correction model,then optimises the coordinate error using least squares estimation to find the best pre-located coordinates,finally eliminates the interference noise in the pre-located coordinate signal through an EKF algorithm.It has been verified by experiments that the evaluation index can be improved by more than 9%compared with EKF algorithm data,especially under non-line-of-sight(NLOS)conditions,which enhances the possibility of industrial application of indoor UAV.

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。

用于无人机室内导航的光流与地标融合方法

针对小型无人机在无卫星导航信号条件下的导航问题,结合光流及地标定位设计了使用摄像头、惯性测量器件、超声测距仪等传感器融合的无人机室内导航方法.文章使用补偿角速率的光流微分法计算帧间像素点小位移,并用前后误差算法提取精度较高的点,避免像素点跟踪错误,提高了光流测速的精度;对得到的光流场用均值漂移算法进行寻优,得到光流场直方图峰值,以此计算光流速度.本文提出了无累积误差的连续地标定位算法,实时测量无人机位置.通过多速率卡尔曼滤波器对观测周期不一致的位置、速度信息进行最优估计.在搭建的八旋翼无人机平台上试验,将位置与速度测量结果分别与激光和PX4FLOW数据对比,结果表明该导航方法可以有效抑制定位跳变与光流测量噪声误差,给出精确的位置与速度估计.

无人机航空摄影测量技术在第三次全国国土调查中的应用

文章首先对无人机航空摄影测量技术进行介绍,然后对0.2 m分辨率的航空遥感影像资料与1.0 m分辨率的遥感影像资料生产的DOM在土地利用现状调查过程中的作用和效果进行了对比分析。利用无人机航空摄影测量技术获取项目区内优于0.2 m分辨率的影像并生成数字正射影像图,实现将高分辨率航空影像成果应用于第三次全国国土调查,相较于1.0 m分辨率的数字正射影像图,这在很大程度上提升了三调工作成果的精度和调查的准确度,减少了外业工作量,提高了第三次全国国土调查工作的效率。

多标记室内小型无人机定位与姿态估计方法

随着无人机(Unmanned Aerial Vehicle,UAV)小型化、轻便化的发展,因其价格低廉,以及在娱乐和服务领域的广泛使用的特点,使得如何实现一个便捷且易实现的自主飞行跟踪系统成为关注点。由于无人机在室内GPS信号弱,使得跟踪与姿态获取成为进一步室内无人机自主控制的重点与难点。与动辄几十万美元搭建的无人机跟踪系统相比,采用低成本单目摄像机的无人机跟踪系统具有更高的科研价值和更广泛的应用前景。针对目前流行的基于增强现实(Augmented Reality,AR)技术的ArUco标记算法和颜色空间域标记算法,设计了一种多标记的无人机跟踪系统。在无人机目标跟踪过程中比较两种方法,验证了两种方法非接触式深度传感器无人机跟踪和姿态估计的效果,并比较了两种方法对空间亮度与空间颜色复杂度的鲁棒性,以及不同跟踪距离下视频中无人机检出率与跟踪精度。实验结果表明,基于深度摄像机获得的无人机位置和姿态数据,无人机可以进行自主的PID控制飞行,且AR标记在复杂环境下无人机的检出率、跟踪实时性、姿态估计精度以及鲁棒性都优于颜色标记,为之后室内无人机在非接触式传感的控制、路径规划、自主规避等进一步实验研究提供了无人机的位置和姿态数据。

基于改进MSCKF的无人机室内定位方法

针对无人机室内定位容易出现漂移的问题,提出基于改进多状态约束卡尔曼滤波器(MSCKF)的无人机(UAV)室内定位方法.该方法在MSCKF的框架下,提出高鲁棒性、低时延的标志点检测方法.利用在世界坐标系下坐标已知的标志点计算得到无人机位姿,实现惯性测量单元(IMU)信息与单目视觉信息融合以及无人机位姿修正.对提出的定位方法进行测试.测试结果表明,该方法的定位误差小于0.266 m,与OpenVins和LARVIO开源算法相比,定位精度提高了54.6%以上.

一种用于无人机室内定位的改进ORB光流算法

针对无人机室内无GPS的导航定位问题,结合ORB特征与LK金字塔光流,提出了一种改进的ORB特征光流算法。采用ORB算法提取每帧图像的特征点,送入金字塔中估计下一帧点集坐标;采用前后双向单追踪策略进行粗匹配;采用FLANN-KNN匹配规则和前后双向双追踪策略组成的精匹配,进行误匹配点集的滤除。通过多种场景提取效果和无人机实际应用两部分实验,从实时性和精确性对算法性能进行了验证分析。仿真结果表明,改进算法具有较好的定位效果和较好的实时性。

基于力传感的系留无人机定位方法研究

在无GPS或弱GPS环境下,系留无人机通常采用激光雷达或视觉进行定位,由于受距离和光线的影响,无法实现精准定位。针对该问题,提出了一种基于力传感的系留无人机绳缆定位方法。系留无人机在室内飞行时,绳缆的状态可等效于悬链线,通过建立系留无人机悬链线模型,可有效估计无人机所处空间位置。使用基于力传感器的无人机、硅胶绳缆、绕线机搭建测试平台,绳缆定位数据与MarveImind的Indoor"GPS"标定无人机的位置做误差对比分析。实验结果表明:基于力传感的系留无人机定位方法,相较于Fotokite Pro无人机绳缆定位方法,定位精度提升了70.86%。该定位方法的提出,有利于系留无人机在无GPS环境下的稳定飞行。

基于UWB技术的无人机室内飞行测试平台设计

针对无人机在室内飞行时,因卫星信号差,不能实现室内自主导航飞行的问题,提出了一种利用导航接收机构造室内三维坐标地图,基于超宽带(UWB)技术的定位系统以获取无人机室内飞行位置信息,借助卫星导航模拟源实时地播发其获取的位置信息卫星信号,可实现无人机室内与室外自主导航飞行一致性。其中定位系统基站与标签设计均以STM32芯片作为控制器,DW1000作为无线收发芯片。为减小无线信号非视距(NLOS)传播影响,算法上先利用卡尔曼滤波模型对原始测距信息进行平滑滤波处理,再采用到达时间差(TDOA)进行定位计算。针对硬件时延,通过时延标校后,可实现基站与标签测距精度达到±10 cm范围,实现厘米定位,可应用于无人机室内飞行测试实验平台研究与搭建中。

基于多智能体强化学习的无人机群室内辅助救援

本文主要研究了在室内场景中使用多台无人机设备对受害者进行合作搜索的问题.在室内场景中,依赖全球定位系统获取受害者位置信息可能是不可靠的.为此,本文提出一种基于多智能体强化学习(MARL)方案,该方案着重对无人机团队辅助救援时的路径规划问题进行研究.相比于传统方案,所提方案在大型室内救援场景中更具优势,例如部署多台救援无人机、救援多位受害者.本方案也考虑了无人机的充电问题,保证无人机的电量始终充足.具体地,鉴于模型中的救援场景深度参数不断变化,所提方案将搜索路径规划问题模拟为部分可观的马尔可夫决策过程(Dec-POMDP),为使得对无人机控制策略最优,本文又训练了一个双深度的Q网络架构(Double DQN).最后使用蒙特卡罗方法验证了本方案在大型室内环境中能够使多台无人机有效合作,且能最大化搜集受害者所用手机内部所存储的位置信息.

基于深度强化学习的多目标无人机路径规划

在搜救领域中,透过程序完成半自主或自主飞行控制,无人机能够协助救难人员更好地完成救援任务。搜救任务中涉及到多个目标间的搜索,相比于单目标的搜索问题,需要更复杂的算法或是奖励重塑形式,才能改进其稀疏奖励的问题。此外,搜救任务比起一般的强化学习问题,更讲究时效性。如何利用搜救的先验知识对算法进行改进,从而提高完成任务的效率和训练时间,是机器学习应用的研究重点。针对搜救任务背景,研究了无人机在多目标问题下的路径规划问题。基于分层学习的概念对已有的深度强化学习算法进行了改进,提出了适用于多目标任务的深度强化学习算法——MTDDPG。该算法结合环境分区和奖励重塑,利用环境分区对搜救场景进行简化,从而缩短训练时间,再通过奖励重塑的方式提升任务完成的效率,提升了MTDDPG算法在多目标搜救任务上的训练速度和效率。利用程序仿真设计三个实验对算法进行验证,并基于不同的先验信息对环境进行建模实验,对比不同算法在多目标任务中的实验结果。此外,根据先验信息的完整与否,对比MTDDPG在不同先验信息完整度的场景下训练的结果,结果表明MTDDPG在多目标搜救任务上,可以有效地解决搜索问题,完成指定的搜救任务。

光流定位自主无人机的研究与应用

随着无人机技术的日益发展和计算机视觉原理的广泛应用,无人机的视觉部分逐渐成为其核心竞争力的一部分。本文详细分析了Lucas–Kanade光流算法,以及其在无人机的室内定位方面的研究于应用,同时对相关算法进行优化处理,相较于传统的算法,运行速度提升22.8%。无人机的室内定位精度,在自稳定状态下能够在半径为15cm的圆内,若外加水平方向上干扰,能够迅速回复原位置。

数字校园室内外一体化三维模型制作

首先利用无人机测绘技术进行校园航拍,并通过摄影测量内业处理软件制作校园正射影像图和数字线划图;再利用测距仪精准量测建筑物室内结构和属性信息,结合SketchUp三维建模软件绘制精准建筑物室内平面图,并构建标志性室内外精细模型;然后采用场景建模软件CityEngine进行校园批量模型生产;最后集成SketchUp的标志性建筑物模型,实现校园三维模型室内外一体化制作,可提高学校对外宣传力度和促进校园信息化建设进程。

基于双目视觉的无人机室内定位研究

基于双目视觉测距和RSS自主定位算法,设计了一种利用地标进行辅助定位的无人机室内定位方法,并对定位系统的有效性和定位精度进行了试验仿真。首先,采用K-means聚类分析和图像的腐蚀与膨胀运算,对RGB格式图像中的地标进行识别与分割得到了地标二值图像;其次,利用统计二值图像连通域的方法求解了地标的形心坐标和最小外接矩形位置,并对地标形心的定位做了误差分析。针对SURF算法匹配误差和计算速度问题,引入图像立体校正和地标最小外接矩形确定的区域匹配约束进行改进,成功得到了地标区域的最佳匹配特征点坐标;最后,设计实验验证了测距精度,并通过对垂直距离和视差倒数的一次多项式拟合,得到了更精确的垂直坐标测量模型。仿真结果表明在模组和算法可正确识别地标的空间范围内,方法的定位误差在3 cm以内,对无人机的室内定位应用有实际意义。

基于改进D*算法的无人机室内路径规划

针对多旋翼飞行器室内无GPS信号时的导航问题,本文采用二维码阵列构建室内定位系统,基于改进D^*算法实现无人机室内路径规划,从而实现飞行器在室内的自主导航和避障。基于ArUco二维码设计了地面阵列为无人机提供了全局精确定位信息,使用改进D^*算法保证了无人机在飞行过程中能自主进行路径规划和飞行。通过设计实验对改进D^*算法进行了数值仿真验证,并在实际无人机的飞行中应用。实验结果证明:所提改进算法较传统D^*算法能更好地保证无人机的飞行安全,同时基于二维码阵列的定位方式不但具有较高精度同时成本低易于实现。

一种基于单目视觉的无人机室内定位方法

目前,无人机定位技术主要依赖以GPS(Global Positioning System)为代表的全球定位系统,然而在室内等GPS信号缺失的地方进行定位则比较困难。另外,传统的室内定位技术主要采用蓝牙、WiFi、基站定位等多种方式融合成一套定位体系,但是该类方法受环境的影响比较大,而且往往需要部署多个设备。此外,这种方式只能得到远近信息,无法知道设备在空间中的姿态。该文提出一种基于单目视觉的无人机室内定位方法。首先,通过无人机机载相机拍摄的图像,结合特征点法和直接法,先跟踪特征点,然后利用直接法根据关键点进行块匹配,估计相机位姿。然后利用深度滤波器对特征点进行深度估计,建立一个当前环境的稀疏地图,最后利用ROS(Robot Operating System)的3维可视化工具RVIZ对真实环境进行仿真。仿真结果表明,所提方法在室内环境下可以获得良好的性能,定位精度达到0.04 m。