Визуальная навигация автономно летящего БПЛА с целью его возвращения в точку старта

Рассматривается алгоритм автономной визуальной навигации, предназначенный для возвращения в точку старта беспилотного летательного аппарата (БПЛА), оборудованного одной бортовой видеокамерой и бортовым вычислителем, без использования навигационных сигналов GPS и ГЛОНАСС. Предлагаемый алгоритм схож с широко известными алгоритмами визуальной навигации, такими как одновременная локализация и картографирование (V-SLAM) и визуальная одометрия, однако отличается от них раздельным выполнением процессов картографирования и локализации. Он вычисляет географические координаты признаков, найденных на кадрах, снятых бортовой видеокамерой при полете от точки старта до потери сигналов GPS и ГЛОНАСС. После потери сигнала запускается миссия возвращения и вычисляется лишь положение БПЛА относительно построенной на основе найденных ранее признаков карты, которая используется для возвращения в точку старта. Предложенный подход не требует таких сложных вычислений, как V-SLAM, и не накапливает со временем ошибки в отличие от визуальной одометрии и традиционных методов инерциальной навигации. Алгоритм был реализован и протестирован с помощью квадрокоптера DJI Phantom 3 Pro.

1. Durrant-Whyte, H. Simultaneous localization and mapping: part I / H. Durrant-Whyte, T. Bailey // IEEE Robotics and Automation Magazine. – 2006. – Vol. 13, no. 2. – P. 99–110.

2. Bailey, T. Simultaneous localization and mapping (SLAM): part II / T. Bailey, H. Durrant-Whyte // IEEE Robotics and Automation Magazine. – 2006. – Vol. 13, no. 3. – P. 108–117.

3. Scaramuzza, D. Visual odometry [tutorial]. Part I: The first 30 years and fundamentals / D. Scaramuzza, F. Fraundorfer // IEEE Robotics and Automation Magazine. – 2011. – Vol. 18, no. 4. – P. 80–92.

4. Fraundorfer, F. Visual odometry: part II: matching, robustness, optimization, and applications / F. Fraundorfer, D. Scaramuzza // IEEE Robotics and Automation Magazine. – 2012. – Vol. 19, no. 2. – P. 78–90.

5. SVO: semidirect visual odometry for monocular and multicamera systems / C. Forster [et al.] // IEEE Transactions on Robotics. – 2017. – Vol. 33, no. 2. – P. 249–265.

6. Efficient on-board Stereo SLAM through constrained-covisibility strategies / G. Castro [et al.] // Robotics and Autonomous Systems. – 2019. – Vol. 116. – P. 192–205.

7. Qin, T. VINS-Mono: a robust and versatile monocular visual-inertial state estimator / T. Qin, P. Li, S. Shen // IEEE Transactions on Robotics. – 2017. – Vol. 34, no. 4. – P. 1004–1020.

8. VIMO: simultaneous visual inertial model-based odometry and force estimation / B. Nisar [et al.] // IEEE Robotics and Automation Letters. – 2019. – Vol. 4, no. 3. – P. 2785–2792.

9. Залесский, Б. А. Параллельная версия детектора экстремальных особых точек изображений / Б. А. Залесский, Ф. С. Троцкий // Информатика. – 2018. − Т. 15, № 2. – С. 55–63.

10. Форсайт, Д. А. Компьютерное зрение. Современный подход / Д. А. Форсайт, Ж. Понс. – М. : Вильямс, 2004. – С. 76–77.

11. Hartley, R. I. In defense of the eight-point algorithm / R. I. Hartley // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1997. – Vol. 19, no. 6. – P. 580–593.

12. Nister, D. An efficient solution to the five-point relative pose problem / D. Nister // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2004. – Vol. 26, no. 6. – P. 756–770.