論無人機(jī)高精度定位與視覺自動跟蹤融合技術(shù)

李密，林旭，陳佳期，曾遠(yuǎn)強(qiáng)，盧雨畋

（福建省海峽智匯科技有限公司，福建 廈門 361000）

輸電線路在電網(wǎng)系統(tǒng)中發(fā)揮著重要作用，并直接影響著廣大人民群眾的日常工作和生活。我國是一個幅員遼闊的國家，不同地區(qū)的地勢條件也有著較大差異，有些輸電線路甚至存在于極為復(fù)雜的地理環(huán)境中，一旦其受到破壞，整個電力系統(tǒng)便無法正常運(yùn)行，那么為了保證電力傳輸系統(tǒng)的穩(wěn)定性，企業(yè)就必須配置專業(yè)人員對輸電線路進(jìn)行及時、有效的巡檢。以往巡檢人員人為操作的方式需要投入較多的人力和物力，并且耗費(fèi)時間較長，外界的環(huán)境條件一旦發(fā)生變化便會對其產(chǎn)生不利影響，因此，無人機(jī)電力巡檢技術(shù)便應(yīng)運(yùn)而生了。如果想要人工有效操控?zé)o人機(jī)，對巡檢人員是有著很高要求的，其必須能夠熟練使用各類無人機(jī)操作技術(shù)，顯然這在實(shí)際工作中并不容易實(shí)現(xiàn)。因此，在電網(wǎng)系統(tǒng)的實(shí)際運(yùn)行過程中建議采用全自動式的無人機(jī)巡檢技術(shù)，該技術(shù)能夠完整且準(zhǔn)確地收集相應(yīng)采集數(shù)據(jù)，并保證了巡檢工作的實(shí)際效率和質(zhì)量，在其發(fā)展過程中是需要相關(guān)配套技術(shù)作為支持和保障的，如高精度定位技術(shù)和計(jì)算機(jī)視覺跟蹤技術(shù)等，運(yùn)用RTK定位技術(shù)能夠有效改善信號傳遞進(jìn)程中易出現(xiàn)定位偏差的問題，利用相機(jī)能夠?qū)崟r掌握線路的巡檢情況，同時利用先進(jìn)的圖像處理軟件還能夠掌握準(zhǔn)確的位置信息，自動進(jìn)行拍攝和導(dǎo)航。另外，SLAM技術(shù)也具有重要的應(yīng)用價值，面對未知環(huán)境該技術(shù)能夠構(gòu)建基于傳感器設(shè)備的地圖信息，并對其精準(zhǔn)定位和快速導(dǎo)航。當(dāng)然，目前無人機(jī)自主巡檢技術(shù)發(fā)展到現(xiàn)在并不是絕對的完善，遇到建筑物過于集中或是視線不佳的情況時，如果無人機(jī)僅僅依靠相機(jī)這類設(shè)備進(jìn)行定位和導(dǎo)航顯然是不夠的，其通常都很難及時避開障礙物，并且精度也無法保證，在室外環(huán)境下不建議采用這一方案。所以，應(yīng)合理運(yùn)用基于多傳感器融合使用的SLAM定位技術(shù)，保證無人機(jī)運(yùn)行的穩(wěn)定性，提升其導(dǎo)航能力，在實(shí)際工作中最常見的為IMU與視覺傳感器融合技術(shù)。

1 相關(guān)理論的研究

1.1 SLAM跟蹤理論

在整個SLAM系統(tǒng)中，跟蹤是其核心的工作進(jìn)程，利用相機(jī)等設(shè)備將圖像實(shí)際特征提取出來并高速進(jìn)行匹配，對相機(jī)的每一幀都進(jìn)行及時追蹤，并科學(xué)估計(jì)無人機(jī)運(yùn)行過程中的位置和狀態(tài)，出現(xiàn)問題及時調(diào)整和優(yōu)化。相比于SIFT和SURF等圖像特征的運(yùn)算工作，ORB的實(shí)際特征運(yùn)算量是最少的，利用CPU計(jì)算便能夠獲得最接近于真實(shí)值的特征效果，而ORB特征還具有旋轉(zhuǎn)恒定性和尺度恒定性等顯著特點(diǎn)，如果SLAM系統(tǒng)計(jì)算過程中需要實(shí)時的數(shù)據(jù)信息，建議選擇ORB這一圖像特征。其具體的提取方法為先構(gòu)建若干層的特征金字塔，依據(jù)金字塔的層數(shù)變化情況確定圖像特征的數(shù)量情況，兩者成一定的反比例關(guān)系，即金字塔層數(shù)越多，圖像特征的數(shù)量就越少?？梢圆捎靡韵碌姆椒ㄓ行Х峙浣鹱炙忻恳粚拥膱D像特征：假設(shè)金字塔的實(shí)際高度為H，而金字塔最底端那層的圖像像素寬度為W，尺度因子為s，那么利用簡單的公式便可以計(jì)算出第n層的金字塔面積和金字塔的總面積，如果特征的提取點(diǎn)數(shù)為N，那么N與金字塔總面積的比值便是單位面積內(nèi)提取的特征點(diǎn)數(shù)，這一比值與該層金字塔面積相乘之后的值則可以得到每一層分配的特征點(diǎn)數(shù)。

筆者在研究中選用的金字塔高度為8，而尺度因子為1.2，那么便可以得到ORB圖像特征的提取流程。具體為：先確定FAST的角點(diǎn)。將閾值設(shè)為T，以待確定的像素點(diǎn)p為圓心畫一個半徑為3的圓，如果圓周上n個點(diǎn)的像素值小于待確定像素點(diǎn)像素值與閾值的差或是大于兩者之后，那么就可以確定待確定的這個像素點(diǎn)為角點(diǎn)，如圖1所示。

圖1 FAST的角點(diǎn)提取

之后便可計(jì)算rBRIEF描述子，以剛才提取的FAST角點(diǎn)為中心，確定圖像鄰域的范圍值為31×31，在這一鄰域中選擇5×5的平均灰度來代替每一個像素，之后便可以得到若干個對比的像素塊，通過比較每兩個像素塊便能夠得到具有一定長度的二進(jìn)制編碼。在考慮到均方差最大原理的影響下，通過對比、分析并篩選出的256對二進(jìn)制編碼實(shí)際上就是rBRIEF描述子。之后便應(yīng)進(jìn)行算法的初始化工作，根據(jù)相應(yīng)特征合理匹配拍攝到的相鄰兩幀的圖像，如果獲得的匹配特征點(diǎn)數(shù)不足，那么就說明跟蹤存在問題，應(yīng)重新繼續(xù)擰定位，并進(jìn)行初始化。算法初始化工作完成后應(yīng)建立相應(yīng)的坐標(biāo)系，將從當(dāng)前圖像幀中提取的圖像特征與原點(diǎn)進(jìn)行匹配就可以得到下一幀圖像的位移數(shù)據(jù)和旋轉(zhuǎn)角度。利用多視角幾何算法就可以得到無人機(jī)在當(dāng)前狀態(tài)下的位置和姿勢情況，并確定了地圖的初始點(diǎn)，利用全集束還可以對其進(jìn)行不斷優(yōu)化和完善。

1.2 局部地圖的科學(xué)構(gòu)建

構(gòu)建局部地圖的主要原理便是不斷將新的關(guān)鍵幀插入到無人機(jī)的跟蹤過程中，并且要不斷調(diào)整和優(yōu)化局部地圖。先確定當(dāng)前幀是不是所謂的關(guān)鍵幀，如果其就是關(guān)鍵幀，便應(yīng)將其插入到局部地圖中，應(yīng)遵循以下3個原則來確定關(guān)鍵幀：第一，關(guān)鍵幀之間的間隔數(shù)量應(yīng)多于20幀；第二，當(dāng)前幀與其他關(guān)鍵幀的匹配點(diǎn)數(shù)不應(yīng)低于50個；第三，關(guān)鍵幀與當(dāng)前幀的共視點(diǎn)應(yīng)超過90%。在局部地圖中插入完成關(guān)鍵幀后不應(yīng)立即開始下一步工作，應(yīng)先將地圖中的一些點(diǎn)位清除出去，采用相鄰關(guān)鍵幀多視角幾何計(jì)算的方法就可以得出相應(yīng)的地圖點(diǎn)，同樣應(yīng)遵循以下2個原則確定是否將地圖點(diǎn)清除：首先，如果有多于3個的關(guān)鍵幀能夠檢測到這一地圖點(diǎn)，那么就不應(yīng)將其剔除；其次，在跟蹤過程中如果有四分之一的可視幀能夠匹配到這一地圖點(diǎn)，也不應(yīng)該將其剔除。

得到所有需要保留的地圖點(diǎn)集合后，采取相應(yīng)的計(jì)算方法還可以確定這一集合的空間位置，在地圖中將所有新出現(xiàn)的地圖點(diǎn)添加進(jìn)去，優(yōu)化和完善局部地圖點(diǎn)及其位姿信息時建議采用局部集束優(yōu)化的方法，一些相鄰的關(guān)鍵幀中是有著重復(fù)地圖點(diǎn)的，實(shí)際工作中應(yīng)將其融合成一個點(diǎn)，并對這一關(guān)鍵幀進(jìn)行及時處理，對所有的關(guān)鍵幀應(yīng)再詳細(xì)檢測一次，發(fā)現(xiàn)有冗余的關(guān)鍵幀應(yīng)立即將其清除。

2 基于RTK的多傳感器融合

結(jié)合無人機(jī)精準(zhǔn)定位導(dǎo)航巡檢工作的具體要求，在研究工作中應(yīng)利用EKF技術(shù)構(gòu)建與無人機(jī)運(yùn)行過程相對應(yīng)的運(yùn)動學(xué)模型，同時利用RTK多傳感器融合技術(shù)不斷提升無人機(jī)定位導(dǎo)航工作的實(shí)際精度，并在確定的SLAM系統(tǒng)方案中將得到的定位信息輸入進(jìn)去。

2.1 人機(jī)運(yùn)動的模型設(shè)計(jì)

文章在重點(diǎn)參考ROS開發(fā)包的基礎(chǔ)上確定了無人機(jī)的模型狀態(tài)數(shù)量，其狀態(tài)向量是維度15，濾波器則主要分為IMU、RTK、氣壓計(jì)和超聲4大輸入模塊，第一個模塊能夠?yàn)橄到y(tǒng)提供精準(zhǔn)的位置姿態(tài)信息，而RTK模塊則能夠準(zhǔn)確發(fā)現(xiàn)水平方向上錯誤的位置信息并進(jìn)行及時修正，其所構(gòu)建的狀態(tài)變量示意圖如圖2所示，其中X、Y、Z分別是位置坐標(biāo)信息，3個角度符號分別代表俯仰角、偏航角和翻滾角。

圖2 所構(gòu)建的無人機(jī)運(yùn)動學(xué)模型

2.2 EKF參數(shù)設(shè)定

在SLAM系統(tǒng)運(yùn)行過程中使用擴(kuò)展卡爾曼濾波算法并結(jié)合無人機(jī)的實(shí)際定位坐標(biāo)信息，而傳感器的數(shù)據(jù)則會根據(jù)上圖中所構(gòu)建的無人機(jī)運(yùn)動學(xué)模型進(jìn)行組合，從而形成狀態(tài)向量的初始值和濾波器協(xié)方差矩陣及噪聲協(xié)方差。如果在某一時刻SLAM系統(tǒng)發(fā)生了變化，那么無人機(jī)的位置坐標(biāo)信息也會隨之發(fā)生變化，由于濾波器的工作標(biāo)準(zhǔn)和流程與EKF是保持高度一致的，那么就能夠估計(jì)出濾波器下一個時間段的運(yùn)行狀態(tài)，利用系統(tǒng)函數(shù)求導(dǎo)的方法能夠大體計(jì)算出均方誤差的預(yù)測結(jié)果和最后的預(yù)測結(jié)果。假設(shè)輸出結(jié)果維度為某一個固定值，那么就能夠預(yù)測出下一個時刻的位姿信息并更新其測量向量，同時分別更新測量殘差、測量殘差協(xié)方差?？柭鲆?、狀態(tài)估計(jì)值和EKF方差等值。

2.3 導(dǎo)航系統(tǒng)構(gòu)成

在實(shí)際工作中要想保證SLAM在系統(tǒng)中的高效、穩(wěn)定運(yùn)用，那么就會產(chǎn)生很大的計(jì)算量，所以，相機(jī)就應(yīng)發(fā)揮出視覺里程計(jì)的作用，并采用SLAM對獲得的數(shù)據(jù)和圖像進(jìn)行處理，數(shù)據(jù)和圖像處理完成后可采用EKF算法實(shí)現(xiàn)與傳感器觀測到的數(shù)據(jù)有效融合，這樣便得到了下一個時刻的位姿信息并在無人機(jī)控制系統(tǒng)中將其輸入進(jìn)去。在明確了預(yù)測值與當(dāng)前位置在姿態(tài)和距離等方面的差異值后，控制系統(tǒng)應(yīng)準(zhǔn)確判斷當(dāng)前位置是否在所設(shè)置的閾值范圍內(nèi)，如果不在閾值范圍內(nèi)就應(yīng)及時調(diào)整飛行的姿態(tài)和路線。

3 實(shí)驗(yàn)驗(yàn)證及分析

對導(dǎo)航系統(tǒng)的工作性能進(jìn)行測試和驗(yàn)證時應(yīng)在室外環(huán)境下進(jìn)行，相關(guān)人員應(yīng)先合理設(shè)置無人機(jī)的飛行軌跡，之后在無人機(jī)處理后端上運(yùn)行擴(kuò)展卡爾曼濾波器，利用藍(lán)牙等媒介將得到的融合數(shù)據(jù)及時傳送給無人機(jī)的控制芯片，將閾值設(shè)定為0.5，如果無人機(jī)飛行到距離的預(yù)計(jì)位置在閾值的范圍內(nèi)，便可在系統(tǒng)中輸入下一個時刻的位置，利用PID算法還能夠?qū)崟r調(diào)整無人機(jī)的飛行位置。實(shí)驗(yàn)驗(yàn)證時可讓無人機(jī)先從地面起飛，在其繞行電塔一周的過程中進(jìn)行拍攝，確定好其飛行軌跡，由于可以同時得到采用融合數(shù)據(jù)的EKF導(dǎo)航飛行軌跡和采用RTK的導(dǎo)航飛行軌跡，應(yīng)對2種飛行軌跡進(jìn)行詳細(xì)的對比和分析，其具體的飛行軌跡如圖3所示。

圖3 試驗(yàn)測試的軌跡圖和設(shè)定軌跡圖

將融合數(shù)據(jù)EKF的飛行軌跡和RTK的飛行軌跡與設(shè)定的飛行軌跡進(jìn)行對比，可以看到前者與設(shè)定飛機(jī)軌跡的平均誤差值和最大誤差值都要更小一些，也就是說運(yùn)用SLAM融合視覺系統(tǒng)并借助融合數(shù)據(jù)EKF進(jìn)行輸出能夠大大提升無人機(jī)導(dǎo)航系統(tǒng)飛行的穩(wěn)定性和實(shí)際精度，當(dāng)然也存在著一些問題，如無人機(jī)在水平方向上飛行或是在起飛和降落時會產(chǎn)生更大偏差，這主要是由于水平飛行時或是無人機(jī)起飛降落時會受到更大的空氣阻力，并且風(fēng)的因素也會對無人機(jī)的飛行產(chǎn)生較大干擾，那么在Z軸方向上就能夠看到無人機(jī)產(chǎn)生明顯抖動，那么與水平方向相比就會產(chǎn)生更大的平均誤差。對無人機(jī)飛行過程中采用的EKF和RTK 2種定位方式分別進(jìn)行采樣，能夠得到每一個坐標(biāo)軸的波形圖，并在實(shí)驗(yàn)中發(fā)現(xiàn)無人機(jī)在X軸和Y軸的圖像上產(chǎn)生的振蕩更大，產(chǎn)生的誤差與圖3無人機(jī)在起飛降落時是一致的。

4 結(jié)束語

通過以上的論述，本文對相關(guān)理論的研究、基于RTK的多傳感器融合和實(shí)驗(yàn)驗(yàn)證及分析3個方面內(nèi)容進(jìn)行了詳細(xì)的分析和探討。文章提出了一種將SLAM系統(tǒng)與RTK定位信息有效結(jié)合的無人機(jī)高精度定位和視覺自動跟蹤技術(shù)，在EKF技術(shù)的支持下實(shí)現(xiàn)了RTK模塊數(shù)據(jù)與SLAM系統(tǒng)數(shù)據(jù)的有效融合，并可以更加精準(zhǔn)地預(yù)測無人機(jī)的運(yùn)行狀態(tài)和輸入位姿信息，借助飛行控制模塊解析其位姿信息，從而有效控制各類硬件設(shè)備并優(yōu)化當(dāng)前狀態(tài)下無人機(jī)的飛行狀態(tài)，提升無人機(jī)導(dǎo)航定位工作的穩(wěn)定性和精確性，保證對電網(wǎng)系統(tǒng)各類電力設(shè)備的巡檢效果。與普通的無人機(jī)GPS定位技術(shù)相比，采用這一技術(shù)方法無論是在定位精度上還是在跟蹤效果上都有了明顯提升，并且可以將誤差控制在cm范圍內(nèi)。