一种无人机在地铁隧道内的自主定位方法及系统与流程
本发明属于无人机隧道内定位相关,尤其涉及一种无人机在地铁隧道内的自主定位方法及系统。
背景技术:
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
2、地铁隧道属于典型的封闭狭长地下空间,隧道内部卫星导航信号显著衰减甚至完全丧失,无人机难以依赖gnss完成实时定位与稳定飞行。同时,地铁隧道还具有照度不足、结构重复、附属设施密集和作业空间受限等特点,导致现有定位方法在该场景中存在明显不足。
3、现有无gnss环境下的无人机定位方法主要包括惯性导航、视觉里程计、激光slam及外部基站辅助定位等。其中,惯性导航易产生累计漂移;视觉方法在低照度、反光和重复纹理条件下易出现特征退化;激光slam在长直区间和规则断面场景下存在几何退化问题;外部基站辅助定位则部署复杂、成本较高,难以满足地铁隧道常态化巡检需求。此外,地铁隧道内部通常存在规律分布的结构缝、里程牌、设备箱、灯具支架、电缆槽检修口、消防设施和联络通道门等结构及设施要素。若不能有效利用上述场景先验信息,无人机定位将主要依赖局部连续观测,易造成长距离飞行中的误差累积,难以满足地铁隧道高精度巡检和病害定位需求。
技术实现思路
1、为克服上述现有技术的不足,本发明提供了一种无人机在地铁隧道内的自主定位方法及系统,利用场景先验知识,提高无人机在地铁隧道内定位的准确性。
2、为了实现上述目的,本发明采用如下技术方案:
3、第一方面,本发明提供一种无人机在地铁隧道内的自主定位方法,包括:
4、构建隧道先验约束模型;
5、根据无人机进入地铁隧道时的初始位姿进行状态预测,得到无人机状态预测结果;
6、根据无人机状态预测结果,结合隧道先验约束模型构建残差约束项,将构建的残差约束项纳入统一优化框架进行联合优化,求解得到无人机在地铁隧道统一坐标系下的最优位姿;
7、其中,残差约束项包括惯性残差、视觉残差、激光残差、断面约束残差和先验信息约束项;
8、基于当前帧图像中提取的点特征的重投影误差与线特征的点到线距离误差构建视觉残差;
9、根据当前帧点云与局部地图匹配得到的激光位姿观测与由当前状态推算的激光预测位姿之间的位姿偏差构建激光残差;
10、根据当前帧点云断面采样点相对于断面限界的越界量构建断面约束残差;
11、基于隧道内结构缝周期模型、固定设施语义路标拓扑模型及安全飞行走廊模型构建先验信息约束项。
12、第二方面,本发明提供一种无人机在地铁隧道内的自主定位系统,其包括:
13、约束模型构建模块,被配置为:构建隧道先验约束模型;
14、预测模块,被配置为:根据无人机进入地铁隧道时的初始位姿进行状态预测,得到无人机状态预测结果;
15、优化定位模块,被配置为:根据无人机状态预测结果,结合隧道先验约束模型构建残差约束项,将构建的残差约束项纳入统一优化框架进行联合优化,求解得到无人机在地铁隧道统一坐标系下的最优位姿;
16、其中,残差约束项包括惯性残差、视觉残差、激光残差、断面约束残差和先验信息约束项;
17、基于当前帧图像中提取的点特征的重投影误差与线特征的点到线距离误差构建视觉残差;
18、根据当前帧点云与局部地图匹配得到的激光位姿观测与由当前状态推算的激光预测位姿之间的位姿偏差构建激光残差;
19、根据当前帧点云断面采样点相对于断面限界的越界量构建断面约束残差;
20、基于隧道内结构缝周期模型、固定设施语义路标拓扑模型及安全飞行走廊模型构建先验信息约束项。
21、第三方面,本发明提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述的方法。
22、第四方面,本发明提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述的方法。
23、第五方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现完成第一方面所述的方法。
24、以上一个或多个技术方案存在以下有益效果:
25、在本发明中,通过将惯性残差、几何校正残差及场景先验校正残差纳入统一优化框架联合求解,充分利用了惯性测量、视觉几何观测、激光几何观测以及隧道结构先验信息,有效抑制了单一传感器在隧道环境下的误差漂移,无需依赖外部基站或gnss信号,仅利用机载惯性、视觉、激光传感器及预先建立的隧道先验约束模型即可实现高精度自主定位,减少了对外部辅助设备的依赖,适用于地铁隧道常态化巡检作业,显著提高了无人机在无gnss隧道中的定位精度和系统鲁棒性。
26、本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
1.一种无人机在地铁隧道内的自主定位方法,其特征在于,包括:
2.如权利要求1所述的一种无人机在地铁隧道内的自主定位方法,其特征在于,所述隧道先验约束模型包括中心线模型、断面轮廓与限界模型、结构缝周期模型、固定设施语义路标拓扑模型及安全飞行走廊模型;
3.如权利要求1所述的一种无人机在地铁隧道内的自主定位方法,其特征在于,根据无人机进入地铁隧道时的初始位姿进行状态预测,得到无人机状态预测结果,具体为:
4.如权利要求1所述的一种无人机在地铁隧道内的自主定位方法,其特征在于,所述视觉残差的构建,具体为:
5.如权利要求1所述的一种无人机在地铁隧道内的自主定位方法,其特征在于,基于隧道内结构缝周期模型、固定设施语义路标拓扑模型及安全飞行走廊模型构建先验信息约束项,具体为:
6.如权利要求5所述的一种无人机在地铁隧道内的自主定位方法,其特征在于,通过边缘增强、方向筛选和连通性分析提取结构缝候选,在点云中通过法向突变检测、深度不连续检测及局部平面变化分析提取结构缝候选,并将图像候选与点云候选进行时空匹配判定有效结构缝观测。
7.一种无人机在地铁隧道内的自主定位系统,其特征在于,包括:
8.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-6任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-6任一项所述的方法。
10.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序被处理器执行时实现完成权利要求1-6任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com