[发明专利]基于从运动恢复结构的飞行器位置确定方法

权利要求书

1.一种基于从运动恢复结构的飞行器位置确定方法，所述飞行器具有惯性导航设备和成像设备，其特征在于，基于从运动恢复结构的飞行器位置确定方法包括以下步骤：

利用所述成像设备对航迹下地形连续成像，以获取运动序列图像，

基于所述运动序列图像恢复实时三维地形图并获取实时三维地形图上各点在飞行器本体姿态坐标系下的空间三维坐标，所述飞行器本体姿态坐标系是基于飞行器飞行时的姿态而建立的坐标系，

将所述实时三维地形图上各点在飞行器本体姿态坐标系下的空间三维坐标转化到飞行器平行坐标系下，所述飞行器平行坐标系是与地面基准地形坐标系相平行的飞行器原点坐标系，

将所述实时三维地形图上各点在飞行器平行坐标系下的空间三维坐标转化到所述地面基准地形坐标系下，以及

反向求解飞行器在所述地面基准地形坐标系下的位置；

所述基于所述运动序列图像恢复实时三维地形图包括以下步骤：

图像特征点提取，

序列图像匹配，

根据序列图像视差与飞行速度进行关键帧选择，

从关键帧同名特征点解算运动参数，以及

实时三维地形重建；

对所述图像特征点进行特征点向量描述，包括以下步骤：

特征点区域梯度大小和主方向计算，

消除旋转差异，以及

建立特征向量描述；

所述序列图像匹配包括以下步骤：

进行正向匹配点搜索，包括以下内容：从所述序列图像的第二帧开始，计算每帧与前一帧的图像匹配结果，采用逐个特征点距离比较的方法，对图像I₁中的每个待匹配特征点f₁(i)，计算其与图像I₂中每个候选特征点f₂(j)的特征距离，将图像I₂中与f₁(i)具有正向最小距离的特征点f₂(k)记为正向匹配的候选同名配准点(f₁(i)，f₂(k))，并记录所述正向最小距离以及记录特征点f₁(i)与I₂中特征点的正向次小距离，待匹配两图中特征点的不变性向量描述之间的距离d公式如下：

其中V和V′为待匹配两图中特征点的不变性向量描述，v_i和v_i′是其向量的分量，如果最小距离与次小距离的比值大于设定阈值Rd_th，则确认初步同名特征点(f₁(i)，f₂(k))，

进行反向匹配点搜索以及双向最佳匹配从而确定候选的同名特征点，包括以下内容：对图像I₂中的每个待匹配特征点f₂(j)，计算其与图像I₁中每个候选特征点的距离，将图像I₁中与f₂(j)具有反向最小距离的特征点f₁(k)记为反向匹配的候选同名配准点(f₂(j)，f₁(k))，并记录所述反向最小距离以及记录f₂(j)与图像I₁中特征点的反向次小距离，按照所述正向匹配点计算的方法，最终确认反向初步同名匹配(f₂(j)，f₁(k))，然后判断这两个方向匹配结果的一致性，若i＝k，则暂定两个匹配结果为正确同名匹配点，否则判断为错误匹配并放弃，以及

进行RANSAC模型约束从而将所述候选的同名特征点中选择出正确的同名特征点，包括以下内容：在保证取点距离大于一定阈值情况下随机选取相邻两帧序列图像中8对参与计算的匹配点；基于8点算法解算的基础矩阵F与匹配点之间关系X′^TFX＝0，其中X为图像I₁中的待匹配点的向量矩阵，X′为图像I₂中的待匹配点的向量矩阵，x、y为X向量的分量，x′、y′为X′向量的分量，用矢量f表示F矩阵的元素，则每一个匹配点对应的求解F的方程写为(x′x,x′y,x′,y′x,y′y,y′,x,y,1)f＝0，由8组匹配点组成线性方程组，估计基础矩阵F；计算所有匹配点与RANSAC模型的基础矩阵F之间的距离d_f，其中d_f＝X′^TFX，距离d_f小于一定阈值的匹配点即作为内点；重复步骤m次，记录每次的解算结果以及相应的内点；以及选择内点数N最多的结果对应的点集合，使用所有内点重新估计F矩阵作为输出结果，所有内点为最终正确匹配的同名特征点；

根据序列图像视差与飞行速度进行关键帧选择包括以下步骤：

根据所述特征点最终匹配结果计算平均视差d_m，公式如下：

以及

根据相邻两帧序列图像平均速度v_m和间隔时间t_m计算相邻两帧序列图像的相对距离D_m，公式为D_m＝v_m×t_m，如果d_m大于一定阈值且D_m大于0.08h_m，则判断该图像是关键帧图像，其中h_m是飞行高度，根据前一次位置计算结果得到，而第一次确定方法为，首先在d_m大于一定阈值条件下，由当参与计算的两帧图像的图像中心点进行三维交会，根据该点到相机光心的距离来确定；

所述实时三维地形重建包括以下步骤：

对第1、2关键帧构成的立体图像对进行特征点三维重建：首先计算第2关键帧相对于第1关键帧的运动参数R_2,1和T_2,1；以第1关键帧作为参考帧，其姿态矩阵为R₁单位矩阵，位置矩阵T₁为零矩阵；第2关键帧的位置姿态参数为R₂＝R₁×R_2,1，T₂＝R₁×T_2,1+T₁，根据该两帧图像的位置姿态参数计算出同名特征点的空间三维坐标；

对第2、3关键帧构成的立体图像对进行特征点三维重建：计算第3关键帧相对于第2关键帧的运动参数R_3,2和T_3,2；以第2关键帧作为参考帧，其姿态矩阵为R₂，位置矩阵为T₂；第3关键帧的位置姿态参数为R₃＝R₂×R_3,2，T₃＝R₂×T_3,2+T₂根据该两帧图像的位置姿态参数计算出同名特征点的空间三维坐标；

从第3关键帧开始持续对后续第N关键帧和N+1关键帧图像构成的立体图像对进行特征点三维重建，其中第N关键帧图像位置姿态参数根据上次计算获得，第N+1关键帧图像的位姿参数为R_N+1＝R_N×R_N+1,N，T_N+1＝R_N×T_N+1,N+T_N；根据该两帧图像的位置姿态参数计算出同名特征点的空间三维坐标；

以关键帧图像成像的位姿参数、同名特征点的空间三维坐标作为输入，通过特征点在关键帧图像上重投影误差最小化的方法，对每个关键帧的位置姿态参数进行优化求解，同时获取最优配置条件下的所有特征点的三维坐标，从而构成重建地形的三维结构；

在每两个关键帧图像之间以第一步的特征点作为种子点，对种子点区域内的点进行仿射变换计算初始匹配作为引导，采用最小二乘方法进行密集点图像匹配；

基于密集匹配结果，利用优化后的相机运动位置姿态参数和相机内参数，通过空间前方交会的方法进行密集点三维位置计算，得到表面密集的三维地形。