一种基于矢量图的道路网图像配准方法、设备及飞行器技术

本发明专利技术公开了一种基于矢量图的道路网图像配准方法、设备及飞行器，属于图像匹配技术领域，包括：提取目标地区的道路网矢量图中的强特征点，计算矢量转角，建立特征数据库；配准过程包括：将遥感图像转换为矢量图，并提取其中的强特征点作为待匹配点计算矢量转角并搜索特征数据库，得到候选点；将道路网矢量图划分为多个子区块，对候选点做空间分布直方图统计，确定候选块；在候选块内构建候选点集，将与待匹配点集的拓扑相似性最高的候选点集确定为最佳匹配点集；计算待匹配点集与最佳匹配点集之间的空间尺度缩放关系和角度变换关系，以计算遥感图像中各点的经纬度坐标。本发明专利技术配准精度高、计算速度快且可适用于广域范围的道路网图像配准。网图像配准。网图像配准。

【技术实现步骤摘要】
一种基于矢量图的道路网图像配准方法、设备及飞行器


[0001]本专利技术属于图像匹配
，更具体地，涉及一种基于矢量图的道路网图像配准方法、设备及飞行器。

技术介绍

[0002]随着飞行器技术的不断发展，支撑其中的飞行器自主、半自主导航技术也越来越受到关注。而对于目前基本的导航方式及其优化中，天文导航、定位卫星导航、多普勒导航等都难免需要接受或向外辐射电子信息，获取信息的方式容易受到干扰。另外惯性导航整个过程可以完全由飞行器内部完成，不依赖外界信息也不向外界辐射信息。但由于积分误差的存在，因此在实际使用中需要辅以其他导航方式每段时间重新校准消除误差。这些辅助方式都需要存储计划航线周围的相关信息，例如地形地貌图、遥感景象图、地磁矢量图等，这些数据由于其本身的稠密性导致所存储的数据仅能覆盖较小的区域。
[0003]道路网图像配准，是指根据预先存储的道路网地图，确定实时拍摄的遥感图像中各点的实际经纬度坐标，从而在导航过程进行定位校准、偏航角校准等。现有的道路网图像配准方法主要分为基于矢量地图的配准方法和基于点集的配准方法。
[0004]已有的矢量地图匹配方法中，例如计算Hausdorff、Fr
é
chet距离的方法往往针对小范围内的地图进行匹配，且不适应未知角度、未知高度的匹配场景。现有的基于点集匹配方法，如ICP、CPD等，配准过程中存在大量的异常以及噪声点，计算时会有较大误差与时间消耗，在广域范围内，难以获得正确的结果。

技术实现思路

[0005]针对现有技术的缺陷和改进需求，本专利技术提供了一种基于矢量图的道路网图像配准方法、设备及飞行器，其目的在于，提出一种配准精度高、计算速度快且可适用于广域范围的道路网图像配准方法。
[0006]为实现上述目的，按照本专利技术的一个方面，提供了一种基于矢量图的道路网图像配准方法，包括：
[0007]获取目标地区的道路网矢量图，提取其中的特征点，计算以各特征点为顶点的矢量转角，以矢量转角为索引，以顶点编号、顶点坐标为数据，建立特征数据库；特征点包括拐点和交叉点；
[0008]按照如下步骤完成目标地区内的遥感图像与道路网矢量图的配准：
[0009](S1)将遥感图像转换为矢量图，并提取其中的特征点作为待匹配点，得到待匹配点集；
[0010](S2)对于每一个待匹配点，计算以其为顶点的矢量转角，并按照矢量转角搜索特征数据库，得到该待匹配点的所有候选点；
[0011](S3)将道路网矢量图划分为多个子区块，对于每一个子区块，统计候选点落在该子区块内的待匹配点的个数作为该子区块的初筛得分，选取初筛得分最高的部分子区块作
为候选块；每个子区块可完全包围住遥感图像；
[0012](S4)根据候选块构建候选点集，将与待匹配点集的拓扑相似性最高的候选点集确定为最佳匹配点集；每个候选点集内的候选点与待匹配点一一对应，且每个候选点集内的候选点位于同一个候选块；
[0013](S5)计算待匹配点集与最佳匹配点集之间的空间尺度缩放关系和角度变换关系，并由此计算遥感图像中各点的经纬度坐标，完成配准。
[0014]进一步地，步骤(S3)中，将道路网矢量图划分为多个子区块，包括：
[0015]将道路网矢量图划分为互不重叠的多个子块，每个子块可完全包围住遥感图像；
[0016]对于每一个子块，按照如下方式建立三个重叠子块：将子块沿水平方向偏移半个子块大小，得到第一组重叠子块；将子块沿垂直方向偏移半个子块大小，得到第二组重叠子块；将子块沿水平、垂直方向分别偏移半个子块大小，得到第三组重叠子块；
[0017]将每一个子块以及每一个重叠子块作为一个子区块，完成子区块划分。
[0018]在一些可选的实施例中，步骤(S4)，通过如下方式计算待匹配点集与候选点集之间的拓扑相似性：
[0019]在待匹配点集中的每两个待匹配点之间建立一条边，以每一条边的边长作为一个维度的坐标，得到待匹配点集对应的n*(n
‑
1)/2维坐标C1＝(a
12
,a
13
…
,a
(n
‑
1)n
)；n表示待匹配点集和候选点集中的元素数量；a
ij
表示第i个待匹配点与第j个待匹配点之间的边的边长，i,j∈{1,2,
…
n}；
[0020]在候选点集中的每两个候选点之间建立一条边，以每一条边的边长作为一个维度的坐标，得到获选点集对应的n*(n
‑
1)/2维坐标C2＝(b
12
,b
13
…
,b
(n
‑
1)n
)；a
ij
表示第i个候选点与第j个候选点之间的边的边长，第i个候选点与第i个待匹配点相对应，第j个候选点与第j个待匹配点对应；
[0021]将坐标C1和坐标C2归一化之后计算二者的相似性，作为待匹配点集与候选点集之间的拓扑相似性。
[0022]在一些可选的实施例中，步骤(S4)中，通过如下方式计算待匹配点集与候选点集之间的拓扑相似性：
[0023]获得所有以待匹配点集中的待匹配点为顶点的三角形，得到三角形集合S1；获得所有以候选点集中的候选点为顶点的三角形，得到三角形集合S2；
[0024]找出三角形集合S2与三角形集合S1中所有相对应的三角形对，对各三角形对中的两个三角形进行相似性度量，若度量结果大于预设阈值，则判定三角形对为相似三角形对；
[0025]统计相似三角形对的个数作为待匹配点集与候选点集之间的拓扑相似性。
[0026]在一些可选的实施例中，步骤(S4)中，各候选点集与待匹配点集之间的拓扑相似性通过如下方式计算：
[0027]按照元素个数从小到大的顺序对各候选点集进行排序；
[0028]对于前k个候选点集，通过如下方式计算待匹配点集与候选点集之间的拓扑相似性：
[0029]获得所有以待匹配点集中的待匹配点为顶点的三角形，得到三角形集合S1；获得所有以候选点集中的候选点为顶点的三角形，得到三角形集合S2；
[0030]找出三角形集合S2与三角形集合S1中所有相对应的三角形对，对各三角形对中的
两个三角形进行相似性度量，若度量结果大于预设阈值，则判定三角形对为相似三角形对；
[0031]统计相似三角形对的个数作为待匹配点集与候选点集之间的拓扑相似性；
[0032]对于后N
‑
k个候选点集，通过如下方式计算待匹配点集与候选点集之间的拓扑相似性：
[0033]从前k个候选点集中，选取一个候选点集，并从中选取m个候选点，作为辅助点；
[0034]对于当前候选点集，遍历其中的候选点，对于遍历到的每一个候选点，穷举辅助点与该候选点所构成的三角形，得到三角形集合S3；找出三角形集合S3与三角形集合S1中相对应的所有三角形对，对各三角形对中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于矢量图的道路网图像配准方法，其特征在于，包括：获取目标地区的道路网矢量图，提取其中的特征点，计算以各特征点为顶点的矢量转角，以矢量转角为索引，以顶点编号、顶点坐标为数据，建立特征数据库；所述特征点包括拐点和交叉点；按照如下步骤完成所述目标地区内的遥感图像与所述道路网矢量图的配准：(S1)将所述遥感图像转换为矢量图，并提取其中的特征点作为待匹配点，得到待匹配点集；(S2)对于每一个待匹配点，计算以其为顶点的矢量转角，并按照矢量转角搜索所述特征数据库，得到该待匹配点的所有候选点；(S3)将所述道路网矢量图划分为多个子区块，对于每一个子区块，统计候选点落在该子区块内的待匹配点的个数作为该子区块的初筛得分，选取初筛得分最高的部分子区块作为候选块；每个子区块可完全包围住所述遥感图像；(S4)根据候选块构建候选点集，将与所述待匹配点集的拓扑相似性最高的候选点集确定为最佳匹配点集；每个候选点集内的候选点与待匹配点一一对应，且每个候选点集内的候选点位于同一个候选块；(S5)计算所述待匹配点集与所述最佳匹配点集之间的空间尺度缩放关系和角度变换关系，并由此计算遥感图像中各点的经纬度坐标，完成配准。2.如权利要求1所述的基于矢量图的道路网图像配准方法，其特征在于，所述步骤(S3)中，将所述道路网矢量图划分为多个子区块，包括：将所述道路网矢量图划分为互不重叠的多个子块，每个子块可完全包围住所述遥感图像；对于每一个子块，按照如下方式建立三个重叠子块：将子块沿水平方向偏移半个子块大小，得到第一组重叠子块；将子块沿垂直方向偏移半个子块大小，得到第二组重叠子块；将子块沿水平、垂直方向分别偏移半个子块大小，得到第三组重叠子块；将每一个子块以及每一个重叠子块作为一个子区块，完成子区块划分。3.如权利要求1或2所述的基于矢量图的道路网图像配准方法，其特征在于，所述步骤(S4)，通过如下方式计算待匹配点集与候选点集之间的拓扑相似性：在所述待匹配点集中的每两个待匹配点之间建立一条边，以每一条边的边长作为一个维度的坐标，得到所述待匹配点集对应的n*(n
‑
1)/2维坐标C1＝(a
12
,a
13
…
,a
(n
‑
1)n
)；n表示所述待匹配点集和所述候选点集中的元素数量；a
ij
表示第i个待匹配点与第j个待匹配点之间的边的边长，i,j∈{1,2,
…
n}；在所述候选点集中的每两个候选点之间建立一条边，以每一条边的边长作为一个维度的坐标，得到所述获选点集对应的n*(n
‑
1)/2维坐标C2＝(b
12
,b
13
…
,b
(n
‑
1)n
)；a
ij
表示第i个候选点与第j个候选点之间的边的边长，第i个候选点与第i个待匹配点相对应，第j个候选点与第j个待匹配点对应；将坐标C1和坐标C2归一化之后计算二者的相似性，作为待匹配点集与候选点集之间的拓扑相似性。4.如权利要求1或2所述的基于矢量图的道路网图像配准方法，其特征在于，所述步骤(S4)中，通过如下方式计算待匹配点集与候选点集之间的拓扑相似性：
获得所有以待匹配点集中的待匹配点为顶点的三角形，得到三角形集合S1；获得所有以候选点集中的候选点为顶点的三角形，得到三角形集合S2；找出三角形集合S2与三角形集合S1中所有相对应的三角形对，对各三角形对中的两个三角形进行相似性度量，若度量结果大于预设阈值，则判定三角形对为相似三角形对；统计相似三角形对的个数作为待匹配点集与候选点集之间的拓扑相似性。5.如权利要求1或2所述的基于矢量图的道路网图像配准方法，其特征在于，所述步骤(S4)中，各候选点集与所述待匹配点集之间的拓扑相似性通过如下方式计算：按照元素个数从小到大的顺序对各候选点集进行排序；对于前k个候选点集，通过如下方式计算待匹配点集与候选点集之间的拓扑相似性...

【专利技术属性】
技术研发人员：杨卫东，缪麓杰，王公炎，钟胜，黎云，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：