[发明专利]一种亚像素级图像匹配导航定位方法

说明书

本发明提供了一种亚像素级图像匹配导航定位方法，首先用哈尔小波对图像进行压缩，并利用仿射不变性特征来表征图像，提取边缘特征，然后结合高斯亚像素拟合进行特征点的亚像素级匹配定位。本发明具有很强的鲁棒性，能够减少因图像视角偏差较大所引起的匹配性能降低问题，所提出的高精度亚像素图像匹配方法能够高精度的重构出真实环境的纹理等细节信息，提高无人机定位和环境构建的准确性；可以大大降低计算量，提高匹配效率。

技术领域

本发明涉及视觉导航领域，尤其是一种图像匹配导航定位方法。通过具有仿射不变性的特征点来表征图像，并结合高斯亚像素拟合原理及特征描述符简化方法达到快速亚像素级定位，解决微小型无人机视觉导航对图像匹配算法高精度的需求。

背景技术

无人机视觉导航是指无人机借助视觉传感器感知环境，利用计算机对图像进行处理、分析和识别，通过与先验图像的匹配，来对无人机自身位姿进行估计，以实现测距、悬停、自主着陆和规划路径避障等任务。图像匹配是无人机视觉导航过程的核心技术之一，其匹配的速度和精度对导航系统的准确度和效率有着直接影响。目前大多数图像匹配算法是在某个离散化空间上估计一个视差集合，如整数像素视差，这对于只需要少量特征点的应用场合是足够的。而无人机视觉导航中往往需要处理超高分辨率的航拍图像，图像间存在光照条件、视角和尺度差异，并且要求亚像素级定位精度。因此，鲁棒性好且具有亚像素精度的图像匹配是提高无人机视觉导航系统整体性能的另一个关键问题。

在亚像素级图像匹配领域，国内外已经有一系列的研究成果。大致可以分为4类：1)扩展相位相关法：该类方法是对相位相关法的改进，不仅对灰度差和窄带噪声不敏感，而且还保留了相位相关法的优点。扩展相位相关法可分为时域求解法和频域求解法。在频域求解时匹配精度高，计算量小。2)基于插值的方法：该类方法主要通过灰度内插实现亚像素级匹配精度。分为相似性函数内插法和图像灰度直插法。该类方法的优点是精度高。3)最优化方法：该类方法选用适当的数学模型，通过迭代对参数进行优化，通过逐步优化得到亚像素精度的匹配。该类方法能够支持各种变换模型，匹配精度也比较高。4)基于特征点的方法。该类方法主要基于图像中的显著性特征(如点特征、线特征和区域特征)，通常结合内插法或相位相关法来使配准精度达到亚像素级。该类方法在保持鲁棒性的同时具有较高的匹配精度，因此被广泛应用于亚像素图像配准。

但无论哪种方法都各有优势和不足：1)扩展的相位相关法只能处理固定形式的图像变化，对于更复杂的非线性变换就无法达到匹配效果。2)插值法的缺点是计算量大，且匹配精度依赖于内插算法的质量。3)最优化法中寻找全局最优化的概率需要提高。 4)基于特征点的方法不适用于图像视角变化较大的情况。

综合以上研究与分析，各种方法在匹配精度、运行时间、和图像之间差异性造成的鲁棒性方面，存在较大的差异。因此，将图像匹配精度提高到亚像素级，减少算法复杂度，降低误匹配率同时增强算法对图像差异的鲁棒性，仍然是一个大的挑战。

发明内容

为了克服现有技术的不足，本发明提供一种亚像素级图像匹配导航定位方法。本发明解决的问题是能够为无人机提供一种亚像素级图像匹配定位方法，首先用哈尔小波对图像进行压缩，并利用仿射不变性特征来表征图像，提取边缘特征，然后结合高斯亚像素拟合进行特征点的亚像素级匹配定位。解决微小型无人机视觉导航对图像匹配算法高精度的需求。

目前大多数应用在无人机视觉导航中的匹配算法都只满足像素级精度，无法高精度的重构出真实环境的纹理等细节信息。此外，当无人机在视觉导航中常常会出现图像之间存在较大视角差异，这种情况下图像匹配性能会急剧下降，对无人机定位和环境构建的准确性进一步产生严重影响。仿射不变特征由于抗视角变换能力强，被越来越多应用在图像差异较大时的图像匹配。因此，这里采用具有仿射不变性的特征点来表征图像，并结合高斯亚像素拟合原理达到特征点的亚像素级定位，最终实现亚像素级精度的图像匹配定位。

本发明解决其技术问题所采用的技术方案的具体步骤如下：

步骤1：采用哈尔小波变换对输入图像进行压缩，首先执行步骤1.1；