【技术实现步骤摘要】
本专利技术涉及图像处理，更具体的涉及一种基于卫星影像地图匹配的无人机视觉定位方法及系统。
技术介绍
1、无人机定位通常使用卫星导航来实现，然而作为一种被动的信号接收方式，导航信号在特殊场景下容易被干扰。当失去信号时，随着时间的推移，惯性测量单元的累积误差会越来越大。计算机视觉通过计算机系统对视觉信息进行处理、分析，实现对目标的检测、识别、跟踪、定位等功能，具有较强的抗干扰能力。因此，基于视觉匹配的无人机定位可以很好地解决卫星拒止条件下的无人机定位问题。
2、传统的无人机视觉定位方法大致分为三种：无地图定位方法(如视觉里程法)、基于构建地图的定位方法(如同步定位与构图方法)和基于已有地图的定位方法(如影像匹配方法)。这三种视觉定位方法各有优缺点和适用范围。
3、其中，基于构建地图和无地图定位的方法只需要安装在uav(unmannedaerialvehicle，无人驾驶空中飞行器)上的摄像头，但帧间运动的估计误差会严重累积。基于影像匹配方法需要额外的预先记录的地理参考图像库，但可以获得uav的绝对位置，且不会累积误差。基于影像匹配方法主要分为传统方法和深度学习方法；传统方法基于人工设计的描述符提取特征来实现遥感影像匹配，主要通过描述符相似性和/或空间几何关系来寻求局部特征(区域、线、点)之间的对应关系。局部显著特征的使用使这类方法可以快速运行，并且对噪声、复杂的几何变形和显著的辐射度差异具有鲁棒性，但是，由于更高分辨率和更大尺寸数据的普及，基于人工设计的描述符方法无法满足更多对应性、更高准确性和更灵活应用的要
4、国内对gnss拒止环境下的无人机视觉定位技术研究起步较晚，近年来，随着无人机视觉定位技术迅速发展，主要集中在以下几个方面的研究：视觉惯性融合导航，多采用融合惯性导航系统(ins)和视觉信息的方案。特征提取与匹配，致力于提高特征匹配的效率和精度。抗干扰性研究，部分研究关注在低照度、稀疏特征等复杂环境下的定位问题。
5、现有的无人机定位技术主要包括：
6、1.gnss定位，该方法通过接收卫星信号来确定无人机的位置和姿态，是最常用的无人机定位技术。gnss定位精度较高，但易受地形遮挡、信号干扰、城市峡谷等因素的影响，在复杂环境下定位精度会大幅下降。
7、2.视觉里程计(vo)，该方法利用相邻图像之间的特征匹配来计算相机运动，进而估计无人机的位置和姿态。vo方法通常需要较强的纹理信息，在弱纹理区域和复杂地形遮挡环境下效果不佳。
8、3.同步定位与地图构建(slam)，该方法通过构建环境地图来实现定位和导航。slam方法通常需要较长的运行时间，且在复杂环境中容易出现累计误差，难以满足实时定位需求。
9、4.惯性导航系统(ins)，该方法利用加速度计和陀螺仪等传感器测量无人机的加速度和角速度，进而推算无人机的位置和姿态。然而，ins容易受到漂移的影响，长期使用会造成较大的定位误差。
10、5.融合定位技术，将上述几种定位技术进行融合，以提高定位精度和鲁棒性。如将gnss与ins进行融合，可以有效减弱ins漂移的影响；将vo与slam进行融合，可以提高定位精度和抗干扰能力。
11、综上，由于传统的针对室外大场景的无人机定位主要针对有gnss信息的定位，而在无gnss信息的室内室外，现有的视觉定位方法对光照变化、视角变化等环境因素敏感，导致定位精度下降，鲁棒性较差，导致特征点提取困难，无法长距离、高精度的定位，影响匹配精度。
技术实现思路
1、针对上述领域中存在的问题，本专利技术提出了一种基于卫星影像地图匹配的无人机视觉定位方法及系统，通过提取无人机影像和卫星影像的特征点并进行特征匹配，学习图像的纹理特征，降低了对光照变化的敏感度，提高了算法的鲁棒性；通过计算无人机影像和卫星影像的单应性矩阵变换，使无人机拍摄的图像角度发生变化，也能准确地计算出无人机的位置和姿态，从而实现无人机的精确定位。
2、为解决上述技术问题，本专利技术公开了一种基于卫星影像地图匹配的无人机视觉定位方法，包括以下步骤：
3、提取待匹配的无人机影像的特征点；获取多张卫星影像地图，分别提取卫星影像地图的特征点；
4、将多张卫星影像地图分别与待匹配的无人机影像形成多个影像对；确定每个影像对中的特征点对应的匹配数，获取最大匹配数对应的卫星影像地图；
5、获取最大匹配数对应的卫星影像地图的特征点的匹配误差，当获取的最大匹配数对应的卫星影像地图的特征点的匹配误差小于预设的匹配误差阈值时，确定匹配误差筛选后的卫星影像地图；
6、根据匹配误差筛选后的卫星影像地图和无人机影像，通过确定两张影像之间的单应性矩阵，获取无人机影像在卫星影像地图对应的像素坐标和经纬度坐标。
7、优选地，所述提取待匹配的无人机影像的特征点；获取多张卫星影像地图，分别提取卫星影像地图的特征点，具体包括：
8、获取无人机飞行区域内的多张卫星影像，并采用间隔一定的帧数的相机获取无人机影像；
9、通过提供无人机和相机云台方向的图像元数据，旋转无人机影像，使无人机影像与卫星影像地图剖面的始终朝北的方向相匹配；
10、循环遍历卫星影像地图中的每张影像，通过superpoint特征提取网络提取无人机影像和每张卫星影像地图的特征点。
11、优选地，所述获取最大匹配数对应的卫星影像地图，具体包括：
12、通过循环遍历卫星影像地图中的每张照片，通过lightglue特征匹配算法，获取无人机影像和每张卫星影像地图的特征点对应的匹配数；
13、通过比较，选取无人机影像和每张卫星影像地图的特征点对应的匹配数最大的卫星影像地图，作为最大匹配数对应的卫星影像地图。
14、优选地，所述确定匹配误差筛选后的卫星影像地图，具体包括：
15、通过ransac算法确定最大匹配数对应的卫星影像地图的特征点的匹配误差；
16、预设匹配误差阈值，将最大匹配数对应的卫星影像地图的特征点的匹配误差小于预设匹配误差阈值对应的卫星影像地图作为匹配成功的卫星影像地图。
17、优选地，所述获取无人机影像在卫星影像地图对应的像素坐标和经纬度坐标，包括以下步骤：
18、通过ransac算法确定匹配误差筛选后的卫星影像地图和无人机影像之间的单应性矩阵，对无人机影像进行本文档来自技高网...
【技术保护点】
1.一种基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述提取待匹配的无人机影像的特征点；获取多张卫星影像地图，分别提取卫星影像地图的特征点，具体包括：
3.根据权利要求2所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述获取最大匹配数对应的卫星影像地图，具体包括：
4.根据权利要求3所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述确定匹配误差筛选后的卫星影像地图，具体包括：
5.根据权利要求4所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述获取无人机影像在卫星影像地图对应的像素坐标和经纬度坐标，包括以下步骤：
6.根据权利要求5所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述待匹配的无人机影像为实时拍摄的无人机垂直或倾斜拍摄的射RGB彩色影像或全色影像。
7.一种基于卫星影像地图匹配的无人机视觉定位系统，其特征在于，包括：
8.一种计
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
...【技术特征摘要】
1.一种基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述提取待匹配的无人机影像的特征点；获取多张卫星影像地图，分别提取卫星影像地图的特征点，具体包括：
3.根据权利要求2所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述获取最大匹配数对应的卫星影像地图，具体包括：
4.根据权利要求3所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述确定匹配误差筛选后的卫星影像地图，具体包括：
5.根据权利要求4所述的基于卫星影像地图匹配的无人机视觉定位方法，其特征在于，所述获取...
【专利技术属性】
技术研发人员：郭宝营，杨耘，尹树升，贺啸冲，廖能，唐一亮，郝国朴，闫意，辜第桢，郭彤阳，张凯洋，
申请(专利权)人：长安大学，
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。