[发明专利]一种无人机景象匹配辅助导航方法及系统

权利要求书

1.一种无人机景象匹配辅助导航方法，其特征在于，该方法通过下列步骤来实现：

在无人机执行任务前，

获取基准图像并进行预处理：

对视觉传感器获取的基准图像进行灰度化处理得到灰度图像，并对灰度图像进行中值滤波，获得基准图像数据库；

提取灰度图像的图像特征：

检测基准图像数据库中灰度图像的兴趣点，利用兴趣点的邻域信息描述灰度图像，用局部信息和邻域信息的关系构造出具有旋转和尺度不变性的描述子，作为所述灰度图像的图像特征；

建立基准图词汇树模型：

提取基准图像数据库中所有灰度图像的图像特征，应用分层k均值聚类法量化所述图像特征，构建基准图词汇树；

在无人机执行任务时，

选择基准景象匹配区：

提取实测图像中的图像特征；从基准图词汇树的根节点开始到基准图词汇树的叶节点，将实测图像的图像特征与基准图词汇树的下一层的k个聚类中心比较，选择欧氏距离最近的聚类中心，进行相似度评分，构建基准景象匹配区；

实现景象匹配：

对实测图像和基准景象匹配区的图像进行匹配，应用最近邻搜索法进行特征点的匹配，通过比率测试比较特征点的最近邻和次近邻的距离对实测图像和基准景象匹配器进行匹配，实测图像与基准景象匹配器的匹配点；

应用几何一致性校验算法去除错误匹配点：

采用随机抽样一致性算法对通过比率测试的匹配点进行校验，并利用满足对极几何学约束的匹配点计算单应性矩阵；

修正导航误差：

利用获得的单应性矩阵计算无人机的位置信息，或将单应性矩阵与机载导航设备输出的高度和姿态信息相融合提高导航系统精度。

2.根据权利要求1所述的一种无人机景象匹配辅助导航方法，其特征在于：所述提取实测图像或基准图像特征的方法为：

通过SURF特征描述实测图像或基准图像，

使用Hessian矩阵行列式计算并搜索实测图像或基准图像中三维尺度空间极值得到具有旋转和尺度不变性的特征点；

对每个特征点周围的圆形区域定义一个特征方向，并根据特征点邻域内的灰度分布提取64维的描述子矢量，作为实测图像或基准图像的图像特征。

3.根据权利要求1所述的一种无人机景象匹配辅助导航方法，其特征在于：所述实现景象匹配的方法为：

对于实测图的描述子矢量q，将基准图中与q的欧氏距离最近的图像描述子矢量记为p₁和p₂，将矢量间的距离分别表示为：

d₁＝||q-p₁||

d₂＝||q-p₂||

其中d₁≤d₂，当满足d₁/d₂＜r时，判定矢量q通过比率测试，其中0≤r≤1。

4.根据权利要求1所述的一种无人机景象匹配辅助导航方法，其特征在于：所述应用几何一致性校验算法对通过比率测试的匹配点进行校验的方法为：

采用RANSAC算法去除错误匹配点，确保两幅图像特征点的匹配能够满足物理可实现的变换；其中，RANSAC算法包括假设模型的生成和验证两个步骤。

5.一种应用于无人机景象匹配辅助导航的基准景象匹配区选择方法，其特征在于，通过下列步骤来实现：

在无人机执行任务前，提取基准图像数据库中所有基准图的图像特征，应用分层k均值聚类法构建基准图词汇树；

在无人机执行任务时，提取实测图像中的图像特征；从基准图词汇树的根节点开始到基准图词汇树的叶节点，将实测图像的图像特征与基准图词汇树的下一层的k个聚类中心比较，选择欧氏距离最近的聚类中心，进行相似度评分，并构建基准景象匹配区。