【技术实现步骤摘要】
本专利技术属于导航、制导与控制，具体涉及一种基于深度学习的递进式水下地形匹配定位方法。
技术介绍
1、水下航行器常用于海洋科学考察、生态环境监测和自然资源开发等领域，水下自主导航技术为其关键技术之一。惯性导航系统具有高隐蔽性、完全自主性、导航信息全面等优势，常作为水下自主导航系统的主系统。然而，惯导系统误差随时间累积，需要其他导航方式对误差进行抑制。在水下环境中，地形匹配是一种有效的辅助方式，其利用地形匹配算法，对预存的地形基准图和实时测量的水深信息进行相关性分析来获得位置信息，进而修正惯导系统。传统的地形匹配算法基于序列相关性或递推滤波器，其精度受地形起伏程度、水深测量误差、惯导初始位置误差和地形相似性的影响。当前，传统地形匹配方法难以排除地形相似地形对匹配的影响，易产生误匹配，且对测量误差较为敏感。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于深度学习的递进式水下地形匹配定位方法，能够提升匹配的精度和鲁棒性，提高水下地形匹配定位能力。
2、为了解决上述技术问题，本专...
【技术保护点】
1.一种基于深度学习的递进式水下地形匹配定位方法，其特征在于，包括：
2.根据权利要求1所述一种基于深度学习的递进式水下地形匹配定位方法，其特征在于，步骤1中，所述数据预处理过程包括掩码生成和深度值归一化处理，得到基准图和多波束图像；
3.根据权利要求1所述基于深度学习的递进式水下地形匹配定位方法，其特征在于，步骤2中，所述粗匹配网络模型包含特征提取模块、位置编码模块、特征匹配模块和偏差估计模块；
4.根据权利要求3所述一种基于深度学习的递进式水下地形匹配定位方法，其特征在于，所述特征匹配模块使用局部特征注意力层进行特征向量的匹配，...
【技术特征摘要】
1.一种基于深度学习的递进式水下地形匹配定位方法，其特征在于，包括：
2.根据权利要求1所述一种基于深度学习的递进式水下地形匹配定位方法，其特征在于，步骤1中，所述数据预处理过程包括掩码生成和深度值归一化处理，得到基准图和多波束图像；
3.根据权利要求1所述基于深度学习的递进式水下地形匹配定位方法，其特征在于，步骤2中，所述粗匹配网络模型包含特征提取模块、位置编码模块、特征匹配模块和偏差估计模块；
4.根据权利要求3所述一种基于深度学习的递进式水下地形匹配定位方法，其特征在于，所述特征匹配模块使用局部特征注意力层进行特征向量的匹配，使用双重softmax层得出匹配置信度，并根据互最近邻原则给出匹配点对集合。
5.根据权利要求4所述一种基于深度学习的递进式水下地形匹配定位方法，其特征在于，所...
【专利技术属性】
技术研发人员：邓志红，孙晨睿，赵生武，焦兆楠，喻可为，
申请(专利权)人：北京理工大学，
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。