[发明专利]一种无人机景象匹配辅助导航方法及系统

说明书

技术领域

本发明涉及导航技术领域，涉及一种无人机景象匹配辅助导航方法及系统。

背景技术

无人机导航技术是指无人机使用机载的导航设备和飞行控制系统进行定位和控制并完成飞行任务的技术。无人机导航中常用的方法包括遥控导航、惯性导航、卫星导航、组合导航等。

无人机特别是作战用小型无人机的应用电磁环境恶劣，遥控通信链路难以维持，GPS信号也易受干扰。在众多导航方法中，惯性导航和景象匹配导航能够提高无人机导航的适应性。

惯性导航系统是利用惯性元件感测载体运动中的角速度和加速度，通过积分计算，得出载体的速度、位置和姿态等导航信息，具有完全自主、全天候、不受外界环境干扰和无信号丢失等优点。然而，相对于无人机的体积和载荷来讲，高精度的惯性导航系统体积、重量和耗电量超出了无人机的能力范围。同时，惯性导航系统长时间工作时存在累积误差，不能完全满足实际应用需求。

景象匹配辅助导航(Scene Matching Aided Navigation)是利用机载视觉传感器在飞行过程中采集的实时景象图与预先制备的基准景象图进行实时匹配计算以获得精确定位信息的技术。这种技术具有很高的自主性和精确度，极好的保密性和抗干扰性，已经引起了国内外导航界的普遍关注。同时，视觉传感器具有轻便、低功耗、体积小等优点，非常适合无人机应用。

在景象匹配辅助导航中，选择景象匹配区是需要解决的首要问题。通过对指定景象区域的匹配定位性能进行评估、分析，从而确定该区域是否可作为合适的景象匹配区，保证飞行过程中机载传感器获取的实测图与基准图进行成功匹配。目前，匹配区的选择尚无成熟的解决方案，大部分由人工完成，通常很难满足实际应用的需求。本发明首次提出应用基于内容的图像检索方法选择景象匹配区，该方法可与后期的图像匹配工作无缝结合。

由于存在环境、设备、拍摄形态等因素的影响，实时景象图与基准景象图之间会存在平移、旋转、尺度、视角、光照、扭曲等变化，因此实现高效准确的图像匹配是提供高精度导航信息源的关键。本发明采用基于局部特征的图像匹配算法，得到亚像素的匹配精度。

本发明的优点在于：无人机在执行任务过程中，可以不依靠其他信息，在大规模基准图像数据库中实时的选择最佳基准图并完成精确匹配。本发明适于在机载处理器上应用，可结合机载导航设备实现高精度的导航。本发明也可用于导弹中低空下的组合导航中。除可见光景象匹配外，本发明同样适于红外景象匹配等其他形式的景象匹配中。

发明内容

为解决现有技术中的上述缺陷，本发明提出一种无人机景象匹配辅助导航方法及系统，用于实现精确的定位与导航。所述的方法利用机载视觉传感器在飞行过程中采集的实时景象图与预先制备的基准景象图进行实时匹配计算以获得精确定位信息。该方法还可用于修正其他机载导航设备的导航误差，并可作为一种备份导航手段。

本发明提出应用基于内容的图像检索方法进行无人机景象匹配导航的景象匹配区选择，很好的解决了图像区域适配性问题。所述的适配性问题是指通过对指定景象区域的匹配定位性能进行评估、分析，从而确定该区域是否可作为合适的景象匹配区，保证飞行过程中机载传感器获取的实测图与基准图进行成功匹配。本发明应用基于分层k均值聚类法的词汇树模型进行图像检索，可以选出最佳图像适配区域。由于检索时应用了局部特征描述图像，可以与之后的匹配过程无缝结合。采用的图像匹配算法可克服实时景象图与基准景象图之间存在的平移、旋转、尺度、视角、光照、扭曲等变化，实现高效准确的图像匹配。

本发明的实现步骤如下：

一种无人机景象匹配辅助导航方法，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：