一种基于快速鲁棒特征的低空无人机视觉定位方法技术

本发明专利技术涉及一种基于快速鲁棒特征的低空无人机视觉定位方法，能够适应低空无人机航空序列图像的旋转、尺度变换及噪声干扰，实现飞行器位置的精确估计。首先，构建了SURF尺度空间，运用快速Hessian矩阵定位极值点，计算出航空图像的64维SURF特征描述子；然后，基于Hessian矩阵迹完成特征点匹配；最后，使用RANSAC方法剔除出格点，实现位置参数的精确估计。本发明专利技术用RANSAC算法求解基准图与实时图之间的变换参数。基于RANSAC的局部参数估计完成后，剔除外点后，解算出符合匹配要求的内点，即可得到实时图基于RANSAC估计参数的变换结果以及实时图中心在基准图上的定位结果。

【技术实现步骤摘要】

本专利技术涉及，能够适应低空无人机航空序列图像的旋转、尺度变换及噪声干扰，实现飞行器获取的实时图在卫星基准图上位置参数的精确估计。
技术介绍
在视觉导航中，低空无人机位置参数估计是自主导航的核心，研究高精度、鲁棒图像匹配方法是提高无人机位置参数估计的重要手段。本专利技术利用快速鲁棒特征(Speeded-up robust features, SURF)即一种新的局部不变特征方法，对子区域的梯度信息进行了整合，可以有效解决实时图与基准图在几何变换、畸变、仿射变换、视角变换、亮度变换、噪声干扰等情况下的匹配问题。一般情况下，机载摄像机获取的地面影像(实时图)与卫星数字正射影像图(基准图)之间存在较大差异(如尺度、旋转、光照等)，传统的基于模板匹配的方法在图像配准前，需要基于规划航迹预测出实时图相对于基准图的航向偏差，增加了方法的复杂度，且配准误差较大。本专利技术能够克服图像在几何变化、光照变化、噪声干扰时仍保持一定稳定性的图像局部特征。与传统方法相比，基于不变特征的图像匹配在动态环境适应性方面，配准精度和鲁棒性方面均具有较大优势。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本文档来自技高网...

【技术保护点】
一种基于快速鲁棒特征的低空无人机视觉定位方法，其特征在于步骤如下：步骤1多尺度空间构建：以9×9的滤波器而言，高斯二阶导的大小定为3，其滤波器大小的1/3，即9×1/3=3；滤波器尺寸可用size＝3+5s公式计算，其中s是σ的倍数；步骤2快速Hessian矩阵检测：对于图像I中一个给定的点X＝(x,y)，Hessian矩阵中采用近似的高斯核函数，即箱式滤波器Dxx,Dxy,Dyy，9×9的滤波器是对高斯核函数在σ=1.2处的近似；引入高斯核函数和高斯核函数的比例因子ω，Hessian矩阵的行列式变形为det(Hopprox)＝DxxDyy？(ωDxy)2，ω取常量0.9；步骤3SURF特征描...

【技术特征摘要】

【专利技术属性】
技术研发人员：李耀军，潘泉，赵春晖，杨峰，梁彦，程咏梅，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：