论
文
赏
析
2022年电子技术应用第3期
李家松1，李明磊1，魏大洲2，李 威2，吴伯春2
1.南京航空航天大学 电子信息工程学院，江苏 南京210016；2.中国航空无线电电子研究所，上海200233
摘要：
提出了一种在GPS拒止条件下使用视觉词袋辅助航空景象匹配导航的方法。在景象匹配导航任务中，基准地图比空中探测的图像具有更大的覆盖范围，当基准地图有大量相似或重复纹理特征出现时，仅依靠特征匹配难以得出正确的对应关系。首先对基准卫星影像地图进行区块划片，并利用视觉词袋技术对每一片区块进行编码，利用统计特性计算局部区块特征矢量，即区块特征直方图；然后，对空中探测图像使用同一词袋进行编码，用于从大量候选区块中筛选出初始对应区块；最后，使用尺度不变特征进行精配准并计算飞行器相对位置。实验使用了直升机拍摄的空中影像与高清卫星影像中提取的基准地图进行实验分析，并与先进技术进行比较，结果表明该方法具有良好的匹配可靠性和配准精度，能够在GPS拒止条件下为基于景象匹配的航空飞行器定位需求提供支持。
关键词：
视觉词袋，飞行器定位，景象匹配，区块匹配，图像配准
0 引言：
无人机的导航定位直接影响到无人机能否有效执行任务，是无人机应用的基础和关键技术。目前，最为成熟的无人机导航方式是基于导航卫星的全球导航定位(Global Positioning System，GPS)技术结合惯性导航技术的组合导航方式，但在一些高山峡谷地形、有恶意干扰或是由于战时期间服务方不提供卫星导航信号，卫星导航系统会出现拒止失效的情况，惯性导航系统在定位过程中会有累积误差，无法单独实现长航时导航。景象匹配导航在GPS信号拒止情况下与惯性导航系统相结合，可以实现长航时与高精度的自主导航[1]。研究适用于全场景而且较为稳定的景象匹配方法对于提升无人机的视觉定位导航能力具有重要意义。
从基准地图和空中影像中得到稳定的特征是景象匹配需要解决的首要问题。Lowe提出了一种尺度不变特征变换算子(Scale Invariant Feature Transform，SIFT)[2]，在尺度域和空间域上同时检测像素变化极值点，并通过梯度方向进行分配进而满足对旋转和尺度的不变性。但SIFT特征计算量大，很难保证算法的实时性。Dellinger等人[3]和杨飒等人[4]分别结合SAR、稀疏随机投影(Sparse Random Projection，SRP)提出一些加速匹配的算法。在SIFT基础上，又有许多学者进行补充扩展研究，Morel将用于提取特征的原始图片做仿射变换进而提出了ASIFT算法[5](Affine Scale Invariant Feature Transform)，可以用于大视角变换的场景，但需要对场景进行多角度采样。杨佳宾[6]等人开发出一种Dense SIFT特征用于无人机影像的快速拼接，可在空中影像中提取更多特征点用于匹配。张晓闻等人[7]基于稀疏表示和拓扑相似性提出一种图像匹配方法，能够有效提高匹配效率，并对轮廓部分有较好的匹配结果。Yu等人[8]提出了一种基于Harris-Laplace ROEWA和Harris-Laplace Sobel技术的特征检测策略，并改进了SIFT特征的描述符，有效地解决了SAR图像与光学图像配准时有较大的非线性强度差问题。
