本发明专利技术公开了基于环境语义信息的无人机绝对位置快速定位方法及装置，该方法包括：离线阶段首先训练好语义特征提取网络，然后对基准地图进行语义特征提取，同时计算语义特征描述子，生成矢量化语义地图；在线阶段通过无人机机载摄像头获取俯拍图像，提取环境中的语义语义特征并计算多级语义特征描述子，通过由粗到精的多层次匹配，加快匹配速度，得到多个定位候选结果，同时运行一个视觉里程计，用于获得相对位姿，然后通过粒子滤波器对候选结果进行筛选，得到准确的绝对定位结果。本发明专利技术的方法能够大大减小机载地图体积，提高匹配定位速度和准确率，解决了大范围内GNSS拒止环境下无人机的快速绝对位置定位问题。人机的快速绝对位置定位问题。人机的快速绝对位置定位问题。
【技术实现步骤摘要】
基于环境语义信息的无人机绝对位置快速定位方法及装置
[0001]本专利技术涉及无人机导航定位和计算机视觉
，特别是涉及基于环境语义信息的无人机绝对位置快速定位方法及装置。
技术介绍
[0002]近年来随着无人机技术的发展和成本的降低，无人机的应用范围越来越广泛，除了传统的军事应用外，还广泛应用于边境安全、测绘、搜救、环境监测、火灾救援、精准农业、结构检查、航拍以及娱乐应用等领域。对于一些需要自主飞行的场景，精确、稳定、自主的定位导航系统非常重要。
[0003]传统的无人机导航系统主要有全球导航卫星系统GNSS和惯性导航系统INS。GNSS能提供全球绝对位置，但存在无线电欺骗和干扰，而INS是完全自主导航，但有累计误差。现在广泛使用的导航系统是GNSS
‑
INS结合，但在GNSS拒止环境下会退化为INS导航，在GNSS欺骗攻击时也会失效，对无人机安全构成威胁。视觉导航是代替/补充GNSS
‑
INS融合导航的重要方法之一，可分为有地图/无地图两种。基于地图的有景象/地形匹配导航等，属于绝对定位，无累计误差。而无地图视觉导航主要是视觉里程计，属于相对定位，存在累计误差。景象匹配是常用的绝对式视觉定位方法，但传统的景象匹配需要由高分辨率图像构成的基准地图，其匹配效果受航拍图像和基准图像季节、光照、天气影响较大，鲁棒性差，地图存储空间大，匹配速度慢，限制了导航范围。
[0004]对于执行战略/战役侦察等任务的长航时无人机来说，飞行距离往往达到数千公里，飞行区域面积超过数万平方公里，若GNSS信号不可用，视觉导航定位是一种重要的辅助和替代方法。传统景象匹配在如此大范围内的匹配定位受限于基准图的数据大小和图像匹配速度，且对于异源图像匹配的鲁棒性较差。随着无人机技术的不断提高，对于无人机的定位需求也在不断增加。但是，在GPS信号拒止环境中，无人机的定位将变得困难，从而影响无人机的安全飞行。
技术实现思路
[0005]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为此，本专利技术提出了一种基于环境语义信息的无人机绝对位置快速定位方法，该方法充分利用环境中的语义信息，用无人机俯拍图像与预先构建好的语义特征地图进行匹配，实现GNSS拒止环境下大范围内快速、准确、鲁棒的定位。
[0007]本专利技术的另一个目的在于提出一种基于环境语义信息的无人机绝对位置快速定位装置。
[0008]为达上述目的，本专利技术一方面提出一种基于环境语义信息的无人机绝对位置快速定位方法，包括：
[0009]将预处理后的遥感图像输入至训练好的语义分割神经网络，并基于语义分割结果的矢量化处理结果得到矢量化语义地图；
[0010]基于所述矢量化语义地图计算第一多层次语义特征描述子，以及利用所述训练好的语义分割神经网络提取航拍图像中的语义特征，并计算第二多层次语义特征描述子；
[0011]对所述第一多层次语义特征描述子和所述第二多层次语义特征描述子进行匹配得到候选匹配定位结果；
[0012]获取视觉里程计的相邻帧之间的相对位姿关系，并融合所述相对位姿关系和所述候选匹配定位结果以得到无人机的绝对定位结果。
[0013]本专利技术实施例的基于环境语义信息的无人机绝对位置快速定位方法还可以有以下附加技术特征：
[0014]进一步地，在本专利技术的一个实施例中，在将预处理后的遥感图像输入至训练好的语义分割神经网络之前，所述方法，还包括：
[0015]利用训练数据集对语义分割神经网络进行训练，以得到训练好的语义分割神经网络；其中，所述训练数据集，包括遥感图像数据集和航拍图像数据集；
[0016]对目标区域的带有地理编码的遥感图像进行分块以得到分块后的遥感图像。
[0017]进一步地，在本专利技术的一个实施例中，所述基于语义分割结果的矢量化处理结果得到矢量化语义地图，包括：
[0018]对所述语义分割结果进行矢量化处理得到包含图像坐标系的矢量结果，并将所述矢量结果转化为地理坐标系；
[0019]基于矢量化的语义元素和所述地理坐标系构建矢量化语义地图。
[0020]进一步地，在本专利技术的一个实施例中，所述第一多层次语义特征描述子，包括第一区域级语义特征和第一元素级语义特征；所述第二多层次语义特征描述子，包括第二区域级语义特征和第二元素级语义特征；所述对所述第一多层次语义特征描述子和所述第二多层次语义特征描述子进行匹配得到候选定位结果，包括：
[0021]对所述第一区域级语义特征和所述第二区域级语义特征进行粗匹配，得到候选区域；
[0022]在所述候选区域中对所述第一元素级语义特征和所述第二元素级语义特征进行细匹配得到候选匹配定位结果。
[0023]进一步地，在本专利技术的一个实施例中，利用粒子滤波器融合所述相对位姿关系和所述候选匹配定位结果以得到无人机的绝对定位结果，包括：
[0024]根据初始帧的候选匹配定位结果对粒子进行初始化；其中，每个粒子的权重为归一化的匹配度；
[0025]根据视觉里程计的相对位姿递推结果预测粒子的下一帧位置得到粒子位置预测结果；
[0026]基于所述粒子位置预测结果进行语义特征匹配，得到多个带有匹配度的当前帧定位候选结果；
[0027]基于所述当前帧定位候选结果和所述粒子位置预测结果得到无人机的绝对定位结果。
[0028]为达上述目的，本专利技术另一方面提出一种基于环境语义信息的无人机绝对位置快速定位装置，包括：
[0029]矢量地图处理模块，用于将预处理后的遥感图像输入至训练好的语义分割神经网
络，并基于语义分割结果的矢量化处理结果得到矢量化语义地图；
[0030]语义特征计算模块，用于基于所述矢量化语义地图计算第一多层次语义特征描述子，以及利用所述训练好的语义分割神经网络提取航拍图像中的语义特征，并计算第二多层次语义特征描述子；
[0031]特征匹配定位模块，用于对所述第一多层次语义特征描述子和所述第二多层次语义特征描述子进行匹配得到候选匹配定位结果；
[0032]特征融合定位模块，用于获取视觉里程计的相邻帧之间的相对位姿关系，并融合所述相对位姿关系和所述候选匹配定位结果以得到无人机的绝对定位结果。
[0033]本专利技术实施例的基于环境语义信息的无人机绝对位置快速定位方法和装置，能够大大减小机载地图体积，提高匹配定位速度和准确率，解决了大范围内GNSS拒止环境下无人机的快速绝对位置定位问题。
[0034]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0035]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0036]图1是根据本专利技术实施例的基于环境语义信息的无人机绝对位置快速定位方法的流程图；
[0037]图2是根据本专利技术实施例的基于环境语义信本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于环境语义信息的无人机绝对位置快速定位方法，其特征在于，包括以下步骤：将预处理后的遥感图像输入至训练好的语义分割神经网络，并基于语义分割结果的矢量化处理结果得到矢量化语义地图；基于所述矢量化语义地图计算第一多层次语义特征描述子，以及利用所述训练好的语义分割神经网络提取航拍图像中的语义特征，并计算第二多层次语义特征描述子；对所述第一多层次语义特征描述子和所述第二多层次语义特征描述子进行匹配得到候选匹配定位结果；获取视觉里程计的相邻帧之间的相对位姿关系，并融合所述相对位姿关系和所述候选匹配定位结果以得到无人机的绝对定位结果。2.根据权利要求1所述的方法，其特征在于，在将预处理后的遥感图像输入至训练好的语义分割神经网络之前，所述方法，还包括：利用训练数据集对语义分割神经网络进行训练，以得到训练好的语义分割神经网络；其中，所述训练数据集，包括遥感图像数据集和航拍图像数据集；对目标区域的带有地理编码的遥感图像进行分块以得到分块后的遥感图像。3.根据权利要求1所述的方法，其特征在于，所述基于语义分割结果的矢量化处理结果得到矢量化语义地图，包括：对所述语义分割结果进行矢量化处理得到包含图像坐标系的矢量结果，并将所述矢量结果转化为地理坐标系；基于矢量化的语义元素和所述地理坐标系构建矢量化语义地图。4.根据权利要求1所述的方法，其特征在于，所述第一多层次语义特征描述子，包括第一区域级语义特征和第一元素级语义特征；所述第二多层次语义特征描述子，包括第二区域级语义特征和第二元素级语义特征；所述对所述第一多层次语义特征描述子和所述第二多层次语义特征描述子进行匹配得到候选定位结果，包括：对所述第一区域级语义特征和所述第二区域级语义特征进行粗匹配，得到候选区域；在所述候选区域中对所述第一元素级语义特征和所述第二元素级语义特征进行细匹配得到候选匹配定位结果。5.根据权利要求1所述的方法，其特征在于，利用粒子滤波器融合所述相对位姿关系和所述候选匹配定位结果以得到无人机的绝对定位结果，包括：根据初始帧的候选匹配定位结果对粒子进行初始化；其中，每个粒子的权重为归一化的匹配度；根据视觉里程计的相对位姿递推结果预测粒子的下一帧位置得到粒子位置预测结果；基于所述粒子位置预测结果进行语义特征匹配，得到多个带有匹配度的当前帧定位候选结果；基于所述当前帧定位候选结果和所述粒子位置...
【专利技术属性】
技术研发人员：赵开春，胡苏兴，欧阳晨光，于智超，
申请(专利权)人：清华大学，
类型：发明
国别省市：
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。