本领域涉及一种定位方法，具体涉及一种基于异源图像匹配的飞行器精确定位方法。
背景技术：
飞行器定位技术用于精确确定飞行器所在位置的地理坐标。为了提高飞行器的机动性，现有的飞行器一般都搭载定位系统，包括全球定位系统(gps)和惯性导航系统(ins)。惯性导航系统长时间工作定位结果会漂移，误差较大，通常的做法是使用gps的定位结果修正惯性导航的结果。但是gps是一种无线电定位技术，其信号极易受到建筑物遮挡、地形等因素的影响，并且gps技术依赖国外技术。处于军事安全性的考虑，军用飞行器必须拥有自主定位的能力。
自主定位具有被动测量、自成体系、不易受干扰的特点。惯导系统具备自主导航能力，它不需要任何外界电磁信号就可以独立给出载体的姿态、速度和位置信息，抗干扰能力强。但是，惯性导航系统是利用惯性元件测量载体加速度、经过积分得到载体的姿态和位置信息，陀螺漂移等因素引起误差随时间积累。传统的图像匹配定位方法也具备自主导航能力，无需外界信号可以独立地解算飞行器的绝对位置，但是事先准备的基准图与飞行器实时航拍的图像存在旋转、尺度和平移的变化，初次之外，两者的图像也会存在相应的灰度畸变，这对图像匹配是一项巨大的挑战，一次异源图像匹配很难适应因为异时异源图像带来的问题，它无法得到较为准确的图像匹配结果，后续解算飞行器的位置也无法得到较为准确的结果。
飞行器自主定位系统一直是各类研究人员关注的热门技术，现有定位系统主要有：基于ins和gps的组合定位系统、基于路标点的ins定位系统、基于ins和图像匹配的定位系统、基于gps/北斗的定位技术、基于ins和gps/北斗的组合定位系统。
(1)基于ins/gps的组合定位系统利用gps定位信息修正ins的测量数据，可以准确计算出飞行器的绝对位置，但是这种定位方法依赖卫星信号。
(2)基于路标点的ins系统，可以利用显著的路标点对ins的积累误差进行修正，提高系统的定位精度，但这要求航拍图像内必须包含路标点，在现实情况中，路标点的设置耗费人力物力，若飞行路线不固定，很难做到航拍图像中都包含路标点。
基于ins的定位技术的缺点：ins定位技术的基本原理是通过积分获得飞行器的状态，这种方法的误差会随着时间的增加而增大，飞行器在较长时间运行时，使用这种定位技术定位精度会严重降低。
(3)基于ins和图像匹配的组合定位系统利用图像匹配的结果结算出飞行器的绝对位置，再进一步对ins的测量数据进行修正。但是传统的图像匹配的方法无法保证匹配的可靠性，会影响到飞行器位置的解算，传统方法的定位精度较低。
(4)基于gps/北斗的定位技术的缺点：卫星信号在有建筑物或者地形遮挡时不稳定，且卫星定位依赖地面基站，当飞行器正下方附近没有地面基站时，定位精度也无法保证，从而影响飞行器工作的安全性。
(5)基于ins和gps/北斗的组合定位技术的缺点：因为该技术利用gps/北斗卫星系统提供的位置信息对ins的积累误差进行修正，所以它高度依赖卫星信号，无法真正实现自主定位的能力。
技术实现要素：
本发明的目的是提供一种基于异源图像匹配的飞行器精确定位方法，能够得到更为精确的飞行器绝对位置。
本发明采用的技术方案为：
本发明提供一种基于异源图像匹配的飞行器精确定位方法，包括如下步骤：
获取惯性传感器信息：飞行器在飞行过程中，所述飞行器搭载的成像传感器获取飞行器的地面图像，与成像传感器固连的惯性传感器获取飞行器的位置、姿态、方向、高度；
校正：实时拍摄时根据惯性传感器获取的姿态、方向、高度和事先标定得到的成像传感器内部参数，对实时拍摄的图像进行正射校正，并将拍摄图像的方向与事先准备好的基准图方向和尺度调整为一致，得到校正后的航拍图像；
粗匹配：将所述校正后的航拍图像与事先准备好的基准图像进行匹配，在拍摄图像中选取若干个点，与基准图进行粗匹配，获得在基准图中对应点的像素坐标；
精匹配：将所述粗匹配得到的结果，进行精匹配，获得在基准图中对应点的精准像素坐标；
飞行器位置解算：将精匹配得到的结果作为pnp算法的输入，解算所述飞行器的绝对位置。
优选的，所述粗匹配包括如下步骤：
pqhog转换；
相似性测量。
优选的，所述粗匹配中，在拍摄图像中选取8-10个点。
优选的，所述精匹配包括如下步骤：
(1)输入粗匹配结果，并利用粗匹配结果校正航拍图像，得到粗匹配校正航拍图像；
(2)计算所述粗匹配校正航拍图像和基准图的梯度图像，得到航拍图像的梯度图像以及基准图的梯度图像；
(3)在航拍图像的梯度图像上选取若干个点，逐一选取所述若干个点中每一个点，以选取的该点截取航拍图像的梯度图像窗口作为模板窗口，利用相位相关法，计算出模板窗口与基准图的梯度图像之间的相似性矩阵，取相似性最大的点即为匹配的最佳位置，得到最佳匹配结果；
(4)利用(3)中的的最佳匹配结果重新校正实时拍摄的航拍图像；
(5)重复步骤(2)～(4)，直到迭代次数大于设定的阈值t。
本发明还提供一种基于异源图像匹配的飞行器精确定位系统，包括：
飞行器，用于搭载惯性传感器以及成像传感器；
惯性传感器，用于提供所述飞行器的初始位置、姿态、方向、高度；
成像传感器，用于拍摄图像，所述飞行器采用成像传感器对地拍摄图像，拍摄的图像作为所述飞行器精确定位系统的实时图；
飞行器计算载荷，用于图像匹配计算以及飞行器位置的解算。
优选的，所述飞行器计算载荷具体用于：
存储事先准备好的基准图库、图像去噪、拍摄图像的正射校正、校正后的航拍图像与基准图的图像粗匹配、精匹配，以及所述飞行器位置解算。
优选的，所述成像传感器采用为：可见光相机、红外相机或者sar相机
本发明的有益效果：
1.本发明提供一种基于异源图像匹配的飞行器精确定位方法，能够得到更为精确的飞行器绝对位置。
2.本发明实施例中，飞行器搭载成像传感器对地面景象进行拍摄，将拍摄的图像与提前准备好带有地理坐标的基准图进行图像匹配，
图像匹配是一个从粗到精的匹配过程，粗匹配可以获取实时拍摄的图像与基准图之间的对应关系；精匹配则是不断迭代这一关系，使得系统(本发明实施例的飞行器精确定位系统)可以获取更为精确的实时图与基准图的对应关系，图像匹配的结果越准确，解算飞行器的位置就越可靠，这样就得到更为精确的飞行器绝对位置。该定位方法需要惯性传感器获得的信息来参与匹配的基准图的范围，但不需要卫星信号。
3.本发明实施例根据惯性传感器获取的信息确定基准图搜索区域，并利用图像精匹配结果和事先读入系统的基准图上的地理坐标计反算飞行器的位置，整个定位系统无需卫星信号，完全依靠自身系统实现飞行器的定位，具有被动测量、不易受干扰等优点，实现安全可靠的自主定位。
4.本发明实施例的图像匹配算法基于异源图像设计，因此飞行器搭载的成像传感器可以选择可见光、红外、sar传感器，无需同基准图保持同一类型。红外、sar传感器可以在夜晚工作，且微波具有较强的穿透力较强，不易受雾和雨等天气影响。
5.本发明实施例根据图像精匹配结果和基准图上的地理坐标解算，在图像粗匹配的基础上，进一步进行精匹配，减小图像匹配的误差。定位精度由卫星图像分辨率和坐标精度决定，在具备高精度、高分辨率卫星图像的情况下，本发明实施例可以获得亚米级定位结果。
6.本发明实施例是利用飞行器实时获取的航拍图像与准备好的带有绝对位置的基准图进行图像粗-精匹配，再利用图像匹配的结果解算飞行器的绝对位置，该技术不依赖于卫星信号、不依赖路标点，比传统的图像匹配定位技术定位精度更高，具有系统自成体系、不易受干扰、定位精度高等优点，目前还没有相关的专利和文献。
附图说明
图1是本发明实施例提供的一种基于异源图像匹配的飞行器精确定位方法定位原理图；
图2是本发明实施例提供的一种基于异源图像匹配的飞行器精确定位方法流程示意图；
图3是本发明实施例中精匹配流程图。
图4是本发明实施例提供的一种基于异源图像匹配的飞行器精确定位系统结构示意图。
具体实施方式
以下将结合实施例对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
本发明实施例利用航拍图像与基准图的精匹配结果解算飞行的绝对位置。在异源图像粗匹配的基础上，利用相位偏移算法迭代进行精匹配，校正实时图与基准图的畸变，使得图像匹配的结果更加精确。可见本发明实施例不依赖卫星信号、误差不积累且能准确解算飞行器的地理位置，可实现自主定位的能力，不依赖外部信号，工作环境要求较低且定位精度高等优点，在应急抢险、军事领域等方面都有重大的应有意义。
本发明实施例提供一种基于异源图像匹配的飞行器精确定位方法，包括如下步骤s1-s5：
s1获取惯性传感器信息：飞行器在飞行过程中，所述飞行器搭载的成像传感器获取飞行器的地面图像，与成像传感器固连的惯性传感器获取飞行器的位置、姿态、方向、高度；
s2校正：拍摄时根据惯性传感器获取的姿态、方向、高度和事先标定得到的成像传感器内部参数，对拍摄的图像进行正射校正，并将拍摄图像的方向与事先准备好的基准图方向和尺度调整为一致，得到校正后的航拍图像；
s3粗匹配：将所述校正后的航拍图像与事先准备好的基准图像进行匹配，在拍摄图像中选取若干个点，与基准图进行粗匹配，获得在基准图中对应点的像素坐标；
s4精匹配：将所述粗匹配得到的结果，进行精匹配，获得在基准图中对应点的精准像素坐标；
s5飞行器位置解算：将精匹配得到的结果作为pnp算法的输入，解算所述飞行器的绝对位置。
在使用高坐标精度和高分辨率的卫星图像做基准图的情况下，本实施例图像匹配定位可达到亚米级精度。
本实施例基准图采用经过正射校正的google影像。
在一个具体实施例中，所述粗匹配包括如下步骤：
pqhog转换；
相似性测量。
在一个具体实施例中，所述粗匹配中，在拍摄图像中选取8-10个点。本发明实施例选取9个点。
在一个具体实施例中，所述粗匹配采用的算法可以为：pqhog异源图像匹配算法，粗匹配的目的是获取实时图中的一些特征点在对应的基准图中粗略位置。
其中，pqhog异源图像匹配算法包括如下步骤(1)-(2)：
(1)pqhog转换，具体通过投影和量化梯度方向直方图的方式，将航拍图像和基准图转换成二进制编码影像。
(2)相似性测量，采用航拍图像和基准图之间的匹配相似性度量。
pqhog转换如下：
与直方图归一化不同，pqhog通过投影和量化的步骤将每个直方图矢量编码成单个像素值，从而生成了二进制的pqhog编码图像。这样的编码无法通过一个像素计算得到，而是需要对局部的多个像素进行计算。具体过程如下。
设原始图像为f，计算图像的梯度矢量(fx,fy)：fx＝[-101]*f，fy＝[-101]*f为了对梯度大小m和方向binb进行快速且仅整数的计算，我们使用由梯度向量索引预先计算的查找表gm和gb：m＝m[fx,fy],b＝b[fx,fy]。
其中
这里的直方图归一化使用分布式的计算方法，设置计算区域为(2ng 1)×(2ng 1)，在这种方法中，从每个像素的1×(2ng 1)的领域中计算单列hogsc：对于每一个k∈[-ng,ng]都有
(m,b)←g(m,b)[fx(x,y k),fy(x,y k)]
c(x,y,b)←c(x,y,b) m
在下一行中，通过减去最上面的像素并在下面添加一个像素来更新列直方图。其更新方式如下
hog(x,y,b)＝hog(x,y,b)-c(x-1-ng,y,b) c(x ng,y,b)
接下来，将nbins维向量hog(x,y)投影到nbits维空间，并将每个投影量化为1位：si(x,y)＝1(rithog(x,y)>0)，其中ri,i∈[1,nbits]是组成nbits×nbits投影矩阵的投影矢量。通过将所有位si连接起来，获得用于计算hr(t)相似性测量的s(x,y)。为了最有效地实现矢量投影，对于某些常数β，此类投影在{-1,0,1}中的概率分别为{0.5/β,1-1/β,0.5/β}。其中β＝nbins/2
使用l1-范数表示梯度幅度||(i，j)||＝|i| |j|，nbins＝8。根据模板大小选择邻域参数ng，模板越大，ng就可以越大。在nbits＝28中，对于一个或三个字节的pqhog编码，我们只选择了8个或24个，多字节编码通过独立的ili(每个编码字节一个ili)进行匹配。
相似性测量采用相似性测量准则，具体过程如下：
设模板窗口像素坐标集合rt＝{(ui,vi)|i∈[1,n]}，基准图ri＝{(x,y)|x∈[0,nx-1],y∈[0,ny-1]}。其中，航拍图像的模板窗口为t，基准图为i。描述t和i的相似性程度用s(x,y)表示。
其中，d(a,b)是像素误差度量，f是一个单调函数。
计算相似性度量时，我们不直接基于图像灰度，而是使用经过pqhog转换的二进制编码图像，它们利用海明距离来衡量相似程度：
用f(dmax)-f(d)代替f(d)代入上式，可得相似性度量s'(x,y)。在这种情况下，s'＝nf(dmax)表示完全匹配，而s'→0表示不匹配。
我们考虑其他的方法计算距离s或相似性s'。在匹配相似性测量准则中以相反的方向(-u,-v)分配每个像素匹配值，计算方式如下。
s(x-u,y-v)←s(x-u,y-v) f(d(i(x,y),t(u,v)))
粗匹配结束后，得到实时图中选定的一系列点在基准图的粗略像素位置。
精匹配就是在粗匹配基础上，利用相位偏移得到更加精确的图像匹配结果，利用匹配结果不断校正实时图，再次进行匹配，反复计算，得到更可靠的图像匹配结果。
在一个具体实施例中，所述精匹配包括如下步骤：
(1)输入粗匹配结果，并利用粗匹配结果校正航拍图像，得到粗匹配校正航拍图像；
(2)计算所述粗匹配校正航拍图像和基准图的梯度图像，得到航拍图像的梯度图像以及基准图的梯度图像；
(3)在航拍图像的梯度图像上选取若干个点，本实施例选取4个点，选取的4个点要求尽量在航拍图像的梯度图像中均匀选取；
逐一选取所述4个点中每一个点，每选取一个点，以选取的该点截取航拍图像的梯度图像窗口作为模板窗口，利用相位相关法，计算出模板窗口与基准图的梯度图像之间的相似性矩阵，直至将4个点选取完毕，计算4次模板窗口与基准图的梯度图像之间的相似性矩阵；
然后以最大的点即为匹配的最佳位置，得到最佳匹配结果；
(4)利用(3)中的的最佳匹配结果重新校正实时拍摄的航拍图像；
(5)重复步骤(2)～(4)，直到迭代次数大于设定的阈值ttnum。
在一个具体实施例中，所述精匹配采用的算法如下：
将在粗匹配中得到的结果用于精匹配。首先，计算实时图和基准图的梯度信息：
其中表示卷积，代表灰度图像，和分别为横向和纵向的sobel梯度。将得到两方向的梯度的绝对值相加。
g＝|gx| |gy|
利用粗匹配结果计算的单应性矩阵h将实时图的g转换成与基准图相同尺寸的图像。接下来，根据最后的匹配结果，在匹配位置选择大小为n×n的模板。根据相位相关法计算两个模板的相位相关矩阵。
ρ＝if(r)
其中ga和gr分别是实时图的梯度描述和基准图的梯度描述的模板。f是傅里叶变换，conj是共轭复数，if是傅里叶反变换。匹配结果是ρ的最大位置。最后，重复上述精细图像匹配过程，直到迭代次数n大于阈值t。
本发明另一实施例提供一种基于异源图像匹配的飞行器精确定位系统，包括：
飞行器，用于搭载惯性传感器以及成像传感器；
本实施例飞行器可以选用无人机。
惯性传感器，用于提供所述飞行器的初始位置、姿态、方向、高度；
成像传感器，用于拍摄图像，所述飞行器采用成像传感器对地拍摄图像，拍摄的图像作为所述飞行器精确定位系统的实时图；
飞行器计算载荷，用于图像匹配计算以及飞行器位置的解算。
在一个具体实施例中，所述飞行器计算载荷具体用于：
存储事先准备好的基准图库、图像去噪、拍摄图像的正射校正、校正后的航拍图像与基准图的图像粗匹配、精匹配，以及所述飞行器位置解算。
在一个具体实施例中，所述成像传感器可以采用为：可见光相机、红外相机或者sar相机。
下面对相关技术术语的名词解释。
gps：全球定位系统
ins：惯性导航系统
路标点：地理坐标已知的标志点
异源图像匹配：使用不同类型的成像传感器获得的两幅图进行图像匹配。
基准图：事先准备好的图像，并且图像每个像素点的地理坐标都已知。
航拍图像：飞行器飞行过程中实时拍摄的图像。
相机标定：确定空间点与图像上的点位置的映射关系，得到相机参数的过程。如相机的焦距和像主点等。
正射校正：将从不同角度拍摄的图像转换为从上往正下方拍摄的图像。
pqhog：量化与投影梯度方向直方图，是一种异源图像匹配算法。
需要说明的是，在整个申请文件中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想。以上仅是本发明的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的试试方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其它场合的，均应视为本发明的保护范围。
1.一种基于异源图像匹配的飞行器精确定位方法，其特征在于，包括如下步骤：
获取惯性传感器信息：飞行器在飞行过程中，所述飞行器搭载的成像传感器获取飞行器的地面图像，与成像传感器固连的惯性传感器获取飞行器的位置、姿态、方向、高度；
校正：实时拍摄时根据惯性传感器获取的姿态、方向、高度和事先标定得到的成像传感器内部参数，对实时拍摄的图像进行正射校正，并将拍摄图像的方向与事先准备好的基准图方向和尺度调整为一致，得到校正后的航拍图像；
粗匹配：将所述校正后的航拍图像与事先准备好的基准图像进行匹配，在拍摄图像中选取若干个点，与基准图进行粗匹配，获得在基准图中对应点的像素坐标；
精匹配：将所述粗匹配得到的结果，进行精匹配，获得在基准图中对应点的精准像素坐标；
飞行器位置解算：将精匹配得到的结果作为pnp算法的输入，解算所述飞行器的绝对位置。
2.根据权利要求1所述的飞行器精确定位方法，其特征在于，所述粗匹配包括如下步骤：
pqhog转换；
相似性测量。
3.根据权利要求1所述的飞行器精确定位方法，其特征在于，所述粗匹配中，在拍摄图像中选取8-10个点。
4.根据权利要求1所述的飞行器精确定位方法，其特征在于，所述精匹配包括如下步骤：
(1)输入粗匹配结果，并利用粗匹配结果校正航拍图像，得到粗匹配校正航拍图像；
(2)计算所述粗匹配校正航拍图像和基准图的梯度图像，得到航拍图像的梯度图像以及基准图的梯度图像；
(3)在航拍图像的梯度图像上选取若干个点，逐一选取所述若干个点中每一个点，以选取的该点截取航拍图像的梯度图像窗口作为模板窗口，利用相位相关法，计算出模板窗口与基准图的梯度图像之间的相似性矩阵，取相似性最大的点即为匹配的最佳位置，得到最佳匹配结果；
(4)利用(3)中的的最佳匹配结果重新校正实时拍摄的航拍图像；
(5)重复步骤(2)～(4)，直到迭代次数大于设定的阈值t。
5.一种基于异源图像匹配的飞行器精确定位系统，其特征在于，包括：
飞行器，用于搭载惯性传感器以及成像传感器；
惯性传感器，用于提供所述飞行器的初始位置、姿态、方向、高度；
成像传感器，用于拍摄图像，所述飞行器采用成像传感器对地拍摄图像，拍摄的图像作为所述飞行器精确定位系统的实时图；
飞行器计算载荷，用于图像匹配计算以及飞行器位置的解算。
6.根据权利要求5所述的飞行器精确定位系统，其特征在于，所述飞行器计算载荷具体用于：
存储事先准备好的基准图库、图像去噪、拍摄图像的正射校正、校正后的航拍图像与基准图的图像粗匹配、精匹配，以及所述飞行器位置解算。
7.根据权利要求5所述的飞行器精确定位系统，其特征在于，所述成像传感器采用为：可见光相机、红外相机或者sar相机。
技术总结