买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：感知天下(北京)信息科技有限公司

摘要：本发明了提供了一种卫星导航拒止条件下飞行器的自主绝对定位与导航方法，该方法通过飞行器搭载的对地观测传感器实时获取地表的图像，然后与飞行器上搭载的数字基准图像特征点库进行检索匹配，获得拍摄图像与数字基准图像同名像点的三维地理坐标，然后利用5个以上的匹配特征点，通过图像的空间后方交会或F.Leberl成像模型，可以解算得到摄影时刻飞行器搭载传感器的三维地理坐标和摄影姿态，即飞行器的绝对位置和姿态，实现无人飞行器的自主绝对定位与导航。

主权项：1.一种卫星导航拒止条件下飞行器的自主绝对定位与导航方法，其特征在于，包括以下步骤：步骤1：提取数字基准图特征点。数字基准图是经过正射校正处理的无人机影像或卫星影像，带有精确的二维地理坐标。首先对数字基准图进行特征点提取，采用基于深度学习的方式提取数字基准图的特征点以及描述子。在特征点以及描述子的提取过程中，采用弱监督的方式学习训练局部特征提取网络，包括描述子生成网络以及关键点提取网络，即对描述子生成网络训练得到鲁棒的描述子后再对关键点检测网络进行训练，得到数字基准图的特征点以及对应的描述子。在描述子生成网络训练过程中，利用相机位姿提供的几何信息作为弱监督信息，来对图像对I1，I2进行描述子训练。对于任一查询点Ki∈I1，其中i表示图像对I1中第i个查询点Ki，利用相机位姿计算其在图像I2中的对极线之后沿对极线均匀采样N个点组成搜索空间其中表示图像对I1中第i个查询点Ki在对极线上对应的点，对应点共有N个，j表示其中的某一点，然后计算Ki在Yline上的匹配概率分布： 其中F1，F2分别表示图像I1，I2经由描述子网络生成的稠密描述子，T为矩阵的转置，为Ki在Yline上的匹配概率，之后，选择Yline中匹配概率最大的点作为Ki的粗略匹配点。 在得到粗略匹配点后，在粗略匹配点的范围内，重新确定新的搜索区域中心： 其中R表示搜索区域的半径，u表示从均匀分布U0，1中随机采样的偏移量。为新的搜索区域的中心点，随后计算Ki在新的搜索区域Ypatch上的匹配分布： 之后，选择搜索区域Ypatch上匹配概率最大的点作为Ki的精匹配点。 最终，将各查询点与精匹配点的损失加权求和作为损失函数： 其中，Mi为一个二值mask，当Ki的对极线在图像I2的可见范围时其值为1，否则为0，表示匹配点对描述子之间的距离，由此经过网络迭代训练，得到最终的描述子。在由描述子生成网络提取到训练图像对的I1，I2的描述子F1，F2后，将其输入到关键点检测网络，得到图像的关键点。在对关键点检测网络进行训练时，利用关键点得分即可能为关键点的概率值，随机选取，得分越高，被选中的概率越大， 其中表示包含关键点x的网格Gx所对应的特征块。相应的，就表示在网格范围内，关键点x能够成为候选关键点的概率，这是一个局部范围内的概率。而SigmoidF1x则表示在整张图像中，关键点x能够成为候选关键点的概率。利用关键点得分计算出来的若干关键点集合Q1＝{x1,x2,...|xi∈I1}和Q2＝y1,y2,...|yi∈I2}，利用集合点对之间的集合得分以及关键点得分，计算损失函数： 其中λ代表一个权重值，Pkpxi与Pkpyi为关键点的得分，Lrewxi,yi的定义为：Lrewxi,yi＝Pmxi,yi·Rxi,yi·logPkpxiPkpyi其中Pmxi,yi指xi,yi匹配点对的概率值，Rxi,yi指匹配点对之间的距离。最终经过训练，得到图像的关键点。步骤2：构建数字基准图特征点库。根据步骤1提取的特征点在数字基准图上的地理坐标X,Y,在公开的全球数字高程模型或预先生产的数字高程模型里，获取特征点的高程值Z,即得到了所有特征点的空间三维坐标X,Y,Z。然后对所有特征点按照地理范围进行分块存储，实现数字基准图特征点库的构建，其中每个特征点的索引就是其特征点的地理坐标。步骤3：飞行器装载数字基准图特征点库。在飞行器的计算存储设备上预先装载全球或目标飞行区域的数字基准特征点库。步骤4:飞行器对地拍摄区实时数字基准图特征点筛选。根据飞行器的概略地理坐标位置P，对数字基准图特征点库里的目标区特征点进行筛选，得到特征点集q。步骤5：提取飞行器对地拍摄图像的特征点。对接入的实时获取的对地观测图像，按照步骤1的方法对该图像进行特征点的提取以及描述子的生成。步骤6：实时对地观测图像的特征点检索匹配和粗差点剔除。利用步骤5中实时对地观测图像生成的特征点以及描述子，以步骤4中选取的特征点集q为基准，利用最近邻搜索技术对实时对地观测图像生成的特征点在特征点集q中查找欧式距离最近的点，将数字基准图按照实时对地观测图像的地理范围大小进行划分，然后统计查找的点在各个划分范围中的数量，设定统计点阈值H，当欧式距离最近的点在某一个划分范围中的数量值大于H时，对实时对地观测图像以及统计点大于阈值H所在的地理范围图像进行匹配并进行粗差点剔除，后对生成的匹配点进行几何验证，当匹配点对满足几何关系时，即匹配成功，即可获得实时对地观测图像的特征点像素坐标x、y以及对应的三维地理坐标。步骤7：计算飞行器空间三维位置和姿态。步骤6获得的当前图像的特征点三维地理坐标X、Y、Z和特征点的像素坐标x、y，利用上述特征点的坐标，根据可见光或者红外图像的成像模型共线条件方程代入公式进行解算，可获得该图像的摄影时刻的传感器的位置和姿态，即图像的外方位元素Xs,Ys,Zs,ω,κ。其中Xs,Ys,Zs为摄影时刻传感器的空间位置，ω,κ为摄影时刻传感器与坐标系的三个角度，其中f为相机焦距，X、Y、Z为图像特征点的三维地理坐标，x、y为图像特征点对应的像坐标，R为ω,κ三个角元素的旋转矩阵。共线条件方程为： 。

全文数据：

权利要求：

百度查询： 感知天下(北京)信息科技有限公司 卫星导航拒止条件下飞行器的自主绝对定位与导航方法