【技术实现步骤摘要】
本专利技术涉及无人机匹配定位，具体涉及一种基于卫星矢量地图的无人机定位方法。
技术介绍
1、gps(全球定位系统)，是一种以人造地球卫星为基础的高精度无线电导航的定位系统，它在全球任何地方以及近地空间都能够提供准确的地理位置，基于gps对无人机进行定位在理想状态下是比较准确的，但gps信号容易受到电磁、大气的干扰，而导致信号的丢失或者不准确。
2、由于卫星图片采用矢量的形式进行表述，卫星地图的每个像素都可以通过固定的公式计算出相应的经纬度，因此可比较准确的表达形状轮廓信息，且卫星图片中包含比较准确的坐标信息，若能获取无人机当前的卫星图片，则可以比较准确的获取无人机的准确坐标。
3、但现有技术中，仍无法准确的获取到无人机当前所在环境中的卫星图片。
技术实现思路
1、本专利技术的目的在于提供一种基于卫星矢量地图的无人机定位方法，以解决现有技术中的无法准确的获取到无人机当前所在环境中的卫星图片问题。
2、为解决上述技术问题，本专利技术具体提供下述技术方案：
3、一种基于卫星矢量地图的无人机定位方法，包括如下步骤：
4、s0：将卫星矢量地图划分为多个地图区域，并针对每个地图区域训练对应的定位识别模型；
5、s1：获取待定位无人机的粗定位结果，根据所述粗定位结果匹配得到第一地图区域，并根据所述第一地图区域匹配所述定位识别模型中的对应的第一定位识别模型；
6、s2：获取无人机的第一航拍图片，输入与所述第一地图区
7、s3：将所述第一航拍图片和所述第一卫星图片分别输入至第一语义识别模型和第二语义识别模型中，从而得到第一语义描述和第二语义描述；
8、s4：将所述第一语义描述和第二语义描述输入语义相似度识别模型中，以得到第一相似度；
9、s5：当所述第一相似度高于预设值时，将与所述第一卫星图片相对应的坐标作为无人机的定位结果；当所述第一相似度低于预设值时，转至步骤s2，选取相似度第二高的第二卫星图片，并继续执行步骤s3-s5，直至所述第一相似度高于预设值时，终止流程。
10、作为本专利技术的一种优选方案，在所述s0中，所述卫星矢量地图划分为多个一一对应各所述地图区域的纹理二值图，所述定位识别模型具体训练步骤包括：
11、s01：获取第一地图区域对应的纹理二值图和无人机航拍图片作为对应所述第一地图区域的第一定位识别模型的训练集；
12、s02：根据所述训练集训练第一定位识别模型，所述第一定位识别模型以所述第一地图区域中所有的无人机航拍图片作为输入，并以所述第一地图区域的纹理二值图作为输出；
13、s03：将所述输出的纹理二值图与人工识别的卫星矢量图片进行对比，以获得模型输出的正确率；
14、s04：当所述正确率大于预设值时，所述第一定位识别模型训练完成，进入s05；否则进入所述s02；
15、s05：根据所述s01-s04训练出对应剩余各地图区域的定位识别模型。
16、作为本专利技术的一种优选方案，所述纹理二值图是将所述地图区域的卫星图片按照对应所述地图区域的坐标和大小进行裁剪，以得到与每一地图区域对应的卫星图片；
17、所述无人机航拍图片包括获取所述地图区域的不同时间段的图片和不同光线条件下的图片。
18、作为本专利技术的一种优选方案，在所述s1中，所述无人机具有gps定位模块，由所述gps定位模块上传的位置数据作为粗定位结果。
19、作为本专利技术的一种优选方案，在所述s3中，第一语义识别模型通过下述步骤进行语义识别：
20、通过卷积神经网络提取输入第一航拍图片的信息，生成所述第一航拍图片信息的特征向量，并将所述特征向量作为所述第一航拍图片的全局信息送入到语义解析模型进行解码；
21、将所述第一航拍图片解码后的全局信息送入前向gru网络和后向gru网络，所述前向gru网络和所述后向gru网络的输出直接进行线性叠加，最终得到用于预测当前时刻输入所述第一航拍图片对应的图像文本，所述图像文本作为所述第一语义描述。
22、作为本专利技术的一种优选方案，在所述s3中，第二语义识别模型通过下述步骤进行语义识别：
23、通过卷积神经网络提取输入第一卫星图片的矢量信息，生成所述第一卫星图片信息的特征向量，并将所述特征向量作为所述第一卫星图片的全局信息送入到语义解析模型进行解码，得到所述第一卫星图片的结构信息，所述结构信息作为所述第二语义描述。
24、作为本专利技术的一种优选方案，所述s4具体包括：
25、s41：将所述第一语义描述和所述第二语义描述划分为词向量，并分别计算所述第一语义描述下词向量之间的余弦夹角，以及所述第二语义描述下词向量之间的余弦夹角；
26、s42：分别计算所述第一语义描述和所述第二语义描述中所述词向量的相似度，以及所述词向量之间的余弦夹角的相似度；
27、s43：对所述s42中所述词向量的相似度和所述词向量之间的余弦夹角的相似度进行加权求和，以得到所述第一相似度。
28、本专利技术与现有技术相比较具有如下有益效果：
29、(1)本专利技术将完整的地图区域划分为多个地图区域，针对划分的每一地图区域分别进行图像识别以获取相对应的卫星地图，模型运算量较小，速度较快，另外，可同时结合无人机的实时航拍图像和卫星图片来得到无人机所在地图区域的准确卫星图片。
30、(2)本专利技术在识别得到卫星图片的过程中，通过将图片信息转化为语义信息，可兼顾两种类型图片的语义描述特点，以综合得到更为准确的卫星图片。
本文档来自技高网...【技术保护点】
1.一种基于卫星矢量地图的无人机定位方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于卫星矢量地图的无人机定位方法，其特征在于，在所述S0中，所述卫星矢量地图划分为多个一一对应各所述地图区域的纹理二值图，所述定位识别模型具体训练步骤包括：
3.根据权利要求2所述的一种基于卫星矢量地图的无人机定位方法，其特征在于，所述纹理二值图是将所述地图区域的卫星图片按照对应所述地图区域的坐标和大小进行裁剪，以得到与每一地图区域对应的卫星图片；
4.根据权利要求1所述的一种基于卫星矢量地图的无人机定位方法，其特征在于，在所述S1中，所述无人机具有GPS定位模块，由所述GPS定位模块上传的位置数据作为粗定位结果。
5.根据权利要求1所述的一种基于卫星矢量地图的无人机定位方法，其特征在于，在所述S3中，第一语义识别模型通过下述步骤进行语义识别：
6.根据权利要求5所述的一种基于卫星矢量地图的无人机定位方法，其特征在于，在所述S3中，第二语义识别模型通过下述步骤进行语义识别：
7.根据权利要求1所述的一种基于卫星矢
...【技术特征摘要】
1.一种基于卫星矢量地图的无人机定位方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于卫星矢量地图的无人机定位方法，其特征在于，在所述s0中，所述卫星矢量地图划分为多个一一对应各所述地图区域的纹理二值图，所述定位识别模型具体训练步骤包括：
3.根据权利要求2所述的一种基于卫星矢量地图的无人机定位方法，其特征在于，所述纹理二值图是将所述地图区域的卫星图片按照对应所述地图区域的坐标和大小进行裁剪，以得到与每一地图区域对应的卫星图片；
4.根据权利要求1所述的一种基于卫星矢...
【专利技术属性】
技术研发人员：徐颖，
申请(专利权)人：陕西四维数邦科技有限公司，
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。