一种顾及高程的无人机景观匹配定位方法与流程

本发明属于摄影测量研究技术领域，具体涉及无人机的定位方法。

背景技术：

近年来，无人机由于造价低廉、起降方便、操作灵活、机动性强等优点，无人机影像具有分辨率高，纹理清晰丰富，且重叠度高，大比例尺小面积等优点，因而被广泛应用于各类测图及非测图领域，如自然资源管理与检测、土地利用动态监测、道路监测、林业草场检测、交通、军事等领域。

无人机飞行器的导航定位数据传统上主要依赖惯性导航或卫星制导设备获取。惯性制导可以实现不依赖外界信息的完全自主导航，隐蔽性好，不受外界干扰和地形影响，可以全天候工作，但定位误差也会随时间而累积，影响定位精度。卫星制导具有全球性、全天候、连续精密导航与定位能力，实时性较为出色，但抗干扰性差(电磁干扰、建筑物遮挡等)。

景象匹配导航由于测量精度高、自成体系、抗干扰性强、系统能耗小、体积小等突出特点，成为了飞行器自主定位系统的研究热点。但是现有的景象匹配定位仅关注二维坐标，无法实现无人机平面坐标和高程坐标的实时定位解算。

技术实现要素：

本发明的目的是提供一种基于景观匹配的无人机辅助三维定位方法，该方法可以实现无人机顾及高程的三维定位导航。可以降低无人机对全球导航卫星系统(globalnavigationsatellitesystem，gnss)的依赖，实现无人机gnss信号受干扰或失效时的定位导航。

为达到上述目的，本发明的技术方案提供一种顾及高程的无人机景观匹配定位方法，包括以下步骤：

步骤1、分别构建基准图像和无人机拍摄的实时图像中的区域空间关系，得到相应的三角形集合，所述基准图像经与相应范围内的dem数据进行配准，图中每一个点都具有三维坐标；

步骤2，基于空间关系相似性的匹配，包括根据相似三角形的判定定理，基于从步骤1所得基准图像的三角形集合和实时图像的三角形集合，进行相似空间关系的粗匹配，初步得到匹配的三角形对，然后根据面积比一致性和旋转角度一致性去除伪匹配三角形对，得到正确匹配的三角形对；

步骤3，解算无人机位置，包括基于步骤2所得正确匹配的三角形对，获取无人机拍摄的实时图像中特征点的像素坐标以及对应的平面与高程坐标，从而解算无人机的三维坐标，实现顾及高程的三维定位导航。

而且，步骤1中，提取区域空间关系的实现方式如下，

获取图像中地物最小外接矩形的中心点，构成特征点集，在特征点集中任选3个点构成三角形集合，并剔除2种类型的三角形，一种为等腰三角形或等边三角形，一种为最小角小于相应预设阈值的三角形。

而且，步骤2中，根据相似三角形的判定定理，进行相似空间关系的粗匹配，实现方式如下，

设步骤1所得基准图像的三角形集合g^t有a个三角形，步骤1所得实时图像g^s的三角形集合有b个三角形，计算相似性矩阵mts大小为a×b，mts(i,j)为g^t中第i个三角形与g^s中第j个三角形的最大角之差与最小角之差的和；根据预设的角度阈值α，若mts(i,j)＜α，则认为g^t中第i个三角形与g^s中第j个三角形相似，记为三角形对所有匹配的三角形对构成集合

而且，步骤2中，根据面积比一致性去除伪匹配三角形对，实现方式如下，

计算集合gmatching中每一组三角形对的面积比，取λ为三角形对面积比值的均值，根据预设的比例阈值λ0，认为面积比值在(λ-λ0,λ+λ0)范围内的三角形对为正确匹配三角形对，进行剔除后得到新的匹配三角形对的集合g′matching。

而且，步骤2中，λ0建议取值范围为0.1≤λ0≤0.15。

而且，步骤2中，根据旋转角度一致性去除伪匹配三角形对，实现方式如下，

计算g′matching中每一组三角形对的最大角方向旋转角度和最小角方向旋转角度，取θmax和θmin为最大角方向旋转角度和最小角方向旋转角度的均值，根据预设的角度阈值θ0和θ′0，当一对匹配的三角形对的最大角方向旋转角度θ在(θmax-θ0，θmax+θ0)范围内，且最小角方向旋转角度θ′在(θmin-θ′0，θmin+θ′0)范围内，认为该三角形对是正确匹配的三角形对。

而且，角度阈值θ0和θ′0建议取值范围为3°～5°。

和现有技术相比，本发明具有如下优点和有益效果：

(1)本发明充分利用了图像中存在的空间位置关系，以及相应的数学理论方法，准确地找到正确匹配的三角形对；

(2)本发明在解算无人机二维平面位置的同时，顾及了无人机的高程信息，最终的解算结果是三维(包含平面坐标以及高程坐标)定位坐标。

附图说明

图1是本发明实施例的流程示意图；

图2是本发明实施例最小角方向和最大角方向的示意图。

具体实施方式

以下结合附图和实施例详细说明本发明的技术方案。

本发明实施例基于景观匹配实现无人机顾及高程的定位。首先，制备包含高程数据的底图数据，然后与底图数据进行景观匹配得到实时图像中的点所对应的三维坐标，最后通过空间后方交会实现无人机三维位置的解算。实施例的流程如图1所示，包括以下步骤：

1、分别构建基准图像和实时图像中的区域空间关系。

具体实施时，可以预先设置基准图像作为底图，例如相同区域的高分辨率遥感影像，或者是无人机影像的正射拼接影像。实施例中，采用dem数据作为正射校正的数据源，对基准影像进行校正和配准，生成底图数据，为无人机三维坐标的解算提供基准数据。数字高程模型(digitalelevationmodel)，简称dem。

对于实时图像t，大小为w×h，先对t进行目标检测，剔除面积在设定阈值范围外的目标，并提取剩余目标的最小外接矩形的中心点，构成点集合p^t。在p^t中任选3个点构成三角形集合，并剔除下面2种类型的三角形：等腰三角形或等边三角形；最小角小于阈值β(即三角形的三个顶点几乎共线)，最终得到实时图像的特征三角形集合g^t。

对于基准图像s，大小为w×h，首先将其与相应范围内的dem数据进行配准，使得s中的每一个点都具有三维坐标。其次对s进行目标检测，剔除面积在设定阈值范围外的目标，并提取剩余目标的最小外接矩形的中心点，构成点集合p^s。在p^s中，选择能被实时图像面积覆盖的任意3个点构成三角形集合，并剔除下面2种类型的三角形：等腰三角形或等边三角形；最小角小于阈值β′，得到三角形集合g^s。

等腰三角形或者等边三角形有两条边或者三条边是相等的，即使两个三角形是相似的，也无法准确的判断两个三角形之间顶点的对应关系，所以要剔除等腰或等边三角形，避免出现误差。例如：任意两个等边三角形是相似的，但无法判断其中一个三角形的顶点分别与另一个三角形的哪个顶点是相对应的。

角度阈值β和β′均建议取值范围为5°～10°，当三角形的最小角小于这个范围时，三角形的三个顶点几乎位于同一条直线上。

2、区域空间关系的匹配。

本步骤通过对两个三角形集合中的三角形进行匹配，得到相匹配的三角形对，称为同名三角形对，从而获取实时图像中像素点在基准图像中所对应的同名点及其三维坐标。

具体步骤如下：

2.1根据三角形的判定定理，进行相似空间关系的粗匹配。

采用的相似三角形判定定理为：如果两个三角形的两个角分别对应相等(或三个角分别对应相等)，则两个三角形相似，即两角对应相等，两个三角形相似。本发明中选择三角形的最大角和最小角作为对应的两个角。

设三角形集合g^t、g^s分别有a、b个三角形，计算相似性矩阵mts大小为a×b，mts(i,j)为g^t中第i个三角形与g^s中第j个三角形的最大角之差与最小角之差的和；设定角度阈值α，若mts(i,j)＜α，则认为g^t中第i个三角形与g^s中第j个三角形相似，记为三角形对所有匹配的三角形对构成集合

角度阈值α建议取值范围为0°～12°。

2.2根据面积比一致性去除伪匹配三角形对。

如果实时图像和基准图像中的任意三对特征点匹配，则由三对特征点分别组成的三角形一定是相似的，同时，两幅图像的分辨率比例决定了这对三角形面积之间的比例，设为λ，且这个比例对于任意匹配的三角形对都是相同的。

计算集合gmatching中每一组三角形对的面积比，取λ为三角形对面积比值的均值，大多数的三角形对面积比值接近这个值，相差较大的三角形对则认为是伪匹配三角形对。设定比例阈值λ0，认为面积比值在(λ-λ0,λ+λ0)范围内的三角形对为正确匹配三角形对，进行剔除后得到新的匹配三角形对的集合g′matching。

比例阈值λ0建议取值范围为0.1≤λ0≤0.15。

2.3根据旋转角度一致性去除伪匹配三角形对。

实时图像与基准图像之间的旋转角度决定了匹配三角形对之间的旋转角度，但是这个旋转角度对于任意匹配的三角形对都是相同的，利用这个原理，可以对g′matching中的三角形对进行更加精细的筛选。

定义三角形中最小角所在顶点到对边中点的向量所在的方向称为三角形的最小角方向，如图2中三角形abc的顶点b到对边中点d的向量方向三角形中最大角所在顶点到对边中点的向量所在的方向称为三角形的最大角方向，如图2中的设最大方向角的对应旋转角度为θ，最小方向角的对应旋转角度为θ′。

计算g′matching中每一组三角形对的最大角方向旋转角度θ和最小角方向旋转角度θ′，取θmax和θmin为所有三角形对最大角方向旋转角度和最小角方向旋转角度的均值，大多数三角形对的旋转角度接近这个值，相差较大的三角形对则认为是伪匹配三角形对。设定角度阈值θ0和θ0′，最大角方向和最小角方向的旋转角度均在阈值内，则认为是正确的匹配三角形对。

角度阈值θ0和θ′0建议取值范围为3°～5°。θ为最大方向角的对应旋转角度，θ′为最小方向角的对应旋转角度，从理论上来说，一组三角形对中，θ和θ′应该是相等的，但是由于图像仿射等误差，所以允许θ和θ′有一定容错范围，即一对匹配的三角形对的最大角方向旋转角度θ在(θmax-θ0，θmax+θ0)范围内，且最小角方向旋转角度θ′在(θmin-θ′0，θmin+θ′0)范围内，那么认为该三角形对是正确匹配的三角形对。

3、解算无人机位置。

通过步骤2获取了正确匹配的三角形对，进而得到相对应的匹配点对(即同名点对)，则可以获取无人机实时图像中特征点的像素坐标以及对应的平面与高程坐标，再利用现有的空间后方交会方法对飞行图像进行解析，解算无人机的三维坐标，实现顾及高程的三维定位导航。

基准图像与对应区域的高程数据(dem数据)进行了配准校正，那么基准图像上的每一个像素点都具有三维坐标，即平面地理坐标和高程坐标。通过步骤2可以获得相对应的同名点对p和p(以实时图像中特征点p和基准图像中特征点p为例)，那么点p的三维坐标即点p的三维坐标，故可知特征点p的像素坐标和三维坐标。

具体实施时，以上流程可采用计算机软件技术实现自动运行。

本发明中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。