一种异源图像匹配定位方法、设备及计算机可读存储介质技术

本发明专利技术公开了一种异源图像匹配定位方法、设备及计算机可读存储介质，其中，该方法包括：在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合；获取所述相似度集合中的最大值、与所述最大值对应的特征以及与所述特征在预设的卫星图上对应的像素点；若所述最大值大于或等于所述匹配相似度阈值，则根据所述卫星图中的像素与经纬度的对应关系，匹配得到所述像素点的经纬度。实现了一种航空器的自主导航定位方案，有效地解决了航空器在通信能力受限情况下的导航需求，提升了航空器在复杂场景下的导航精度和导航效率。景下的导航精度和导航效率。景下的导航精度和导航效率。

【技术实现步骤摘要】
一种异源图像匹配定位方法、设备及计算机可读存储介质


[0001]本专利技术涉及无人驾驶航空器
，尤其涉及一种异源图像匹配定位方法、设备及计算机可读存储介质。

技术介绍

[0002]目前，无人驾驶航空器使用的导航方式主要是惯性导航和GPS。其中，惯性导航不易受电磁干扰，但是其定位误差会随时间而增大，因而在无人驾驶航空器长时间飞行时导航效果不佳；相比之下，GPS的导航精度相对较高，但是，在有遮挡、有干扰等复杂环境下，其通信能力受限，使得GPS导航在这些环境下导航精度难以维持。
[0003]因此，在通信能力受限的情况下，如何有效地实现无人驾驶航空器的自主导航，成为目前亟待解决的技术问题。

技术实现思路

[0004]为了解决现有技术中的上述技术缺陷，本专利技术提出了一种异源图像匹配定位方法，该方法包括：
[0005]在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合；
[0006]获取所述相似度集合中的最大值、与所述最大值对应的特征以及与所述特征在预设的卫星图上对应的像素点；
[0007]比较所述最大值与预设的匹配相似度阈值；
[0008]若所述最大值小于所述匹配相似度阈值，则重新执行所述飞行图像的输入操作，若所述最大值大于或等于所述匹配相似度阈值，则根据所述卫星图中的像素与经纬度的对应关系，匹配得到所述像素点的经纬度。
[0009]可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前包括：
[0010]在执行匹配定位前，收集多张由所述航空器拍摄的训练飞行图像，并获取所述飞行过程所涉及的飞行区域的卫星图；
[0011]将三元组损失作为训练损失训练所述训练飞行图像，并将得到的所述卷积神经网络作为特征提取器。
[0012]可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：
[0013]预设图像块的大小集合以及所述图像块的长宽比；
[0014]根据所述图像块以及所述匹配定位的定位需求预设所述匹配相似度阈值。
[0015]可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的
飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：
[0016]在所述卫星图中，获取每一像素对应的经纬度；
[0017]根据所有像素对应的经纬度生成所述卫星图中的所述对应关系。
[0018]可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：
[0019]在所述卫星图中，根据预设的所述图像块的大小以及所述长宽比提取不同尺寸和/或不同长宽比的所述图像块；
[0020]通过所述特征提取器对所述图像块进行特征提取，并将得到的所述特征集合保存至所述航空器的存储介质。
[0021]可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，包括：
[0022]在输入所述飞行图像时，获取当前的飞行高度；
[0023]选取与所述飞行高度对应的尺寸和/或长宽比的所述图像块，进行特征提取，得到与所述飞行高度对应的所述特征集合。
[0024]可选地，所述获取所述相似度集合中的最大值、与所述最大值对应的特征以及与所述特征在预设的卫星图上对应的像素点，包括：
[0025]获取多个高度所述卫星图，并确定每一高度的所述卫星图对应的飞行高度区间；
[0026]选取与所述当前的飞行高度所处的飞行高度区间对应的所述卫星图，并获取所述最大值、所述特征以及与所述特征在所述卫星图上对应的所述像素点。
[0027]可选地，所述若所述最大值小于所述匹配相似度阈值，则重新执行所述飞行图像的输入操作，若所述最大值大于或等于所述匹配相似度阈值，则根据所述卫星图中的像素与经纬度的对应关系，匹配得到所述像素点的经纬度，包括：
[0028]根据匹配得到的所述经纬度输出当前的匹配定位的定位数据；
[0029]在所述航空器持续导航的过程中，根据每一次的所述定位数据交替和/或间隔执行所述匹配定位和惯导定位。
[0030]本专利技术还提出了一种异源图像匹配定位设备，该设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上任一项所述的异源图像匹配定位方法的步骤。
[0031]本专利技术还提出了一种计算机可读存储介质，该计算机可读存储介质上存储有异源图像匹配定位程序，异源图像匹配定位程序被处理器执行时实现如上述任一项所述的异源图像匹配定位方法的步骤。
[0032]实施本专利技术的异源图像匹配定位方法、设备及计算机可读存储介质，通过在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合；获取所述相似度集合中的最大值、与所述最大值对应的特征以及与所述特征在预设的卫星图上对应的像素点；比较所述最大值与预设的匹配相似度阈值；若所述最大值小于所述匹配相似度阈值，则重
新执行所述飞行图像的输入操作，若所述最大值大于或等于所述匹配相似度阈值，则根据所述卫星图中的像素与经纬度的对应关系，匹配得到所述像素点的经纬度。实现了一种航空器的自主导航定位方案，有效地解决了航空器在通信能力受限情况下的导航需求，提升了航空器在复杂场景下的导航精度和导航效率。
附图说明
[0033]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0034]图1是本专利技术异源图像匹配定位方法的第一流程图；
[0035]图2是本专利技术异源图像匹配定位方法的第二流程图；
[0036]图3是本专利技术异源图像匹配定位方法的第三流程图；
[0037]图4是本专利技术异源图像匹配定位方法的第四流程图；
[0038]图5是本专利技术异源图像匹配定位方法的第五流程图；
[0039]图6是本专利技术异源图像匹配定位方法的第六流程图；
[0040]图7是本专利技术异源图像匹配定位方法的第七流程图；
[0041]图8是本专利技术异源图像匹配定位方法的第八流程图。
具体实施方式
[0042]应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0043]在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异源图像匹配定位方法，其特征在于，所述方法包括：在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合；获取所述相似度集合中的最大值、与所述最大值对应的特征以及与所述特征在预设的卫星图上对应的像素点；比较所述最大值与预设的匹配相似度阈值；若所述最大值小于所述匹配相似度阈值，则重新执行所述飞行图像的输入操作，若所述最大值大于或等于所述匹配相似度阈值，则根据所述卫星图中的像素与经纬度的对应关系，匹配得到所述像素点的经纬度。2.根据权利要求1所述的异源图像匹配定位方法，其特征在于，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前包括：在执行匹配定位前，收集多张由所述航空器拍摄的训练飞行图像，并获取所述飞行过程所涉及的飞行区域的卫星图；将三元组损失作为训练损失训练所述训练飞行图像，并将得到的所述卷积神经网络作为特征提取器。3.根据权利要求2所述的异源图像匹配定位方法，其特征在于，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：预设图像块的大小集合以及所述图像块的长宽比；根据所述图像块以及所述匹配定位的定位需求预设所述匹配相似度阈值。4.根据权利要求3所述的异源图像匹配定位方法，其特征在于，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：在所述卫星图中，获取每一像素对应的经纬度；根据所有像素对应的经纬度生成所述卫星图中的所述对应关系。5.根据权利要求4所述的异源图像匹配定位方法，其特征在于，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，...

【专利技术属性】
技术研发人员：胡华智，何炜雄，
申请(专利权)人：亿航智能设备广州有限公司，
类型：发明
国别省市：