[发明专利]一种基于伪孪生网络与深度特征的目标识别匹配定位方法

说明书

本发明提供了一种基于伪孪生网络与深度特征的目标识别匹配定位方法，具体包括以下步骤：基于伪孪生网络模型进行目标识别与图像匹配定位一体化设计，获取目标图像并基于SSD算法对目标进行识别，基于深度特征匹配方法进行目标匹配定位，基于网格运动统计模型优化匹配结果。本发明采用伪孪生网络结构，通过目标识别算法选取参考图与实时图的适配区，利用深度特征与GMS算法相结合的匹配策略，完成目标识别与匹配定位任务。本发明与其他的匹配算法相比，鲁棒性更强、匹配精度更高，在保证实时性的前提下，提高了网络的泛化能力，实现了目标识别与匹配定位算法的一体化设计，减少了运算量，在光照、尺度和成像角度发生较大变化时，表现更加优异。

技术领域

本发明属于飞行器视觉定位方法应用技术领域，具体涉及一种基于伪孪生网络与深度特征的目标识别匹配定位方法。

背景技术

近年来，随着人工智能、机器人等前沿技术的快速发展，无人系统智能化成为人工智能领域的一个热点研究话题。新一代智能无人系统的关键技术是以算法和数据为基础，注重提高感知、计算、认知推理和作战执行能力，从而形成一个开放、兼容、稳定、成熟的技术体系，算法作为人工智能技术的核心，为无人系统的各种行动提供基础。当前导弹、无人机等各类飞行器在执行任务过程中，需要导航系统不断的确定自身的位置来调整运行状态，因此对无人机导航系统开展进一步研究变得十分重要。

目前无人机常用的导航方式有：全球卫星导航、惯性导航和视觉导航。传统的卫星导航定位方式依赖外部卫星信号，因而易受环境和敌方干扰而无法提供准确的定位信息。惯性导航系统会随着工作时间的延长而产生较为明显的数据漂移。视觉导航是一种自主导航技术，它利用图像处理、计算机视觉等技术获取无人机的运动信息和空间信息。视觉导航定位技术可以分为两种：一种是利用无人机航拍图像序列进行匹配得到位姿变换关系，成熟的技术包括SLAM和视觉里程计VO；另一种是利用坐标信息已知的参考图像，通过图像匹配技术完成定位。SLAM技术广泛应用于各种室内定位场景，但在开阔的室外环境下效果较差。VO技术随着时间的推移定位结果也会产生较大的偏差。参考图像进行图像匹配的定位方法是一种实现无人机导航的绝对定位技术，可以为长航时飞行无人机提供精确的定位保障。无人机在执行图像匹配导航任务过程中所采集的航拍图像和参考图一般具有清晰度高、数据量大、高现势性等特点，在处理参考图与航拍图时需要消耗大量的时间与计算内存。而在实际任务中所关注的通常是目标所在的部分区域，而不需要对整张图像进行匹配运算处理。因此开展对无人机目标识别匹配一体化定位算法的开发是一项具有相当高难度的任务。

基于此，提出了提出了一种将SSD算法与深度特征匹配算法相结合的目标识别匹配一体化定位方法，即一种基于伪孪生网络与深度特征的目标识别匹配定位方法。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，即无人机在执行任务时首先要解决的问题是确定自身在工作环境中的准确位置。常用的图像匹配方法来确定目标位置，不仅要考虑由无人机的振动、姿态变化、视距过大与光照等原因造成的匹配失败，而且还要充分考虑到目标分辨率低、对比度低、变形、扭曲、变焦、缺少纹理等显著缺陷。如果使用深度学习方法进行目标识别，又没有充分利用到参考图所提供的目标特征信息，导致待检测目标的特征信息必须存储与目标识别算法中，使得网络结构和运算量极大，无法满足实时性要求。基于以上考虑，在综合考察现有算法特点的基础上，提供一种基于伪孪生网络与深度特征的目标识别匹配定位方法，以解决上述背景技术中提出的问题。

为解决上述技术问题，本发明采用的技术方案是：一种基于伪孪生网络与深度特征的目标识别匹配定位方法，包括以下步骤：

S1、基于伪孪生网络模型进行目标识别与图像匹配定位一体化设计；

S2、获取目标图像并基于SSD算法对目标进行识别；

S3、基于深度特征匹配方法进行目标匹配定位；

S4、基于网格运动统计模型优化匹配结果。