一种飞行器定位方法技术

本发明专利技术公开了一种飞行器定位方法，飞行器每隔一定时间拍摄正下方的照片，根据惯性导航得到飞行器的初始定位坐标，使用

【技术实现步骤摘要】
一种飞行器定位方法


[0001]本专利技术专利属于飞行器组合导航
，具体涉及一种飞行器定位方法
。

技术介绍

[0002]尽管卫星导航已经在各行各业有了广泛应用，但飞行器仍然存在自主导航的需求，尤其在无
GPS
信号或者
GPS
信号受到干扰的地带
。
然而，惯性导航技术实时性好，但工作原理使得其定位误差累积较快
,
不能长时间使用
。
[0003]视觉导航定位精度高，但面临着运算量过大引起的实时性问题和自然场景过于丰富引起的准确率问题
。
[0004]此外，常见的视觉导航方法大都基于拼接相机照片进行定位导航，很少使用预先准备的地图信息
。

技术实现思路

[0005]本专利技术针对现有技术中存在的技术问题，本文提出了一种基于惯性导航和图像匹配的飞行器混合定位方法
。
[0006]本专利技术解决其技术问题所采用的技术方案是：一种飞行器定位方法，包括如下步骤：
[0007]S1
，使用
superpoint
神经网络对任务区域的基准卫星地图进行特征抽取，获得关键点的像素位置坐标
(x,y)
和1×
256
维
、
二范数为1的描述向量
descriptors
以及数值在0～1之间的置信度
confidence
，将其作为基准地图存储下来；
[0008]S2
，将飞行器的初始位置标定为
(x0,y0)
；
[0009]S3
，将飞行器执行任务时每隔时间
T
朝正下方拍摄的一张照片记为图像
img
；
[0010]S4
，依据惯性导航的高度信息和姿态信息对图像
img
进行缩放
、
旋转，得到图像
A
，图像
A
和基准卫星地图有着一样的空间分辨率
、
方向，使用
superpoint
神经网络抽取图像
A
中关键点的坐标
、
描述向量和置信度；
[0011]S5
，根据惯性导航信息确定确定拍摄时刻
t
飞行器在基准地图上的位置区间
B
，区间
B
的中心点
(x
t
,y
t
)
为惯性导航定位坐标；
[0012]S6
，使用
superglue
匹配算法对图像
A
和区间
B
内的特征点进行初步匹配，然后使用
RANSAC
算法去除误匹配点，最后得到
n
个匹配点对和
[0013]i
＝
1,2,
…
n
；
[0014]S7
，若
n
＜5，则认为匹配点太少，匹配效果不佳，返回步骤
S3
；反之，则认为匹配效果较好，进入步骤
S8
；
[0015]S8
，计算图像
A
到区间
B
的变换矩阵
M
；
[0016][0017][0018]S9
，计算图像
A
中心点经变换矩阵
M
处理后的坐标作为视觉导航得到的飞行器位置；
[0019]S10
，使用卡尔曼滤波对坐标
(x
t
,y
t
)
和进行融合得到融合后的飞行器坐标点
。
[0020]所述的一种飞行器定位方法，其步骤
S5
中定义惯性导航坐标定位误差记为
Δ
，区间
B
为从
(x
t
‑
Δ
,y
t
‑
Δ
)
到
(x
t
+
Δ
,y
t
+
Δ
)
的矩形范围
。
[0021]所述的一种飞行器定位方法，其步骤
S6
中
superglue
匹配算法使用多头注意力机制迭代更新图像
A
和区间
B
两幅图内特征点的描述向量，然后计算特征点之间的内积
s
，使用
sinkhorn
算法更新
s。
[0022]所述的一种飞行器定位方法，初步匹配还用到了交叉对比：如果区间
B
中的
m
点是图像
A
中的
n
点的最佳匹配点，且图像
A
中的
n
点也是区间
B
中的
m
点最的最佳匹配点，则将点对
{n
‑‑
m}
视为匹配点对
。
[0023]所述的一种飞行器定位方法，其步骤
S10
中将惯性导航和视觉导航的定位误差分别设置为为
VN
和
IN
，则卡尔曼滤波得到的飞行器坐标点为：
[0024][0025]本专利技术的有益效果是：
[0026]1，传统的
orb、sift
使用图像灰度
、
灰度梯度等手工设计的信息进行图像匹配
。
但相机照片和基准地图往往存在成像差异，匹配效果很差；本文引入
superpoint
神经网络和
superglue
匹配算法分别进行特征点的提取和匹配，这两种算法使用深度神经网络提取和匹配特征，能够提取图像中的深层语义信息，而不仅仅是像素级的灰度
、
梯度信息
。
实验表明，无论是乡村还是城市，本文使用的图像匹配算法拥有最好的匹配效果，能对相机图像和基准地图进行准确的匹配，有着很好的适应性，匹配精度可达1～4个像素
。
[0027]2，本专利方法使用了惯性导航信息对基准地图进行初步筛选和聚焦，减少了待匹配的范围，视觉导航的耗时也得到了缩减
。
[0028]3，本专利方法使用视觉导航的结果和惯性导航进行融合后，实验表明，惯性导航的累积误差得到了极大的缩减
。
融合后的方法具有更好的实时性和更小的定位误差，更适合远距离长航时的飞行任务
。
由于不需要借助卫星信号，本文提出的导航方法抗干扰性好，自主性强，适应范围更为广泛
。
附图说明
[0029]图1为本专利技术的原始图像的示意图；
[0030]图2为原始图像旋转缩放后的示意图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种飞行器定位方法，其特征在于：包括如下步骤
S1
，使用
superpoint
神经网络对任务区域的基准卫星地图进行特征抽取，获得关键点的像素位置坐标
(x,y)
和1×
256
维
、
二范数为1的描述向量以及数值在0～1之间的置信度，将其作为基准地图存储下来；
S2
，将飞行器的初始位置标定为
(x0,y0)
；
S3
，将飞行器执行任务时每隔时间
T
朝正下方拍摄的一张照片记为图像
img
；
S4
，依据惯性导航的高度信息和姿态信息对图像
img
进行缩放
、
旋转，得到图像
A
，使用
superpoint
神经网络抽取图像
A
中关键点的坐标
、
描述向量和置信度；
S5
，根据惯性导航信息确定拍摄时刻
t
飞行器在基准地图上的位置区间
B
，区间
B
的中心点
(x
t
,y
t
)
为惯性导航定位坐标；
S6
，使用
superglue
匹配算法对图像
A
和区间
B
内的特征点进行初步匹配，然后使用
RANSAC
算法去除误匹配点，最后得到
n
个匹配点对和
S7
，若
n
＜5返回步骤
S3
；反之进入步骤
S8
；
S8
，计算图像
A
到区间
B
的变换矩阵
M
；；
S9
，计算图像
A
中心点经变换矩阵
M...

【专利技术属性】
技术研发人员：郑敬浩，雷波，谭海，范强，刘松，
申请(专利权)人：武汉华中天经通视科技有限公司，
类型：发明
国别省市：