，2'），令戰表示飞机俯仰角，《2表示飞机倾斜角，1〇 2表 示飞机航向角如式
[0061]
[0062] 利用光轴的三维坐标（x'，y'，z'），可以求解出斜视角a和成像方向角0 :
[0067] 第三步：变高度、大斜视角下目标定位误差预测与补偿；
[0068]具体为：
[0069] (1)目标定位误差预测模型建模
[0070] 利用误差回归分析的方法建立目标定位误差预测数学模型。利用第二步中选取的 特征以及预测值构成样本数据，进行模型训练。根据实验数据观察可知，无人机目标定位误 差与飞行高度、斜视角等特征之间并非线性关系，具体的关系仍需要进一步的研究和分析。
[0071] 根据斜视角a，由已确定误差的校正后图像数据构成相应的训练样本，训练样本 的总数记为m，第i个训练样本记作（x(1)，y(1))，y(1)为样本误差值，x(1)为样本的特征，包含 n个特征可表示为x(1)= [x^x^x；；，"'xj1，其中x0=l，x丨=H?tan(a)，x2=H，x3 = 0，而误差与特征之间的非线性体现在x4=xAx5=x22,x6=x32,x7=x/，xs=x23,x9 = 3 x3......;
[0072] 构建的预测模型数学形式如下式所示：
[0073]
(H丨
[0074] 其中：he (X)为关于特征x的待预测模型，0为模型中待确定参数，0 =
[9 0，9 1，9 2,…，9JT。
[0075] 对于上述模型，需要依据实际数据反映出来的误差特性来设计预测模型的参数。 不同机型或成像平台目标定位误差特性不同，预测模型也不一样。
[0076] 接下来，需要一个机制去评估参数0是否比较好或者达到预计的要求，所以要对 上述he (X)函数进行评估，相应的代价函数如下：
[0077]
U2)
[0078] 采用梯度下降的方法最小化代价函数J(0)，求解出最优的参数0，首先对代价 函数求偏导：
[0079] _ v r' n _
[0080] 然后采用迭代的方法计算0的值：
[0081] 0 = 0-k▽eJ(14)
[0082] 式中：k表示学习率，k值设定的越大，收敛速度越快，学习时间越短，精度越低，k值设定的越小，收敛速度越慢，学习时间越长，精度越高。
[0083] (2)不同高度、不同斜视角条件下，训练样本的选择
[0084] 假设某无人机执行侦察任务时，成像高度变化从3000到7000米，斜视角从0到90 度，成像方向角在〇到360度范围内等概率分布。
[0085] 为了提高目标定位误差预测模型对多种条件的适应性，必须增大在成像高度、斜 视角、成像方向角各种条件下的样本数量。为了有效地选择预测模型需要的样本、统计在预 测空间的某个区域里样本的数量、判断当前预测结果的可信性，需要建立预测空间内样本 分布表不与测量的方法。
[0086] 本发明在成像高度、斜视角、成像方向角三个分量，划分分辨率，得到成像高度分 辨率、斜视角分布率、成像方向角分辨率。依据三个分辨率设计样本分布表不和测量方法。
[0087] 关于样本分布表示和测量，可以利用两个方法进行分析。方法1，如图6,利用成像 高度、斜视角、成像方向角三个分量建立三维坐标系统，在"三维空间"对训练样本进行分布 表示以及待测样本与训练样本间的距离测量。即利用飞机的成像高度、斜视角、成像方向角 进行训练，理想的训练样本应该填充整个将由工作高度范围、斜视角范围和成像方向角范 围确定的立方体空间。当由成像高度、斜视角、成像方向角确定的待预测样本在图6的三维 坐标系中的位置在训练样本包含的范围内，则可以得到较好的预测结果。方法2,如图7,把 成像高度、斜视角、成像方向角三个分量转换到光轴指向的二维圆平面内，在平面内进行样 本表示和测量。由于无人机的往往工作在一个较为稳定的高度上，因此训练样本的选择更 多的是由斜视角与成像方向角确定。当训练样本很好的填充了相应的圆环时，则可以达到 较好的预测效果。
[0088] (3)目标定位误差的预测与补偿
[0089] 利用上述建立的定位误差预测模型及确定的训练样本，对预测模型进行训练，获 取模型参数，采用此模型参数对待校正的图像进行定位误差预测，确定该图像的误差矢量AE(xe,ye)。将此误差对第一步获取的目标经炜度进行补偿，获取更加精确地经炜度信息 (x。'，y。'），如式 15 所示：
[0090]
[0091] 其中，&表示预测出的图像在大地坐标系下x方向的误差长度，^表示预测出的 图像在大地坐标系下y方向的误差长度。
【主权项】
1. 一种大斜视角下无人机可见光和红外图像目标定位方法，具体实施步骤如下： 第一步：基于成像模型的可见光和红外图像目标定位； 具体为： (1) 基于坐标系转换的侦察图像系统几何校正； 基于中屯、投影成像模型进行系统级几何校正，建立各个坐标系之间的变换关系，图像 平面到空间直角坐标系的转换过程为：像素坐标系I系一〉相机坐标系C系一〉无人机坐 标系P系一〉北天东坐标系N系一〉至间直角坐标系G系一〉大地坐标系E系； 像素坐标系I系与相机坐标系C系之间存在平移变换TiW及坐标轴翻转变化：，即将X变为相反数； 相机坐标系C系中屯、与飞机坐标系P系之间存在平移变换TcW及透视变换MC; WP系原点为原点建立北天东坐标系N系，P系相对N系有S个方向的自由度转动，航 向、俯仰、横滚，P系到N系的变换用透视变换Mp表示； I系中的像平面Fi(Xi,y。Zi)到N系中像平面Fn(刮，yN，zj的变换为： Fn=Mp.Mc-Tc.Y"v-Ti-Fi(1) N系与G系存在平移变换，其=个平移量为飞机坐标系P系原点在G系的=个坐标轴上 的投影； G系到E系的变换按照规定的投影模式进行； 综上所述，利用公式（1)像平面从I系变换到N系后，再根据N系、G系、E系的关系利 用空间相似=角形和高斯-克吕格投影理论，最终完成像平面从I系到E系的转换过程； (2) 基于共线方程的目标定位； 假设像点a在I系的坐标为（u，v)，则根据公式（1)坐标系的变换，得到像点a在N系 的坐标狂d。，Yd。，ZJ，设与像点a相对应的物点A在G系坐标为狂A，Ya，Za)，摄影中屯、S的G 系坐标为狂S，Ys，而)，得到像点的N系狂d。，Yd。，ZJ与对应物点的G系坐标狂A，Ya，Za)之间 的关系为：式中入为比例因子，狂s，Ys，Zs)是由飞机所在的E系坐标化^巧经高斯-克吕格投 影变换得到的； 假设侦察目标在校正影像中的I系坐标为（U。，V。)，则侦察目标的E系坐标（X。，y。）为： (4) 其中，Lat""nh、Latwuth、Lng。。,,、Lngwst分别为校正影像的北缔、南缔、东经和西经边界 值，Wi化h、He i曲t分别为校正影像的宽和高； 第二步：多因素影响下目标定位误差特征提取与表示； 具体为： (1) 选择目标定位误差特征 将斜视角、成像方向角、高度设为目标定位误差特征； (2) 目标定位误差特征表示 当无人机不存在任何姿态角的情况下，飞机机体坐标系与东北天坐标系是重合的，假 设光轴长度为单位值1，得到光轴端点在北天东坐标系中的=维坐标表示（x，y，z):巧) 式中梦表示平台高低角；K表示平台方位角； 当无人机自身发生姿态变化时，即由N系转换到P系，机体的转动将带动光轴指 向发生变化，此时，根据坐标系转换重新获得光轴端点在新的坐标系下的=维坐标表示 (X，，y，，Z，）：其中，從表示飞机俯仰角，表示飞机倾斜角，K2表示飞机航向角； 利用光轴的S维坐标（x'，y'，z'），求解出斜视角a和成像方向角e:(10) 第=步：变高度、大斜视角下目标定位误差预测与补偿； 具体为： (1) 目标定位误差预测模型建模 根据斜视角a，由已确定误差的校正后图像数据构成相应的训练样本，训练样本的总 数记为m，第i个训练样本记作（xW，yW)，yW为样本误差值，XW为样本的特征，包含n个特 征可表示为X。) =[X。,Xi,而，…，xjT，其中x〇= 1,X1=H?tan(a),X2=H,x3 =P，而误 差与特征之间的非线性体现在X4=Xi2,馬=X22,Xe=X32,町=Xi3,Xs=X23,Xg=X33......； 构建的预测模型数学形式如下式所示：(11) 其中：he(X)为关于特征X的待预测模型，0为模型中待确定参数，0 = [白0，白1，白2,???，白JT? 对上述he(X)函数进行评估，代价函数如下：(12) 采用梯度下降的方法最小化代价函数J( 0 )，求解出最优的参数0，首先对代价函数 求偏导：贴) 然后采用迭代的方法计算0的值： 白二目-k▽eJ(14) 式中：k表示学习率； (2) 不同高度、不同斜视角条件下，训练样本的选择； 在成像高度、斜视角、成像方向角=个分量，划分分辨率，得到成像高度分辨率、斜视角 分布率、成像方向角分辨率，依据=个分辨率设计样本分布表示和测量方法； (3)目标定位误差的预测与补偿 利用上述建立的定位误差预测模型及确定的训练样本，对预测模型进行训练，获取 模型参数，采用此模型参数对待校正的图像进行定位误差预测，确定该图像的误差矢量 AE(X。，y。）；将此误差对第一步获取的目标经缔度进行补偿，获取更加精确地经缔度信息 (X。'，y。'），如式 15 所示：(15) 其中，X。表示预测出的图像在大地坐标系下X方向的误差长度，y。表示预测出的图像 在大地坐标系下y方向的误差长度。
【专利摘要】本发明公开了一种大斜视角下无人机可见光和红外图像目标定位方法，包括第一步：基于成像模型的可见光和红外图像目标定位。第二步：多因素影响下目标定位误差特征提取与表示。第三步：变高度、大斜视角下目标定位误差预测与补偿。在大斜视角条件下，本发明能够有效地提高无人机目标定位精度；本发明提出的目标定位和误差补偿方法，计算量小，可以达到机载计算的实时性要求；本发明适用于可见光图像、红外图像等多种符合中心投影成像模型的图像目标定位应用。
【IPC分类】G01C25/00, G01C11/34
【公开号】CN105004354
【申请号】CN201510347204
【发明人】李红光, 丁文锐, 刘家良
【申请人】北京航空航天大学
【公开日】2015年10月28日
【申请日】2015年6月19日