15、基于视觉传感器融合的无人机导航技术解析

基于视觉传感器融合的无人机导航技术解析

1. 视觉传感器融合的方式

为了充分利用视觉传感器，大多数无人机（UAS）通常采用以下方式利用视觉数据来增强传统传感器套件的功能：
- 视觉 - 惯性辅助（Visual - inertial aiding） ：视觉和惯性传感器相互辅助。例如，惯性传感器通常用于缩小帧间特征匹配的搜索空间。常见策略是利用光流（OF）测量来增强速度估计。
- 视觉 - 惯性里程计（Visual - inertial odometry） ：可视为视觉 - 惯性辅助的一个子集，其中 6 自由度视觉里程计（VO）与惯性测量值在松散或紧密耦合的传感器中进行融合。

1.1 常用视觉传感器融合算法

方法	描述
视觉 - 惯性辅助	利用宽视场光流和惯性传感器进行无人机导航，通过无迹信息滤波器实现光流辅助的惯性导航，并记录飞行试验中的状态估计误差统计数据以评估性能；使用 SAD 块匹配计算光流，并将光流与惯性测量值集成用于无人机定位和结构从运动（SFM）；采用图像插值算法（I2A），在 GPS 信号丢失时通过光流提供速度辅助，并在地形跟踪任务中提供地面高度，以增强 GPS/INS 系统的状态估计；紧密耦合视觉和惯性传感器，利用惯性传感器输出预测并缩小特征跟踪的搜索空间，并通过蒙特卡罗模拟对定位误差进行统计表征；开发结合多个相机对单个静态特征观测之间几何约束的 EKF 测量模型