专利名称：基于Harris角点匹配的SINS/SMANS组合导航方法及系统的制作方法
技术领域：
本发明涉及组合导航定位技术领域，尤其涉及一种基于Harris角点匹配的SINS/ SMANS组合导航方法及系统。
背景技术：
导航在现代飞行器飞行中占有重要的地位，对于军用飞机来说，需要具备长途奔袭、快速反应和自部署能力，也必需装备自主工作的导航设备；对于直升机来说，在搜救过程中，需要标出救援目标的距离、方位和精确位置，也需要依靠精确的导航和定位系统。因此，现代飞机飞行越来越依赖精确的导航设备。现代飞机导航方式主要有捷联惯性导航(SINS)、卫星导航(GNSS)、无线电导航 (RNS)、多普勒导航(VNS)、景象匹配辅助导航(SMANS)等。其中，惯性导航是飞机的主要导航方式，其有高数据率和自主性强的特点，但惯性导航随时间增长会出现误差漂移，需要其他导航方式对其进行修正。卫星导航、无线电导航和多普勒导航都具有自主性差、易受干扰的缺点，不能满足导航系统对自主性的要求。景象匹配导航系统以其特有的抗干扰和自主导航能力，在精确导航技术中的地位正日益重要。景象匹配导航是利用机载或弹载图像传感器在飞行过程中采集的实时地形景象图与预先制备的基准地形景象图进行实时匹配计算而获得精确定位信息的技术。景象匹配导航属自主定位，可以为飞行器提供高精度制导，导航精度与飞行距离无关，且成本相对较低。可应用于景象匹配辅助导航系统的先进图像传感器可分为两类一类是基于射频(RF)的传感器，有合成口径雷达(SAR)，毫米波雷达(MMW)等；另一类是基于光学的电光 (EO)传感器，有激光雷达，红外图像传感器等。而这些图像传感器的成像原理各有不同，其在载机上的应用也受到气象条件、地理条件、战场条件等综合因素的影响。但目前的图像传感器正在向多传感器融合方向发展，若运用数据融合技术综合不同信号源的信息来克服单传感器系统所固有的缺陷，或利用不同传感器的数据互补和冗余，则可为目标识别提供更多可利用的判别信息和指令信号。
发明内容
(一)要解决的技术问题本发明要解决的技术问题是提供一种基于Harris角点匹配的SINS/SMANS组合导航方法及系统，可有效改善SINS的导航精度并具有完全自主的特点。( 二 )技术方案为解决上述问题，本发明提供了一种基于Harris角点匹配的SINS/SMANS组合导航方法，包括以下步骤Sl 根据机载图像传感器的参数和几何关系，制作数字参考地图；S2 根据飞行器的飞行位置和姿态，模拟生成机载图像传感器拍摄的实时图像；
4
S3:对所述数字参考地图和模拟的实时图像进行配准，计算得出飞行器的实时位置；S4 建立捷联惯性导航误差模型和景象匹配观测模型；S5:用卡尔曼滤波技术对捷联惯性导航和景象导航输出的状态信息进行信息融合，得出最终的融合结果，并对捷联惯性导航进行误差校正。优选地，步骤Sl中所述数字参考地图由多个子参考地图拼接合成。优选地，步骤S2中对所述实时图像的模拟包括以下步骤S21 根据飞行器的飞行高度、机载图像传感器的视场角以及机载图像传感器在地理系中的方位，通过图像旋转方法，从数字参考地图中选择与实时图像对应的区域；S22:对所述数字参考地图进行缩放，满足机载图像传感器的像元要求，形成理想的实时图像；S23:在所述理想的实时图像上模拟加入噪声，得到所述模拟的实时图像。优选地，所述步骤S22中通过插值方法对所述数字参考地图进行缩放处理。
优选地，所述插值方法包括最邻近插值、双线性内插值、三次卷积插值方法。优选地，所述步骤S23中，所述加入的噪声包括高斯噪声和大气湍流干扰。优选地，所述步骤S3具体包括以下步骤S31 输入待匹配区域图像和模拟的实时图像；S32 分别对两幅图像进行角点特征提取；S33 根据提取的角点特征对两幅图像进行配准在待匹配图像中，用模拟的实时图像进行一一遍历比较和配准，计算所述模拟的实时图像在所述待匹配图像中的相对位置；S34:根据待匹配图像中心点对应的经纬度和模拟的实时图像在待匹配图像中相对位置来计算所述飞行器的实时位置。优选地，步骤S5中采用卡尔曼滤波对捷联惯性导航和景象导航输出进行信息融
I=I O另一方面，本发明还提供了一种实现上述SINS/SMANS组合导航方法的SINS/ SMANS组合导航系统，包括大气惯性导航系统，用于得到惯导位置信息并输出至卡尔曼滤波模块；图像传感器视区及定位参数计算模块，用于根据所述大气惯性导航系统输出的位置信息计算机载图像传感器的参数和几何关系；数字参考地图数据库，用于根据所述图像传感器视区及定位参数计算模块的计算结果得到合适的数字参考地图；图像传感器模拟模块，用于模拟生成机载图像传感器拍摄的实时图像；图像匹配模块，用于对由所述数字参考地图数据库获得的所述数字参考地图和由所述图像传感器模拟模块模拟的实时图像进行配准，计算得出飞行器的实时位置；卡尔曼滤波模块，用于根据大气惯性导航系统输出的惯导位置信息和图像匹配模块输出的飞行器实时位置信息进行信息融合；得到最终融合的位置信息结果，同时对所述大气惯性导航系统进行误差校正。优选地，所述系统还包括飞行轨迹发生器模块，用于模拟飞行器的飞行位置和姿态，以供所述图像传感器模拟模块模拟实时图像。(三)有益效果本发明利用模拟机载图像传感器获得的地形图像，过Harris算法与数字地图匹配，并对匹配结果进行定位解算，可获得一种高精度、自主的景象匹配辅助导航系统，对常规的SINS定位误差进行连续校正，消除SINS随时间增长的误差，大幅度地提高SINS的精度。
图1为根据本发明实施例组合导航方法的流程图；图2为根据本发明实施例步骤Sl制作的参考数字地图；图3为根据本发明实施例步骤S2的流程图；图4a4c为根据本发明实施例步骤S2分别经过旋转缩放Ga)、高斯噪声Gb)和大气湍流Ge)后得到的模拟实时地图；图5为根据本发明实施例步骤S3的流程图；图6为根据本发明实施例SINS/SMANS组合导航系统结构图。
具体实施例方式下面结合附图及实施例对本发明进行详细说明如下。实施例一如图1所示，本实施例记载了一种基于Harris角点匹配的SINS/SMANS组合导航方法，包括以下步骤Sl 根据机载图像传感器的参数和几何关系，制作数字参考地图；景象匹配导航系统得以顺利应用的基础条件就是数字图像地图的制备，在本实施例中采用Google Earth地图软件进行图像拼接，来获取相应精度的数字参考地图。即所述数字参考地图由多个子参考地图拼接合成所述数字参考地图中第i行j列像元P对应经纬度为P(i, j) = [L0+(i+0. 5)cL, λ 0+(j+0. 5) c λ ]；其中LO+(i+0. 5) cL为P像元的纬度，λ 0+(j+0. 5) c λ为所述P像元的经度，LO为所述数字参考地图左上角顶点的纬度，cL为单位像元纬度跨度，λ 0为所述数字参考地图左上角顶点的经度，c λ为单位像元经度跨度。图2所示为得到的某地区的数字参考地图。S2 根据飞行器的飞行位置和姿态，模拟生成机载图像传感器拍摄的实时图像；系统仿真采用纯数字仿真，靠软件模拟机载图像传感器(本实施例中为CCD)拍摄的实时图像，机载图像传感器的主要误差源为几何畸变和辐射畸变，而在下视景象匹配导航系统中，几何畸变考虑旋转和放缩两个部分，而辐射畸变主要考虑大气散射和CCD量化误差。因此，如图3所示，对所述实时图像的模拟包括以下步骤S21 根据飞行器的飞行高度、机载图像传感器的视场角以及机载图像传感器在地理系中的方位，通过图像旋转方法，从数字参考地图中选择与实时图像对应的区域；
其中，图像旋转方法为设图像IMGO逆时针旋转角度θ后的图像为IMG，对于图像IMGO中的点I (Xq，y0)在旋转后的图像IMG中的坐标为I (x，y)，并设图像坐标原点在图像中心，χ轴向右为正，y轴向下为正，则
权利要求
1.一种基于Harris角点匹配的SINS/SMANS组合导航方法，其特征在于，包括以下步骤51根据机载图像传感器的参数和几何关系，制作数字参考地图；52根据飞行器的飞行位置和姿态，模拟生成机载图像传感器拍摄的实时图像；53对所述数字参考地图和模拟的实时图像进行配准，计算得出飞行器的实时位置；54建立捷联惯性导航误差模型和景象匹配观测模型；55对捷联惯性导航和景象导航输出的状态信息进行信息融合，得出最终的融合结果， 并对捷联惯性导航进行误差校正。
2.如权利要求1所述的SINS/SMANS组合导航方法，其特征在于，步骤Sl中所述数字参考地图由多个子参考地图拼接合成。
3.如权利要求1所述的SINS/SMANS组合导航方法，其特征在于，步骤S2中对所述实时图像的模拟包括以下步骤521根据飞行器的飞行高度、机载图像传感器的视场角以及机载图像传感器在地理系中的方位，通过图像旋转方法，从数字参考地图中选择与实时图像对应的区域；522对所述数字参考地图进行缩放，满足机载图像传感器的像元要求，形成理想的实时图像；S23:在所述理想的实时图像上模拟加入噪声，得到所述模拟的实时图像。
4.如权利要求3所述的SINS/SMANS组合导航方法，其特征在于，所述步骤S22中通过插值方法对所述数字参考地图进行缩放处理。
5.如权利要求4所述的SINS/SMANS组合导航方法，其特征在于，所述插值方法包括最邻近插值、双线性内插值、三次卷积插值方法。
6.如权利要求3所述的SINS/SMANS组合导航方法，其特征在于，所述步骤S23中，所述加入的噪声包括高斯噪声和大气湍流干扰。
7.如权利要求1所述的SINS/SMANS组合导航方法，其特征在于，所述步骤S3具体包括以下步骤531输入待匹配区域图像和模拟的实时图像；532分别对两幅图像进行角点特征提取；533根据提取的角点特征对两幅图像进行配准在待匹配图像中，用模拟的实时图像进行一一遍历比较和配准，计算所述模拟的实时图像在所述待匹配图像中的相对位置；S34:根据待匹配图像中心点对应的经纬度和模拟的实时图像在待匹配图像中相对位置来计算所述飞行器的实时位置。
8.如权利要求1所述的SINS/SMANS组合导航方法，其特征在于，步骤S5中采用卡尔曼滤波对捷联惯性导航和景象导航输出进行信息融合。
9.一种实现权利要求1-8中任一项所述的SINS/SMANS组合导航方法的SINS/SMANS组合导航系统，其特征在于，包括大气惯性导航系统，用于得到惯导位置信息并输出至卡尔曼滤波模块；图像传感器视区及定位参数计算模块，用于根据所述大气惯性导航系统输出的位置信息计算机载图像传感器的参数和几何关系；数字参考地图数据库，用于根据所述图像传感器视区及定位参数计算模块的计算结果得到合适的数字参考地图；图像传感器模拟模块，用于模拟生成机载图像传感器拍摄的实时图像； 图像匹配模块，用于对由所述数字参考地图数据库获得的所述数字参考地图和由所述图像传感器模拟模块模拟的实时图像进行配准，计算得出飞行器的实时位置；卡尔曼滤波模块，用于根据大气惯性导航系统输出的惯导位置信息和图像匹配模块输出的飞行器实时位置信息进行信息融合；得到最终融合的位置信息结果，同时对所述大气惯性导航系统进行误差校正。
10.如权利要求9所述的SINS/SMANS组合导航系统，其特征在于，所述系统还包括飞行轨迹发生器模块，用于模拟飞行器的飞行位置和姿态，以供所述图像传感器模拟模块模拟实时图像。
全文摘要
本发明公开了一种基于Harris角点匹配的SINS/SMANS组合导航方法，包括以下步骤S1根据机载图像传感器的参数和几何关系，制作数字参考地图；S2根据飞行器的飞行位置和姿态，模拟生成机载图像传感器拍摄的实时图像；S3对所述数字参考地图和模拟的实时图像进行配准，计算得出飞行器的实时位置；S4建立捷联惯性导航误差模型和景象匹配观测模型；S5融合SINS和SMANS输出的状态信息，并对捷联惯性导航进行误差校正。本发明还公开了一种实现上述方法的组合导航系统，包括大气惯性导航系统、图像传感器视区及定位参数计算模块、数字参考地图数据库、图像传感器模拟模块、图像匹配模块以及卡尔曼滤波模块。本发明可有效改善SINS的导航精度并具有完全自主的特点。
文档编号G01C21/24GK102506867SQ20111037185
公开日2012年6月20日 申请日期2011年11月21日 优先权日2011年11月21日
发明者李威, 杨霄, 程农, 胡海东 申请人:清华大学