Navegación Basada en Visión

Estimación de Flujo Óptico

Dinámica del Análisis de Movimiento de Píxeles

Cuando una aeronave no tripulada penetra en áreas con denegación de GNSS, los transductores ópticos proporcionan una metodología enteramente pasiva y de elevado ancho de banda para monitorizar el avance cinemático. A diferencia de sensores activos como radares o escáneres láser que irradian energía, las cámaras captan información del entorno sin emitir radiofrecuencias, asegurando el silencio electromagnético de la plataforma. La manifestación elemental del seguimiento óptico del desplazamiento es la estimación del flujo óptico.

El flujo óptico se define como el patrón del movimiento aparente de objetos, superficies y contornos dentro de una escena visual, derivado del desplazamiento relativo existente entre la óptica de la cámara y el entorno circundante. En una cámara orientada cenitalmente hacia el suelo en un UAS, el flujo óptico opera como un tacómetro visual de alta frecuencia que cuantifica el salto de las características del terreno entre cuadros de imagen contiguos.

Para computar este desplazamiento, el procesamiento asume la hipótesis de constancia de brillo. Dicho principio postula que la intensidad luminosa o brillo de un píxel concreto en la escena permanece inalterada entre dos cuadros consecutivos muy cercanos en el tiempo, a pesar de que sus coordenadas varíen sobre el plano focal. Al avanzar la aeronave, los accidentes geográficos del terreno desplazan su posición de píxeles en el sensor CMOS (semiconductor complementario de óxido metálico) del sistema.

Calculando gradientes espaciales (variación lumínica entre píxeles adyacentes de un cuadro) y gradientes temporales (variación de intensidad luminosa en una misma coordenada de píxel a lo largo de cuadros sucesivos), el procesador deriva los vectores de velocidad angular de los píxeles sobre el plano de proyección óptica.

Resolución de la Ambigüedad de Escala y Altura

Aunque el flujo óptico proporciona un seguimiento eficiente de velocidades relativas, exhibe un impedimento físico insoslayable: es incapaz de calcular magnitudes absolutas de velocidad (como metros por segundo) de manera aislada. Una cámara actúa como un sensor angular que computa la velocidad angular con que los píxeles se desplazan sobre un plano bidimensional, arrojando una razón dependiente de la relación entre velocidad lineal y altitud.

Un vehículo aéreo desplazándose a alta velocidad a gran altitud genera idéntica tasa de desplazamiento de píxeles que una plataforma volando a baja velocidad a escasos metros del suelo.

Para suprimir esta ambigüedad de escala y obtener el vector de velocidad horizontal real sobre el terreno, el sistema APNT debe integrar mediciones de una referencia vertical independiente, como un telémetro láser o un altímetro barométrico. Al normalizar la componente de flujo óptico traslacional con la altitud real sobre el terreno (AGL), el algoritmo escala el movimiento angular de los píxeles, convirtiendo cocientes abstractos de velocidad/altura en mediciones cinemáticas absolutas de velocidad lineal.

Mapeo Mediante Visual SLAM

Seguimiento Simultáneo y Construcción de Mapas

Mientras que el flujo óptico se circunscribe a registrar velocidades cinemáticas relativas, la Localización y Cartografía Simultáneas Mediante Visión (Visual SLAM) representa un enfoque computacional mucho más complejo. El Visual SLAM confiere a la aeronave la capacidad de incursionar en entornos ignotos y no cartografiados, modelando un mapa tridimensional del espacio en tiempo real al tiempo que calcula su propia trayectoria dentro del entorno estructurado.

Un algoritmo consolidado de Visual SLAM opera mediante una arquitectura desacoplada que separa un Front-End de alta tasa y un Back-End de baja frecuencia:

• El Front-End de Seguimiento: Módulo que opera en tiempo real procesando los cuadros de imagen entrantes a elevada velocidad. Detecta puntos de interés visuales sobresalientes (como esquinas de alto contraste, texturas pétreas o vértices estructurales) y realiza su seguimiento a través de secuencias continuas. Facilita una solución cinemática local de corto plazo para la trayectoria del móvil, operando como un motor de odometría visual.
• El Back-End de Optimización: En tanto que el Front-End atiende la estimación local inmediata, el Back-End asume la integridad geométrica global del mapa elaborado. Aplica un procedimiento de optimización denominado Ajuste de Haces (Bundle Adjustment). Dicho algoritmo ajusta conjuntamente las coordenadas tridimensionales calculadas de los puntos del entorno y las posiciones históricas de la plataforma, minimizando los residuos de proyección geométrica en la secuencia de capturas almacenadas.

Cierre de Bucle y Eliminación de la Deriva

El rasgo más determinante de los sistemas Visual SLAM para trayectos extensos reside en la Detección de Cierre de Bucle (Loop Closure). A medida que la plataforma avanza, el Back-End codifica las capturas entrantes en descriptores visuales sintéticos. Paralelamente, compara estos descriptores frente al registro histórico de locaciones transitadas con anterioridad durante la operación.

Si el UAS retorna o sobrevuela una zona previamente mapeada, el sistema identifica la correlación topológica. Al calcular la transformación espacial exacta entre su posición actual y el registro previo, el computador ejecuta una optimización del grafo de poses (pose graph optimization). Esta operación distribuye el error de desviación acumulado a lo largo de toda la trayectoria histórica, restableciendo instantáneamente la deriva a cero y reanclando con solidez el mapa local.

Navegación Relativa al Terreno (TRN)

Emparejamiento de Perfiles Frente a Nubes de Puntos

En misiones de largo alcance, la aeronave puede alcanzar un posicionamiento absoluto inmune a la deriva valiéndose de la Navegación Relativa al Terreno (TRN). Este método consiste en contrastar observaciones físicas del relieve subyacente frente a una base de datos tridimensional de elevación o nube de puntos cargada en la memoria del sistema con anterioridad a la operación.

Durante el desplazamiento, la aeronave emplea sensores de distancia activos, tales como perfiladores láser (Lidar) orientados hacia abajo o radioaltímetros, para registrar de forma ininterrumpida el contorno altimétrico del terreno. Al deducir esta distancia al suelo respecto a la altitud absoluta sobre el nivel medio del mar (proporcionada por altímetros barométricos y el estimador inercial), el ordenador de vuelo computa un perfil topográfico tridimensional continuo en tiempo real.

Este perfil topográfico en tiempo real se suministra a algoritmos de correlación que comparan la sección medida contra el modelo digital de terreno de a bordo. El procesador desplaza el perfil observado sobre el espacio de búsqueda cartográfico. Al detectar un punto singular de máxima correlación geométrica, el sistema deriva las coordenadas horizontales absolutas del UAS libres de deriva. Esta actualización nutre directamente al filtro primario de navegación para restringir el error inercial, facultando a la aeronave para fijar su posición geográfica sin emitir ni depender de enlaces satelitales o señales de radio externas.

Emparejamiento de Mapas Visuales (Visual Map Matching)

Alineación Global Mediante Imágenes Satelitales

En tanto que la Navegación Relativa al Terreno recurre a la medición activa de perfiles de cota, el Emparejamiento de Mapas Visuales suministra una técnica enteramente pasiva para obtener una localización geográfica absoluta. Esta modalidad consiste en correlacionar imágenes tomadas por una cámara cenital de a bordo con ortofotografías satelitales o cartografía previa de drones georreferenciada, almacenadas en la base de datos del sistema APNT.

La cadena de procesamiento del emparejamiento visual de mapas opera a través de tres etapas principales:

En primer término, la imagen óptica de la cámara se somete a un algoritmo de corrección de perspectiva. Valiéndose de los ángulos estimados de balanceo, cabeceo y altitud instantánea, el software elimina distorsiones angulares, transformando la perspectiva inclinada en una proyección ortogonal cenital equivalente a la escala y orientación de la base satelital.

En segundo lugar, el procesador aplica descriptores de características invariantes para extraer rasgos estructurales permanentes tanto en la imagen captada como en la ventana de búsqueda de la base cartográfica. En lugar de procesar valores radiométricos de píxeles, sensibles a gradientes lumínicos y factores climáticos, el algoritmo identifica alineaciones estructurales como intersecciones de caminos, cauces fluviales o márgenes de pistas de vuelo.

En tercer lugar, tras emparejar los elementos característicos, el sistema resuelve una matriz de transformación geométrica. Dado que cada píxel de la cartografía precargada posee coordenadas geodésicas absolutas de latitud y longitud, el cálculo de esta transformación proyecta el centro focal del encuadre visual sobre una posición geográfica absoluta. Esto suministra un anclaje posicional horizontal inmune al jamming, permitiendo a la aeronave navegar a escala continental con total exactitud.