基于特征匹配的飞行器航路偏移误差的自校正方法属于飞行器航路位置偏移校正技术领域，分为离线处理和在线处理两个部分：离线处理部分利用卫星或无人机获得选定地标区域的在先验图像，利用SIFT算法软法得到先验图像的SIFT特征点参数，及地标区域的地理位置信息，生成先验数据库；飞行器将该先验数据库载入到飞行器存储器中，飞行时对采集图像用SIFT算法软件求得SIFT特征点参数，与先验图像SIFT特征点进行匹配构成特征点对，然后再用设定的精匹配时特征点对数的阈值，以及设定的飞行器偏航精度分别采用不同的偏移解算方法，相对基于单点地标飞行器空间位置实时计算方法，本发明专利技术克服了高度的和姿态角的信息对解算精度的影响。
【技术实现步骤摘要】
本专利技术提供了一种基于特征匹配的飞行器航路偏移误差的自校正方法，属于图像 信息处理与导航领域的结合领域。根据特征配准结果自适应选择航路偏移解算方法，从而 获得飞行器的位置偏移。
技术介绍
飞行器在飞行中要依赖惯性导航系统（InertialNavigationSystem,INS)进行 定位，但是由于惯性器件的累积误差，惯导输出的位置坐标会随着时间累积发散。为了纠正 惯导的累积误差，一般采用组合导航的方式对INS的输出进行修正，提高惯导的输出精度。 INS/卫星定位系统是现在最为常用的组合导航的方式，如全球定位系统（GlobalPosition System,GPS)或者北斗卫星导航系统（BeidouNavigationSatelliteSystem,BDS)。 但是在实际应用中，卫星定位系统并不是实时可用的，会受到卫星平台可用性，以 及信号干扰等方面的影响。当卫星定位系统失效时，需要借助其它方式对惯导输出结果进 行纠正。由于视觉导航自主性强，精度高，实时性好，所以INS/视觉导航成为了组合导航的 一个重要发展方向。 丁文锐、康传波的专利（申请公布号CN103822635A)基于视觉信息的无人机飞 行中空间位置实时计算方法，该专利利用单点地标对飞行器的空间位置进行实时计算，计 算时需要利用单点地标的高度信息，将高度误差引入到计算结果中。而本专利技术能够充分利 用地标区域的信息，利用SIFT匹配特征点进行偏移解算，当匹配对个数大于设定阈值N_ fine时，可以采用方法5-b或5-c进行解算，方法5-b消除了高度误差对解算精度的影响， 方法5-c消除了姿态角和高度信息对解算精度的影响。
技术实现思路
本专利技术的目的在于提供了一种利用图像传感器，基于特征配准的航路偏移解算方 法，当卫星定位系统失效时，通过对已知地标的图像信息的采集，实现对飞行器惯性导航误 差的实时修正。 该系统分为离线处理和飞行器在线处理两个部分。 离线处理的作用是选定地标区域并建立先验信息数据库，包括以下几个步骤： 步骤（1)地标区域选定并获得该地标区域的先验影像信息。 步骤（2)对该地标区域的先验影像进行SIFT特征点提取。 步骤（3)生成该地标区域的先验数据库，包括先验图像信息，特征点信息，以及地 标区域的地理位置信息。 在线处理的作用是飞行器飞行时利用图像传感器对地标区域进行图像采集，与离 线建立的地标区域的先验数据库进行对比，检测地标区域，并根据地标区域在采集图像中 的像素坐标，计算飞行器的位置信息。包括以下几个步骤： 步骤（1)将地标区域的先验数据库存储到飞行器的存储器中。 步骤（2)拍摄选定地标区域的实时图像，并进行图像预处理： 由于受到环境、传感器及平台干扰等的影响，飞行器获得的图像数据会存在噪声 及各种形式的干扰，为了保证后续操作的质量和性能，所以首先要对获取的图像进行预处 理操作。 步骤⑶提取采集图像的SIFT特征点： 利用SIFT算法软件对预处理之后的采集图像进行SIFT特征点提取，地标区域的 采集图像作为SIFT算法的输入，输出得到得到稳定的SIFT特征点参数集合。 步骤（4)特征匹配： 特征匹配即根据地标区域在线数据中先验图像的SIFT特征参数集合，以及图像 传感器采集影像的SIFT特征参数集合进行配准，特征匹配分为粗匹配和精匹配两部分。 步骤（4. 1)特征粗匹配： 粗匹配是用唯一描述向量（地标区域先验图像和采集图像的SIFT特征点的描述 向量间的欧氏距离）建立先验图像和采集图像之间的映射关系，利用向量间的欧氏距离来 进行粗配准。粗匹配的输出结果包括先验图像和采集图像匹配成功的特征点对，也包括对 该匹配特征点对的评分score，score是该特征点对描述向量欧氏距离的平方。 步骤（4. 2)统计粗匹配的结果： 若粗配准中成功匹配的特征点对为"0"，则输出"解算失败"，转入步骤（2)，若该 步骤中成功匹配的特征点对数大于零，则统计成功匹配的对数N。 步骤（4. 3)特征精匹配：设定特征精匹配的阈值为N_fine(N_fine>3)，设定需要的解算精度为DIST(单位 为米）。 特征精匹配是在粗匹配的基础上，采用MLESAC(MaximumLikelihoodEstimation bySampleandConsensus，随机抽样最大似然估计）进一步进行筛选，去除匹配错误的特 征匹配对，将剩下的匹配对转入步骤（5)进行飞行器位置偏移的解算。 当粗配准成功的特征点对的数目N彡N_fine时，输出N对特征点对中score中最 小的特征点对，采用步骤（5-a)方法进行解算。当粗配准成功的特征点对的数目N>N_fine 时，进行精配准筛选出错误的匹配对后输出正确的特征点对，同时对设定的解算精度DIST 进行判断，若DISTS10m，转入步骤（5-c)进行解算，若DIST>10m，转入步骤（5-b)进行解 算。步骤（5)航路偏移解算： 航路偏移解算是根据地标区域在采集图像中的像素坐标来计算飞行器的位置偏 移，该部分是本专利技术的重点所在。本专利技术提供了三种进行航路偏移解算的方法（a) (b) (C)，根据精匹配中的成功匹 配的特征点对的数目N和设定的解算精度DIST选择对应的方法进行解算。 本专利技术的优点在于： (1)适应性好。无需用到GPS或北斗的信息，直接利用已知地标区域在采集图像中 的坐标，就能够对飞行器的空间位置进行定位。 (2)稳定性好。本专利技术中计算飞行器的位置坐标时，具体设计了三种策略，采用三 种方法相结合的方式，能够充分利用地标区域的信息，提高解算精度，同时，当地标点附近 的信息不完善时，也能通过方法（a)进行解算，适应性强。【附图说明】 图1是本专利技术的离线处理部分的流程图。 图2是本专利技术的在线处理部分的流程图。 图3是在线处理过程中粗匹配后的输出结果。 图4是在线处理过程中精匹配后的输出结果。【具体实施方式】 下面根据附图对本专利技术的【具体实施方式】进行详细说明。 本专利技术的基于特征匹配的飞行器航路偏移误差的自校正方法，其离线处理部分的 流程图如图1所示，包括以下几个步骤： 步骤⑴选定地标区域并获得地标区域的先验图像： 根据预先拟定的飞行器的飞行航线，进行地标区域的选取。选定的地标区域应该 具有丰富、明显的图像特征且不易混淆，如摩天大楼，立交桥，河流等具有明显特征且难以 复制的特点。 利用卫星或无人机等方式对设定的地标区域进行图像采集，获得该地标区域的先 验图像以及该地标区域的地理坐标信息。 步骤⑵提取先验图像的SIFT特征点： 利用SIFT算法软件对所述先验图像进行SIFT特征点提取，获得其特征点 的描述向量Vf，组成先验图像特征点描述向量的集合1，2,…，凡-1，N。，N。为先验图像的SIFT特征点数， 步骤（3)生成地标区域的先验数据库：将步骤（1) (2)获得的图像信息，地标区域 的地理坐标，SIFT特征点参数存入到先验数据库，完成先验数据库的建立。 本专利技术的，其在线处理部分的流 程图如图2所示，包括以下几个步骤： 步骤（1)将地标区域的先验数据库事先存储到飞行器的存储器中。 步骤（2)实时拍摄选定地标当前第1页1 2 3 本文档来自技高网...
【技术保护点】
基于特征匹配的飞行器航路偏移误差的自校正方法，其特征在于，分为地面离线处理和飞行器在线处理两个部分：地面离线处理部分，分为以下步骤：步骤(1)，选取具有明显特征且难以复制的区域作为地标区域，利用无人机或卫星获得该地标区域的先验图像；步骤(2)，提取先验图像的SIFT特征点：利用SIFT算法软件对所述先验图像提取SIFT特征点的描述向量组成先验图像特征点描述向量的集合n＝1,2,…,Nc‑1,Nc，Nc为先验图像的SIFT特征点数，步骤(3)，生成地标区域的先验数据库，包括先验图像，特征点信息，以及地标区域的地理位置信息，飞行器在线处理部分，分为以下步骤：步骤(1)，将地标区域的先验数据库事先载入到飞行器的存储器中，步骤(2)，拍摄选定地标区域的实时图像，并进行图像预处理：飞行器实时飞行时拍摄所述地标区域进行图像采集，然后，依次采用中值滤波去噪，灰度直方图校正以增强图像，最后用预设的相机内参数进行镜头畸变校正，步骤(3)提取采集图像的SIFT特征点，利用SIFT算法软件采集得到的图像提取SIFT特征点的描述向量生成采集图像SIFT特征点描述向量的集合Vp，n＝1,2,…,Np‑1,Np，Np为采集图像的SIFT特征点数，步骤(4)，对所述先验图像和采集图像进行SIFT特征点匹配：步骤(4.1)特征点粗匹配：步骤(4.1.1)，在采集图像SIFT特征点集合Vp中任取一特征点的描述向量使其与先验图像SIFT特征点描述向量的集合Vc中所有特征点的描述向量按以下步骤进行特征点粗匹配：步骤(4.1.1.1)，计算下列参数：分别计算与Vc中所有特征点的描述向量的欧氏距离并按所述欧氏距离的大小从小到大，组成欧氏距离的升序序列，假设该欧氏距离序列中为该序列中的唯一一个最小值，为所述欧氏距离序列的次小值，步骤(4.1.1.2)，判断|Vp(i)-Vc(j)|/|Vp(i)-Vc(l)|<1/2]]>否：若：小于，则匹配成功，得到一对特征点对并将作为该特征点对的分数score进行输出，即若：大于等于，则该点粗匹配失败，即采集图像中的该特征点在先验图像中没有对应的特征点能够匹配，步骤(4.1.1.3)，在所述采集图像SIFT特征点集合Vp中的余下各特征点依次执行步骤(4.1.1.1)～步骤(4.1.1.2)，直到采集图像的Np个SIFT特征点全部匹配完毕，步骤(4.2)统计粗匹配结果：若：若成功匹配的SIFT点数为“0”，输出解算失败，返回步骤(2)，若成功匹配的SIFT特征点数大于零，则统计成功匹配的对数N，步骤(4.3)，特征点精匹配：步骤(4.3.1)，初始化：设定精匹配的阈值N_define，且设置的N_define应满足N_define>3，偏航精度DIST，单位为米，步骤(4.3.2)判断步骤(4.2)中统计的粗匹配成功数N≤N_define否：若：粗匹配特征点数N≤N_define，执行步骤(5.2)，若：粗匹配特征点数N>N_define，执行步骤(4.3.3)，步骤(4.3.3)，采用MLESAC(Maximum Likelihood Estimation by Sample and Consensus，随机抽样最大似然估计)进行精配准，对粗配准确定的匹配对坐标关系的一致性进行分析，去除匹配错误的特征匹配对，把剩余的正确匹配特征点进行输出，步骤(4.3.4)判断设定的偏航精度DIST≤10m否：若：＞10m，则执行步骤(5‑b)，若：≤10m，则执行步骤(5‑c)，步骤(5)，根据所述地标区域在采集图像中的像素坐标计算飞行器的位置偏移：步骤(5.1)飞行器采集以下参数，无人机当前经纬度坐标(B,L)，当前高度H，无人机当前姿态角：偏航角α，俯仰角β，横滚角γ，步骤(5.2)，步骤如下：步骤(5.2.1)，选择score中最小的匹配对，执行步骤(5.2.2)，步骤(5.2.2)，依次按以下步骤计算飞行器的位置偏移：步骤(5.2.2.1)，以摄像机的光心O为原点建立东北天坐标系(XwYwZw)，步骤(5.2.2.2)，按下式计算地标点m在以飞行器惯性导航系统给出的位置坐标为原点建立的东北天坐标系下的坐标(xw,yw,zw)：xwywzw=RwT(f*Sx000f*Sy0001)-1upvp1zm]]>其中(up,vp)为地标点m在采集图像中的像素坐标，zm为所述地标点m在摄像机坐标系中的z轴坐标，zw＝H已知，求出zm，从而求出xw,yw，Rw是摄像机坐标系和摄像机东北天坐标的姿态旋转矩阵，是Rw的转置矩阵，Rw=cosλcosα-sinλsinβsinαcosγsinα+cosαsinγsinβ-c...
【技术特征摘要】
【专利技术属性】
技术研发人员：陶晓明，刘喜佳，徐洁，葛宁，陆建华，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。