基于特征匹配的飞行器航偏移误差的自校正方法
【技术领域】
[0001] 本发明提供了一种基于特征匹配的飞行器航路偏移误差的自校正方法，属于图像 信息处理与导航领域的结合领域。根据特征配准结果自适应选择航路偏移解算方法，从而 获得飞行器的位置偏移。
【背景技术】
[0002] 飞行器在飞行中要依赖惯性导航系统（InertialNavigationSystem,INS)进行 定位，但是由于惯性器件的累积误差，惯导输出的位置坐标会随着时间累积发散。为了纠正 惯导的累积误差，一般采用组合导航的方式对INS的输出进行修正，提高惯导的输出精度。 INS/卫星定位系统是现在最为常用的组合导航的方式，如全球定位系统（GlobalPosition System,GPS)或者北斗卫星导航系统（BeidouNavigationSatelliteSystem,BDS)。
[0003] 但是在实际应用中，卫星定位系统并不是实时可用的，会受到卫星平台可用性，以 及信号干扰等方面的影响。当卫星定位系统失效时，需要借助其它方式对惯导输出结果进 行纠正。由于视觉导航自主性强，精度高，实时性好，所以INS/视觉导航成为了组合导航的 一个重要发展方向。
[0004] 丁文锐、康传波的专利（申请公布号CN103822635A)基于视觉信息的无人机飞 行中空间位置实时计算方法，该专利利用单点地标对飞行器的空间位置进行实时计算，计 算时需要利用单点地标的高度信息，将高度误差引入到计算结果中。而本发明能够充分利 用地标区域的信息，利用SIFT匹配特征点进行偏移解算，当匹配对个数大于设定阈值N_ fine时，可以采用方法5-b或5-c进行解算，方法5-b消除了高度误差对解算精度的影响， 方法5-c消除了姿态角和高度信息对解算精度的影响。
【发明内容】
[0005] 本发明的目的在于提供了一种利用图像传感器，基于特征配准的航路偏移解算方 法，当卫星定位系统失效时，通过对已知地标的图像信息的采集，实现对飞行器惯性导航误 差的实时修正。
[0006] 该系统分为离线处理和飞行器在线处理两个部分。
[0007] 离线处理的作用是选定地标区域并建立先验信息数据库，包括以下几个步骤：
[0008] 步骤（1)地标区域选定并获得该地标区域的先验影像信息。
[0009] 步骤（2)对该地标区域的先验影像进行SIFT特征点提取。
[0010] 步骤（3)生成该地标区域的先验数据库，包括先验图像信息，特征点信息，以及地 标区域的地理位置信息。
[0011] 在线处理的作用是飞行器飞行时利用图像传感器对地标区域进行图像采集，与离 线建立的地标区域的先验数据库进行对比，检测地标区域，并根据地标区域在采集图像中 的像素坐标，计算飞行器的位置信息。包括以下几个步骤：
[0012] 步骤（1)将地标区域的先验数据库存储到飞行器的存储器中。
[0013] 步骤（2)拍摄选定地标区域的实时图像，并进行图像预处理：
[0014] 由于受到环境、传感器及平台干扰等的影响，飞行器获得的图像数据会存在噪声 及各种形式的干扰，为了保证后续操作的质量和性能，所以首先要对获取的图像进行预处 理操作。
[0015] 步骤⑶提取采集图像的SIFT特征点：
[0016] 利用SIFT算法软件对预处理之后的采集图像进行SIFT特征点提取，地标区域的 采集图像作为SIFT算法的输入，输出得到得到稳定的SIFT特征点参数集合。
[0017] 步骤（4)特征匹配：
[0018] 特征匹配即根据地标区域在线数据中先验图像的SIFT特征参数集合，以及图像 传感器采集影像的SIFT特征参数集合进行配准，特征匹配分为粗匹配和精匹配两部分。
[0019] 步骤（4. 1)特征粗匹配：
[0020] 粗匹配是用唯一描述向量（地标区域先验图像和采集图像的SIFT特征点的描述 向量间的欧氏距离）建立先验图像和采集图像之间的映射关系，利用向量间的欧氏距离来 进行粗配准。粗匹配的输出结果包括先验图像和采集图像匹配成功的特征点对，也包括对 该匹配特征点对的评分score，score是该特征点对描述向量欧氏距离的平方。
[0021] 步骤（4. 2)统计粗匹配的结果：
[0022] 若粗配准中成功匹配的特征点对为"0"，则输出"解算失败"，转入步骤（2)，若该 步骤中成功匹配的特征点对数大于零，则统计成功匹配的对数N。
[0023] 步骤（4. 3)特征精匹配：
[0024]设定特征精匹配的阈值为N_fine(N_fine>3)，设定需要的解算精度为DIST(单位 为米）。
[0025] 特征精匹配是在粗匹配的基础上，采用MLESAC(MaximumLikelihoodEstimation bySampleandConsensus，随机抽样最大似然估计）进一步进行筛选，去除匹配错误的特 征匹配对，将剩下的匹配对转入步骤（5)进行飞行器位置偏移的解算。
[0026] 当粗配准成功的特征点对的数目N彡N_fine时，输出N对特征点对中score中最 小的特征点对，采用步骤（5-a)方法进行解算。当粗配准成功的特征点对的数目N>N_fine 时，进行精配准筛选出错误的匹配对后输出正确的特征点对，同时对设定的解算精度DIST 进行判断，若DISTS10m，转入步骤（5-c)进行解算，若DIST>10m，转入步骤（5-b)进行解 算。
[0027]步骤（5)航路偏移解算：
[0028] 航路偏移解算是根据地标区域在采集图像中的像素坐标来计算飞行器的位置偏 移，该部分是本发明的重点所在。
[0029]本发明提供了三种进行航路偏移解算的方法（a) (b) (C)，根据精匹配中的成功匹 配的特征点对的数目N和设定的解算精度DIST选择对应的方法进行解算。
[0030] 本发明的优点在于：
[0031] (1)适应性好。无需用到GPS或北斗的信息，直接利用已知地标区域在采集图像中 的坐标，就能够对飞行器的空间位置进行定位。
[0032] (2)稳定性好。本发明中计算飞行器的位置坐标时，具体设计了三种策略，采用三 种方法相结合的方式，能够充分利用地标区域的信息，提高解算精度，同时，当地标点附近 的信息不完善时，也能通过方法（a)进行解算，适应性强。
【附图说明】
[0033] 图1是本发明的离线处理部分的流程图。
[0034] 图2是本发明的在线处理部分的流程图。
[0035] 图3是在线处理过程中粗匹配后的输出结果。
[0036] 图4是在线处理过程中精匹配后的输出结果。
【具体实施方式】
[0037] 下面根据附图对本发明的【具体实施方式】进行详细说明。
[0038] 本发明的基于特征匹配的飞行器航路偏移误差的自校正方法，其离线处理部分的 流程图如图1所示，包括以下几个步骤：
[0039] 步骤⑴选定地标区域并获得地标区域的先验图像：
[0040] 根据预先拟定的飞行器的飞行航线，进行地标区域的选取。选定的地标区域应该 具有丰富、明显的图像特征且不易混淆，如摩天大楼，立交桥，河流等具有明显特征且难以 复制的特点。
[0041] 利用卫星或无人机等方式对设定的地标区域进行图像采集，获得该地标区域的先 验图像以及该地标区域的地理坐标信息。
[0042] 步骤⑵提取先验图像的SIFT特征点：
[0043] 利用SIFT算法软件对所述先验图像进行SIFT特征点提取，获得其特征点 的描述向量Vf，组成先验图像特征点描述向量的集合
1，2,…，凡-1，N。，N。为先验图像的SIFT特征点数，
[0044] 步骤（3)生成地标区域的先验数据库：将步骤（1) (2)获得的图像信息，地标区域 的地理坐标，SIFT特征点参数存入到先验数据库，完成先验数据库的建立。
[0045] 本发明的基于特征匹配的飞行器航偏移误差的自校正方法，其在线处理部分的流 程图如图2所示，包括以下几个步骤：
[0046] 步骤（1)将地标区域的先验数据库事先存储到飞行器的存储器中。
[0047] 步骤（2)实时拍摄选定地标