一种超大数字影像地图的先验特征点稀疏化方法技术

本发明专利技术属于无人机中高空的视觉导航定位技术，特别是是一种超大数字影像地图的先验特征信息预处理方法，它通过八大步骤实现数字影像地图的稳健特征信息的筛选，建立鲁棒性、稳定性及适应性性良好的先验特征信息数据库，有效减少无人机机载信息数据，为基于超大数字影像地图的无人机视觉导航实时定位系统提供技术支持。

【技术实现步骤摘要】
一种超大数字影像地图的先验特征点稀疏化方法
本专利技术属于无人机中高空的视觉导航定位技术，特别是是一种超大数字影像地图的先验特征信息预处理方法，为基于无人机影像与数字影像地图匹配的无人机视觉导航实时定位提供技术支持。
技术介绍
针对复杂电磁环境GNSS(GlobalNavigationSatelliteSystem)拒止条件下，无人机视觉导航定位是GNSS卫星导航定位系统最重要的替代方案之一，也是重要的发展方向。目前，基于无人机影像与数字影像地图场景匹配的视觉导航定位方法研究中，机载的数字影像地图一般为超大影像(通常在4000×4000像素级以上)，数据量巨大。现有研究中的无人机场景匹配定位方法远远达不到实时性要求。现有的文献和相关资料中，基于无人机影像与数字影像地图匹配的视觉导航定位研究，选取的数字影像地图一般在1000×1000像素级以下，与实际应用情形有较大差距。
技术实现思路
针对现有方法的不足，本专利技术提供一种超大数字影像地图的先验特征点稀疏化方法，建立鲁棒性、稳定性及适应性性良好的先验特征信息数据库，有本文档来自技高网...

【技术保护点】
1.一种超大数字影像地图的先验特征点稀疏化方法，其特征是：至少包括如下步骤：/n步骤101，获取无人机任务范围区域的数字影像地图；/n步骤102，提取数字影像地图的特征点；/n步骤103，获取对应区域的历史遥感影像；/n步骤104，对历史遥感做泛化处理；/n步骤105，通过数据增强或有效的扩充历史遥感影像的数据集，保证遥感影像数据集的合理性和完备性；/n步骤106，依据步骤102和105获取的信息，通过特征点鲁棒性的量化准则模型计算数字影像地图中所有特征点的鲁棒性量化指标f；/n步骤107，依据不同场景选择不同的特征点鲁棒性阈值进行特征点筛选；/n步骤108，对无人机任务范围区域进行分块，特征...

【技术特征摘要】
1.一种超大数字影像地图的先验特征点稀疏化方法，其特征是：至少包括如下步骤：
步骤101，获取无人机任务范围区域的数字影像地图；
步骤102，提取数字影像地图的特征点；
步骤103，获取对应区域的历史遥感影像；
步骤104，对历史遥感做泛化处理；
步骤105，通过数据增强或有效的扩充历史遥感影像的数据集，保证遥感影像数据集的合理性和完备性；
步骤106，依据步骤102和105获取的信息，通过特征点鲁棒性的量化准则模型计算数字影像地图中所有特征点的鲁棒性量化指标f；
步骤107，依据不同场景选择不同的特征点鲁棒性阈值进行特征点筛选；
步骤108，对无人机任务范围区域进行分块，特征点依据位置分布保存至不同子块中，建立分块存储特征信息的超大数字影像地图先验特征信息数据库。


2.根据权利要求1所述的一种超大数字影像地图的先验特征点稀疏化方法，其特征是：所述的步骤106具体包括：
步骤201，特征点鲁棒性的量化准则模型，其中f是特征点鲁棒性指标，I0是数字影像地图，Im(m＝1,2…M)是M张历史遥感影像，p是数字影像地图中的特征点，q是历史遥感影像中的特征点，dp是特征点p的描述符，dq是特征点q的描述符，||·||2表示计算两个描述符之间的欧氏距离，ε是成功匹配判断阈值。
步骤202,取历史遥感影像数据集中的一张图像Im(m＝1)；
步骤203,提取图像Im中的特征点q；
步骤204,选取图像I0中的特征点p；
步骤205,判断特征点p∈I0是否满足若不满足则直接返回步骤204，选择下一个特征点p；
步骤206,特征点p鲁棒性量化指标Fp+1；
步骤207,判断图像I0中的所有特征点p是否计算完成，若没完成则返回步骤204，选择下一个特征点p；
步骤208,判断m＞M，若不满足则m+1，返回第一步，选择下一张历史遥感影像；
步骤209,对鲁棒性量化指标Fp做归一化处理。


3.根据权利要求2所述...

【专利技术属性】
技术研发人员：刘贵喜，吴成一，蔡一凡，贾耀，高玉舂，张鹏飞，马建平，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61