Navegación visual

Visión general

La navegación visual es la tecnología clave para que el drone se localice en entornos sin GPS. En este proyecto aprenderás a implementar la localización en interiores con los datos de flujo óptico de la cámara.

Lo que aprenderás

• Bases de la visión por computadora
• Algoritmo de flujo óptico
• Odometría visual-inercial (VIO)
• Fusión de sensores

Materiales necesarios

Artículo	Cantidad	Descripción
Drone ESP32-S3	1	-
Módulo de cámara OV2640	1	-
Sensor de flujo óptico PMW3901	1	Opcional

Paso 1: Cableado del hardware

• Cámara OV2640 → interfaz DVP del ESP32-S3
• PMW3901 (opcional) → interfaz SPI del ESP32-S3

Paso 2: Abrir el proyecto

Descomprime optical_flow.zip y ábrelo con VS Code.

Paso 3: Implementar la función de cálculo de flujo óptico

Abre optical_flow.c e implementa el cálculo de flujo óptico:

void optical_flow_calculate(uint8_t* prev_frame, uint8_t* curr_frame,
                            int width, int height, float* dx, float* dy) {
    // 1. Extraer puntos de característica (esquinas)
    FeaturePoint features[100];
    int feature_count = extract_corners(prev_frame, width, height, features, 100);

    // 2. Hacer seguimiento de los puntos de característica
    FeaturePoint tracked_features[100];
    int tracked_count = track_features(prev_frame, curr_frame, width, height,
                                       features, feature_count, tracked_features);

    // 3. Calcular el desplazamiento medio
    *dx = 0;
    *dy = 0;
    for (int i = 0; i < tracked_count; i++) {
        *dx += tracked_features[i].x - features[i].x;
        *dy += tracked_features[i].y - features[i].y;
    }
    if (tracked_count > 0) {
        *dx /= tracked_count;
        *dy /= tracked_count;
    }
}

Paso 4: Implementar la odometría visual-inercial (VIO)

Abre vio.c e implementa la VIO:

void vio_update(float gx, float gy, float gz,
                float ax, float ay, float az,
                float dt, float flow_dx, float flow_dy) {
    // 1. Predecir la posición con los datos de la IMU
    predict_position(gx, gy, gz, ax, ay, az, dt);

    // 2. Corregir la posición con los datos de flujo óptico
    correct_position(flow_dx, flow_dy, dt);

    // 3. Sacar la posición fusionada
    update_estimated_position();
}

Paso 5: Probar

1. Vuela en interiores y observa si el drone mantiene la posición estable (sin GPS)
2. Reto: dibuja una línea recta en el suelo y haz que el drone vuele a lo largo de ella

Solución de problemas

El cálculo de flujo óptico es impreciso

• Mejora las condiciones de iluminación
• Optimiza el algoritmo de extracción de puntos de característica

Deriva de posición

• Ajusta los parámetros de la VIO
• Añade más fusión de sensores

Sensación de logro

¡Enhorabuena! Has implementado un sistema de navegación visual, ¡la tecnología clave para que el drone se localice en entornos sin GPS!

Siguiente paso

En el siguiente proyecto aprenderás a implementar la planificación autónoma de trayectorias del drone con el algoritmo A*.