技术领域
[0001] 本
发明涉及定位导航领域,具体涉及一种无人机定位系统、无人机以及无人机定位方法。
背景技术
[0002] 目前,诸如无人机等运动载体的定位与导航只能依靠GPS和惯性
导航系统,但在惯性导航系统中,由于其
传感器容易受到外界环境干扰,因此导致定位
精度低;在GPS定位系统中,由于地形、人造
建筑物等因素的限制,局部地区GPS
信号较弱或者无GPS信号,因此这些区域也无法依靠GPS实现自主导航。
发明内容
[0003] 针对上述
缺陷,本发明提供了一种无人机定位系统、无人机以及无人机定位方法,其通过二维码等视觉图案构建可识别的视觉地图,由此即使在gps定位不可靠的环境或无惯性导航系统的条件下实现无人机的高精度定位与实时导航。
[0004] 本发明就上述技术问题而提出的技术方案如下:
[0005] 一方面,提供了一种无人机定位系统,其包括:具有图像获取单元的视觉处理模
块,其用于获取视觉地图上的视觉图案的相关信息,并根据所述视觉图案的相关信息获取无人机的
位置信息,且相邻视觉图案的
顶点按照预定规则连接,两个顶点的连接处形成一
角点;
[0006] 所述视觉处理模块根据下列公式(1)-(7)确定所述无人机的位置坐标;
[0007]
[0008]
[0009]
[0010]
[0011] H=[h1 h2 h3]=λK[r1 r2 t] (5);
[0012]
[0013]
[0014] 其中,s为尺度因子,Z=0,H为单应矩阵,R为旋转矩阵,T为平移矩阵,u,v为形成的角点的
像素坐标,XYZ为三维世界坐标;xc=0,yc=0,zc=0,三者均为图像获取单元在图像获取单元
坐标系中的坐标,Xc,Yc,Zc为图像获取单元在三维世界坐标系中的坐标。
[0015] 优选的,所述视觉处理模块还根据下列公式(8)-(11)确定所述无人机的
姿态信息;
[0016] θz=atan2(r21,r11) (8);
[0017]
[0018]
[0019]
[0020] 其中,θx,θy,θz为图像获取单元的三轴旋转角,R为旋转矩阵。
[0021] 优选的,所述定位环境为室内环境或全球定位系统信号不可靠的环境。
[0022] 优选的,所述视觉地图具有至少一个视觉图案,每一所述视觉图案均为相同的多边形,且每一所述视觉图案上均附有该视觉图案的相关信息。
[0023] 优选的,所述无人机定位系统还包括:
[0024] 路径规划模块,其根据起点和终点、起点与终点之间的路径特点以及获取的视觉地图信息自主构建连接起点和位置的路径;
[0025] 以及运动控
制模块,其用于利用目标期望航点的期望位置、期望航向的期望速度矢量、无人机的期望高度和无人机整体的飞行姿态信息生成制导指令,且根据所述制导指令调整所述无人机的位置和/或控制所述无人机的飞行姿态。
[0026] 优选的,所述自主构建连接起点和终点的路径的方法包括模拟
退火算法、人工势场法、
模糊逻辑算法、禁忌搜索算法、可视图空间、栅格法、蚁群算法、神经网络算法、
遗传算法中的一种或几种。
[0027] 另一方面,还提供一种无人机组件,其包括:
机体以及上述无人机定位系统。
[0028] 优选的,所述无人机组件还包括:
[0029] 样品检测模块,其包括至少一个监测传感器,其用于在无人机飞行过程中采集环境中的样品,并对其进行分析,以获取样品监测信息,并将所述监测信息发送至用户处的终端进行显示;
[0030] 以及
物体识别模块,其用于获取附着于待监视物体表面的物体信息,且将所述物体信息发送至用户处的终端进行显示。
[0031] 另一方面,还提供一种无人机的定位方法,其包括如下步骤:
[0032] S1、在环境中设置视觉地图;
[0033] S2、通过视觉处理模块的图像获取单元抓取所述视觉地图上的视觉图案,获取该视觉图案的相关信息,且根据视觉图案的相关信息确定两视觉图案连接的顶点所形成的角点的位置坐标,根据下列公式(1)-(7)确定所述无人机的位置坐标;
[0034]
[0035]
[0036]
[0037]
[0038] H=[h1 h2 h3]=λK[r1 r2 t] (5);
[0039]
[0040]
[0041] 其中,s为尺度因子,Z=0,H为单应矩阵,R为旋转矩阵,T为平移矩阵,u,v为形成的角点的像素坐标,XYZ为三维世界坐标;xc=0,yc=0,zc=0,三者均为图像获取单元在图像获取单元坐标系中的坐标,Xc,Yc,Zc为图像获取单元在三维世界坐标系中的坐标;
[0042] 以及根据下列公式(8)-(11)确定所述无人机的姿态信息;
[0043] θz=atan2(r21,r11) (8);
[0044]
[0045]
[0046]
[0047] 其中,θx,θy,θz为图像获取单元的三轴旋转角,R为旋转矩阵。
[0048] 优选的,还包括:
[0049] S3、路径规划模块根据起点和终点、起点与终点之间的路径的特点及获取的视觉地图信息自主构建连接起点和终点的路径;
[0050] 以及S4、运动
控制模块利用目标期望航点的期望位置、期望航向的期望速度矢量、无人机的期望高度和无人机整体的飞行姿态信息生成制导指令,且根据所述制导指令调整所述无人机的位置和/或控制所述无人机的飞行姿态。
[0051] 本发明可在gps定位不可靠的环境中或无惯性导航系统的条件下实现无人机的高精度定位与实时导航,且只需要通过二维码、条码等构建通过
机器视觉能够识别的视觉地图即可达到实时定位和控制无人机飞行姿态的目的,简单实用,同时,还可根据自主规划飞行路线,提高工作效率。
附图说明
[0052] 图1为
实施例一中无人机定位系统的结构示意图;
[0053] 图2a为实施例一中无人机、视觉地图的结构示意图;
[0054] 图2b为实施例一中角点的示意图;
[0055] 图3为实施例二中无人机的结构示意图;
[0056] 图4为实施例二中无人机与待监视物体的结构示意图。
具体实施方式
[0057] 为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
[0058] 实施例一:
[0059] 如图1-2a所示,本实施例中无人机定位系统包括:
[0060] 视觉处理模块1,其用于获取视觉地图2上的视觉图案21信息,并根据所述视觉图案21的相关信息获取所述无人机100的位置和姿态信息;所述视觉地图设置于定位环境中;其中,所述定位环境为室内环境或全球定位系统(GPS)信号不可靠的环境;优选的,所述视觉地图2具有至少一个视觉图案21,且每一所述视觉图案21
颜色相同,本实施例中,每一所述视觉图案21均为相同的多边形(包括正多边形,如正方形、菱形、正三角形等);同时,如图
2b所示,每一所述视觉图案上均通过二维码、条码、AprilTag、QR码等方式附有该视觉图案的相关信息(如该视觉图案对应的编号、形状、面积大小、顶点坐标等),且不同视觉图案21的顶点按照预定规则连接,例如,一视觉图案21的某一顶点仅对应连接相邻的、另一视觉图案21的某一顶点,两个顶点的连接处形成一角点22;
[0061] 具体的,所述视觉处理模块1包括图像获取单元11、位置确定单元12和姿态确定单元13;
[0062] 其中,所述图像获取单元11(如相机等)用于抓取所述视觉图案21,且通过识别二维码、条码、AprilTag、QR码等方式获取该视觉图案的相关信息,
[0063] 所述位置确定单元12连接所述图像获取单元11,用于根据视觉图案21的相关信息确定两视觉图案连接的顶点所形成的角点22的位置坐标,如根据顶点连接的两视觉图案的编号获取所形成的角点22的坐标信息,从而确定至少一个角点22(优选4个以上角点22)的位置坐标;以及根据下列公式(1)-(7)确定所述无人机的位置坐标:
[0064]
[0065]
[0066]
[0067]
[0068] H=[h1 h2 h3]=λK[r1 r2 t] (5);
[0069]
[0070]
[0071] 其中,s为尺度因子,Z=0,H为单应矩阵,R为旋转矩阵,T为平移矩阵,u,v为形成的角点的像素坐标,XYZ为三维世界坐标(即无人机的实际飞行坐标);xc=0,yc=0,zc=0,三者均为图像获取单元在图像获取单元坐标系中的坐标,Xc,Yc,Zc为图像获取单元在三维世界坐标系中的坐标;
[0072] 由此,在获取图像获取单元在三维世界坐标系中的坐标后即可确定无人机整体在三维世界坐标系中的实际位置;
[0073] 所述姿态确定单元13连接所述图像获取单元11,用于根据下列公式(8)-(11)确定所述无人机的姿态信息:
[0074] θz=atan2(r21,r11) (8);
[0075]
[0076]
[0077]
[0078] 其中,θx,θy,θz为图像获取单元的三轴旋转角,R为旋转矩阵;
[0079] 由此,在获取图像获取单元11的三轴旋转角后即可确定无人机整体的飞行姿态信息。
[0080] 因此,本实施例中的定位系统即使在gps定位不可靠的环境中,也可不完全依赖惯性导航系统实现高精度定位与实时导航,且只需要通过二维码、条码等构建通过机器视觉能够识别的视觉地图即可达到实时定位和掌握无人机飞行姿态的目的,简单实用。
[0081] 此外,所述无人机定位系统还包括:
[0082] 路径规划模块2,其根据起点和终点(即所述视觉地图所在的位置)、起点与终点之间的路径的特点(包括障碍物数量、障碍物是否移动等)以及获取的视觉地图信息自主构建连接起点和位置的路径;其中,所述自主构建连接起点和终点的路径的方法包括模拟退火算法、人工势场法、模糊逻辑算法、禁忌搜索算法、可视图空间、栅格法、蚁群算法、神经网络算法、遗传算法中的一种或几种;
[0083] 运动控制模块3,其用于利用目标期望航点的期望位置、期望航向的期望速度矢量、无人机的期望高度和无人机整体的飞行姿态信息,通过PID控制算法生成制导指令(所述制导指令包括
横滚角、
俯仰角和
偏航角),且根据所述制导指令调整所述无人机的位置和/或控制所述无人机的飞行姿态。
[0084] 实施例二:
[0085] 本实施例提供了一种无人机组件,如图3-4所示,其包括:机体100’以及实施例一所述的无人机定位系统;
[0086] 样品检测模块101,其包括至少一个监测传感器,其用于在无人机飞行过程中采集环境中的样品(如大气样品),并对其进行分析,以获取样品监测信息,并将所述监测信息发送至用户处的终端进行显示,以供用户进行决策;所述样品监测信息包括PM值、
温度和污染物含量中的一种或几种;
[0087] 以及物体识别模块102,如图4所示,其用于获取附着于待监视物体表面的物体信息,且将所述物体信息发送至用户处的终端进行显示;具体的,所述物体信息包括种类、数量、产地中的一种或几种;所述物体信息包含于二维码、
条形码、AprilTag、QR码等图形中,且可被所述物体识别模块102通过扫描的方式获取。
[0088] 实施例三:
[0089] 一种通过实施例一所述的无人机定位系统实现的无人机的定位方法,其包括如下步骤:
[0090] S1、在环境中设置所述视觉地图;
[0091] S2、通过视觉处理模块的图像获取单元抓取所述视觉地图上的视觉图案,并根据所述视觉图案的相关信息获取所述无人机的位置和姿态信息;
[0092] 具体的,根据所述视觉图案的相关信息获取所述无人机的位置和姿态信息的步骤包括:
[0093] S21、通过图像获取单元(如相机等)抓取所述视觉图案,且通过识别二维码、条码、AprilTag、QR码等方式获取该视觉图案的相关信息;
[0094] S22、位置确定单元根据视觉图案的相关信息确定两视觉图案连接的顶点所形成的角点的位置坐标,以及根据下列公式(1)-(7)确定所述无人机的位置坐标:
[0095]
[0096]
[0097]
[0098]
[0099] H=[h1 h2 h3]=λK[r1 r2 t] (5);
[0100]
[0101]
[0102] 其中,s为尺度因子,Z=0,H为单应矩阵,R为旋转矩阵,T为平移矩阵,u,v为形成的角点的像素坐标,XYZ为三维世界坐标(即无人机的实际飞行坐标);xc=0,yc=0,zc=0,三者均为图像获取单元在图像获取单元坐标系中的坐标,Xc,Yc,Zc为图像获取单元在三维世界坐标系中的坐标;
[0103] 由此,在获取图像获取单元在三维世界坐标系中的坐标后即可确定无人机整体在三维世界坐标系中的实际位置;
[0104] S23、所述姿态确定单元根据下列公式(8)-(11)确定所述无人机的姿态信息:
[0105] θz=atan2(r21,r11) (8);
[0106]
[0107]
[0108]
[0109] 其中,θx,θy,θz为图像获取单元的三轴旋转角,R为旋转矩阵;
[0110] 由此,在获取图像获取单元的三轴旋转角后即可确定无人机整体的飞行姿态信息;
[0111] S3、路径规划模块根据起点和终点、起点与终点之间的路径的特点(包括障碍物数量、障碍物是否移动等)以及获取的视觉地图信息自主构建连接起点和终点的路径;
[0112] 以及S4、运动控制模块利用目标期望航点的期望位置、期望航向的期望速度矢量、无人机的期望高度和无人机整体的飞行姿态信息,通过PID控制算法生成制导指令,且根据所述制导指令调整所述无人机的位置和/或控制所述无人机的飞行姿态。
[0113] 综上所述,本发明可在gps定位不可靠的环境中,也可不完全依赖惯性导航系统实现高精度定位与实时导航,且只需要通过二维码、条码等构建通过机器视觉能够识别的视觉地图即可达到实时定位和控制无人机飞行姿态的目的,简单实用,同时,还可根据的起始位置自主规划最优飞行路线,增加空中
停留时间,提高工作效率。
[0114] 以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何
修改、等同替换、改进等,均应包含在本发明的保护范围之内。