多特征多层次景象匹配的飞行器自主导航方法技术

本发明专利技术公开了一种多特征多层次景象匹配的飞行器自主导航方法,利用带有精确地理坐标的遥感影像作为基准图，规划飞行器航迹，并沿飞行器航迹依次割取景象匹配区范围大小的多个区域作为候选景象匹配区；根据每个候选景象匹配区的多个特征因子确定最适匹配区，并为每一个最适匹配区建立4级金字塔影像；基于基准图处理获得的所有匹配导航信息按照快速检索方式存储为基本匹配图库，并存入飞行器；飞行器沿飞行航迹获取实时图像，基于基本匹配图库进行多层次景象匹配，计算飞行器当前位置，完成导航。本发明专利技术的方法利用多特征因子选择出包含丰富信息、稳定特征的最适景象匹配区，利用多层次景象匹配提高了系统景象匹配的速度和稳定性。

Autonomous navigation method of aircraft based on multi feature and multi-level scene matching

【技术实现步骤摘要】
多特征多层次景象匹配的飞行器自主导航方法
本专利技术涉及自主定位导航领域，尤其涉及一种多因子多层次景象匹配飞行器自主导航方法。
技术介绍
近年来，无人飞行器在国内外得到了越来越广泛的应用，作为无人飞行器核心的导航控制系统得到了人们空前的重视和研究。飞行器的导航系统传统上主要有惯性制导系统和卫星导航系统，但是惯导测量误差随着时间逐渐累积，卫星导航的使用容易受到电磁干扰，且卫星导航中常用的GPS容易受到他国的钳制。景象匹配导航由于测量精度高、自成体系、抗干扰性强、系统能耗小、体积小等突出特点，已成为了飞行器自主定位系统的核心关键技术之一。基于景象匹配的飞行器自主导航定位系统的意义：(1)在正常导航情况下，作为飞行器姿态纠偏的辅助装置，配合卫星与惯导导航方式，提高无人机导航定位精度；(2)当飞行器在强磁等复杂环境下，失去卫星导航信号或者卫星导航的精度受到限制时，可由景象匹配导航系统自主控制完成飞行器导航定位任务。然而由于景象匹配中的实时图与基准图存在很大差异，加之它们之间存在尺度和角度的变化，如何将它们正确匹配起来是景象匹配的一大难点，另一难点则是如何提高匹配的速度和效率，使之可以嵌入到板卡中使用。针对这些问题，国内外的学者进行了大量的研究，也取得了许多研究成果，但这两个难点仍没有很好地解决。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种多因子多层次景象匹配飞行器自主导航方法。本专利技术解决其技术问题所采用的技术方案是：提供一种多特征多层次景象匹配的飞行器自主导航方法，包括以下步骤：S1、利用带有精确地理坐标的遥感影像作为基准图，规划飞行器航迹，根据飞行器的成像特点估算景象匹配区范围，并基于基准图，沿飞行器航迹依次割取景象匹配区范围大小的多个区域，均作为候选景象匹配区；S2、根据每个候选景象匹配区的多个特征因子计算综合景象匹配值，若大于设定阈值则标记为最适匹配区，并为每一个最适匹配区建立4级金字塔影像；S3、将步骤S1、步骤S2中基于基准图处理获得的所有匹配导航信息按照快速检索方式存储为基本匹配图库，并将基本匹配图库存入飞行器；S4、飞行器沿飞行航迹获取实时图像，基于基本匹配图库进行多层次景象匹配，所述多层次景象匹配是指先进行快速灰度相关匹配，如果不成功，再进行基于特征的匹配；S5、计算实时图像的中心点的地理坐标，获取飞行器姿态和飞行器速度，并根据实时图像的中心点的地理坐标、飞行器姿态和飞行器速度计算飞行器当前位置，完成导航。接上述技术方案，步骤S1中根据飞行器的成像特点估算景象匹配区范围是指根据飞行器的图像传感器参数和飞行器的高度数据获得实时图像的分辨率，并将实时图像的分辨率归一化到基准图分辨率上，将实时图像在基准图中所占大小作为景象匹配区范围。接上述技术方案，步骤S2中候选景象匹配区的多个特征因子是指图像方差、图像边缘密度、图像自匹配系数、图像特征点密度和图像直线密度。接上述技术方案，步骤S2中根据候选景象匹配区的特征因子计算综合景象匹配值SMA的公式如下：其中，Var为图像方差，TVar为图像方差阈值，0<w1<1为图像方差权重，ρe为图像边缘密度，为图像边缘密度阈，0<w2<1为图像边缘密度权重值，1/SEL为图像自匹配系数的倒数，T1/SEL为图像自匹配系数的倒数阈值，0<w3<1为图像自匹配系数的倒数的权重，ρp为图像特征点密度，为图像特征点密度阈值，0<w4<1为图像特征点密度权重，ρl为图像直线密度，Tρl为图像直线密度阈值，0<w5<1为图像直线密度权重，且w1+w2+w3+w4+w5＝1。接上述技术方案，步骤S3中基于基准图处理获得的匹配导航信息包括汇总信息，所述汇总信息包括：概要文件，文件后缀为txt，文件内容包括基准图名称、基准图路径、基准图坐标系统、基准图影像分辨率、基准图包含区域的地理范围、景象匹配区范围的宽度和高度，每项内容存储一行；航迹线矢量文件，文件后缀为rvf，文件内容为飞行器航迹中包含点的数量以及每个点的地理坐标；全局索引文件，文件后缀为sif，文件内容为基准图中最适匹配区的数量、每个最适匹配区对应的地理范围以及序号；基准图文件，文件后缀为bmp。接上述技术方案，步骤S3中匹配导航信息还包括所有最适匹配区信息，所述最适匹配区信息包括：备注文件，文件后缀为ddf，文件内容为影像数据存在标记、影像中SIFT特征点提取标记以及源影像的路径，每项内容存储一行；最适匹配区1级金字塔影像源文件，文件后缀为bmp，文件名为序号加“_pyramid1”；最适匹配区2级金字塔影像源文件，文件后缀为bmp，文件名为序号加“_pyramid2”；最适匹配区3级金字塔影像源文件，文件后缀为bmp，文件名为序号加“_pyramid3”；最适匹配区4级金字塔影像源文件，文件后缀为bmp，文件名为序号加“_pyramid4”；最适匹配区的SIFT特征点信息文件，文件后缀为sdf，文件内容为最适匹配区的SIFT特征点数量、最适匹配区的SIFT特征描述符维数、每一个SIFT特征点的坐标和每一个SIFT特征点描述符中各维数值。接上述技术方案，步骤S3中基于基准图处理获得的匹配导航信息按照快速检索方式存储为基本匹配图库是指，以基准图命名文件夹作为根目录，在该根目录下构建多个以航线命名的子文件夹，每一航线文件夹下存储概要文件、航迹线矢量文件、全局索引文件和基准图文件，并为所有最适匹配区信息构建子文件夹，分别以最适匹配区序号命名，每一最适匹配区信息子文件夹下存储备注文件、最适匹配区1级金字塔影像源文件、最适匹配区2级金字塔影像源文件、最适匹配区3级金字塔影像源文件、最适匹配区4级金字塔影像源文件和最适匹配区的SIFT特征点信息文件。接上述技术方案，步骤S4中的快速灰度相关匹配是指，先对实时图像进行粗纠正，再利用分级金字塔和降二维为一维进行匹配。接上述技术方案，步骤S4中的基于特征的匹配是指，提取实时图像的SIFT特征点，与基本匹配图库进行基于特征的匹配。本专利技术还提供了一种计算机存储介质，其内存储有可被处理器执行的计算机程序，该计算机程序执行如上述技术方案所述的自主导航方法。本专利技术产生的有益效果是：本专利技术提供的一种多特征多层次景象匹配的飞行器自主导航方法，利用带有精确地理坐标的遥感影像作为基准图和飞行器航迹，在基准图上分割多个候选景象匹配区，对每个候选景象匹配区的多个特征因子计算综合景象匹配值，若大于设定阈值则标记为最适匹配区，并为每一个最适匹配区建立4级金字塔影像，将基于基准图处理获得的所有匹配导航信息按照快速检索方式存储为基本匹配图库，并将基本匹配图库存入飞行器，飞行器飞行时的实时图像和基本匹配图库进行灰度匹配，进一步进行基于特征的匹配，来获得飞行器的位置。本专利技术的方法利用多特征因子选择出了包含丰富信息、稳定特征的最本文档来自技高网...

【技术保护点】
1.一种多特征多层次景象匹配的飞行器自主导航方法，其特征在于，包括以下步骤：/nS1、利用带有精确地理坐标的遥感影像作为基准图，规划飞行器航迹，根据飞行器的成像特点估算景象匹配区范围，并基于基准图，沿飞行器航迹依次割取景象匹配区范围大小的多个区域，均作为候选景象匹配区；/nS2、根据每个候选景象匹配区的多个特征因子计算综合景象匹配值，若大于设定阈值则标记为最适匹配区，并为每一个最适匹配区建立4级金字塔影像；/nS3、将步骤S1、步骤S2中基于基准图处理获得的所有匹配导航信息按照快速检索方式存储为基本匹配图库，并将基本匹配图库存入飞行器；/nS4、飞行器沿飞行航迹获取实时图像，基于基本匹配图库进行多层次景象匹配，所述多层次景象匹配是指先进行快速灰度相关匹配，如果不成功，再进行基于特征的匹配；/nS5、计算实时图像的中心点的地理坐标，获取飞行器姿态和飞行器速度，并根据实时图像的中心点的地理坐标、飞行器姿态和飞行器速度计算飞行器当前位置，完成导航。/n

【技术特征摘要】
1.一种多特征多层次景象匹配的飞行器自主导航方法，其特征在于，包括以下步骤：
S1、利用带有精确地理坐标的遥感影像作为基准图，规划飞行器航迹，根据飞行器的成像特点估算景象匹配区范围，并基于基准图，沿飞行器航迹依次割取景象匹配区范围大小的多个区域，均作为候选景象匹配区；
S2、根据每个候选景象匹配区的多个特征因子计算综合景象匹配值，若大于设定阈值则标记为最适匹配区，并为每一个最适匹配区建立4级金字塔影像；
S3、将步骤S1、步骤S2中基于基准图处理获得的所有匹配导航信息按照快速检索方式存储为基本匹配图库，并将基本匹配图库存入飞行器；
S4、飞行器沿飞行航迹获取实时图像，基于基本匹配图库进行多层次景象匹配，所述多层次景象匹配是指先进行快速灰度相关匹配，如果不成功，再进行基于特征的匹配；
S5、计算实时图像的中心点的地理坐标，获取飞行器姿态和飞行器速度，并根据实时图像的中心点的地理坐标、飞行器姿态和飞行器速度计算飞行器当前位置，完成导航。


2.根据权利要求1所述的自主导航方法，其特征在于，步骤S1中根据飞行器的成像特点估算景象匹配区范围是指根据飞行器的图像传感器参数和飞行器的高度数据获得实时图像的分辨率，并将实时图像的分辨率归一化到基准图分辨率上，将实时图像在基准图中所占大小作为景象匹配区范围。


3.根据权利要求1所述的自主导航方法，其特征在于，步骤S2中候选景象匹配区的多个特征因子是指图像方差、图像边缘密度、图像自匹配系数、图像特征点密度和图像直线密度。


4.根据权利要求1所述的自主导航方法，其特征在于，步骤S2中根据候选景象匹配区的特征因子分别计算综合景象匹配值SMA的公式如下：



其中，Var为图像方差，TVar为图像方差阈值，0<w1<1为图像方差权重，ρe为图像边缘密度，为图像边缘密度阈，0<w2<1为图像边缘密度权重值，1/SEL为图像自匹配系数的倒数，T1/SEL为图像自匹配系数的倒数阈值，0<w3<1为图像自匹配系数的倒数的权重，ρp为图像特征点密度，为图像特征点密度阈值，0<w4<1为图像特征点密度权重，ρl为图像直线密度，为图像直线密度阈值，0<w5<1为图像直线密度权重，且w1+w2+w3+w4+w5＝1。


5.根据权利要求1所述的自主导航方法，其特征在于，步骤S3中基于基准图处理获得的匹配导航信息包括汇总信息，所述汇总信息包括：
概要文件，文件后缀为txt，文件内容包括基准图名称、基准图路径、基准图坐标系统、...

【专利技术属性】
技术研发人员：眭海刚，李洪利，徐川，孙开敏，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42