[發明專利]一種具有旋轉不變性的海底地形二維匹配輔助導航方法

在審

• 申請號: 201410394482.3
• 申請日: 2014-08-12
• 公開（公告）號: CN104154911A
• 公開（公告）日: 2014-11-19
• 發明（設計）人: 徐曉蘇;岳增陽;李佩娟;張濤;湯郡郡
• 申請（專利權）人: 東南大學
• 主分類號: G01C21/00
• 分類號: G01C21/00;G01C21/16;G01C21/20
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李昊

1.一種具有旋轉不變性的海底地形二維匹配輔助導航方法，其特征在于，包括以下步驟：

1)從多波束測深系統獲得實時的條帶掃測深度值矩陣陣列，并將高程陣列值轉化為灰度值得到模板灰度圖；讀取主導航系統誤差范圍內區域的地形二維高程陣列值轉化為灰度值，以形成背景灰度圖；

2)采用旋轉不變的圖像矩函數作為特征量，將背景灰度圖中搜索與模板灰度圖特征量匹配的區域、獲得多波束測深系統實時掃測時所處的位置。

2.根據權利要求1所述的具有旋轉不變性的海底地形二維匹配輔助導航方法，其特征在于，還包括步驟3)：運行步驟1)和步驟2)若干次，利用多次匹配的結果得到精確航跡并返回至主導航系統修正誤差。

3.根據權利要求1所述的具有旋轉不變性的海底地形二維匹配輔助導航方法，其特征在于，所述的旋轉不變圖像矩函數為Zernike矩、Hu矩或小波矩。

4.根據權利要求1所述的具有旋轉不變性的海底地形二維匹配輔助導航方法，其特征在于，所述在背景灰度圖中搜索與模板灰度圖特征量匹配的區域的方法具體為，在背景灰度圖中取出一系列子圖，并在計算子圖的圖像矩函數特征量與計算得到的模板灰度圖的圖像矩函數特征量相比較，通過找到與模板灰度圖最匹配的子圖，然后以該子圖在背景灰度圖的位置作為模板灰度圖的位置，以確定多波束測深系統實時掃描時所處的位置，其中在計算子圖和模板灰度圖圖像矩函數特征量匹配的過程中采用圓窗口化處理后再計算特征量。

5.根據權利要求1～4所述的具有旋轉不變性的海底地形二維匹配輔助導航方法，其特征在于，所述的旋轉不變圖像矩函數為Zernike矩時，具體步驟如下；

所述步驟1)具體為：

從多波束測深系統獲得實時的條帶掃測深度值矩形陣列，根據主慣導誤差范圍從原始先驗數據庫得到背景深度值矩陣陣列；

把各個深度值轉化成0-255之間的灰度值，通過下述公式歸一化灰度轉換，使深度值矩陣陣列形成待匹配的背景灰度圖和模板灰度圖；

hi,j′=round(|hi,j|-mini,j{|hi,j|}maxi,j{|hi,j|}-mini,j{|hi,j|}×255)]]>

其中，h_i,j表示二維深度值陣列中第(i，j)個點的深度值，round(·)表示臨近取整，|h_i,j|表示第(i，j)個點深度值的絕對值，h′_i,j表示該點轉化后的灰度值，分別表示取二維深度值陣列中元素絕對值的最小值和最大值；

所述步驟2)具體為:

針對實時條帶模板灰度圖，以掃測條帶寬度為邊長取出初始位置正方形圖作為模板圖；針對背景灰度圖，從左上角開始依次逐像素地取和模板正方形相同大小的圖作為子圖，直至遍歷整個背景圖；

對每一個正方形灰度子圖和模板圖進行如下圓窗口化操作:只取此正方形內切圓的像素點，其余像素點置零；

計算正方形灰度子圖和模板圖的Zernike多階矩，具體如下：

為了計算簡便和快速，進行方圓變換；

經過方圓變換，有如下關系：

γ＝max{|x|,|y|}

其中，γ表示某點變換后在極坐標系里與原點的半徑，x，y分別表示變換前某點在矩形的直角坐標系里的坐標，max{}表示取括號內元素的最大值；

如果|x|＝γ，則ξ=2(γ-x)y|y|+xyγ]]>

如果|y|＝γ，則ξ=2y-xyγ]]>

其中，(γ,ξ)表示變換后對應的該像素點在圓形的極坐標系里的坐標；

若N代表圖像的像素數，則坐標值的范圍為：

-N2≤x≤N2;-N2≤y≤N2;0≤γ≤N2;]]>1≤ξ≤8γ

像素(γ,ξ)的歸一化極坐標(r,θ)為:

r=2γN,θ=πξ4γ]]>

其中，(r,θ)表示歸一化到單位圓內的極坐標，N表示圖像像素總的點數；

把矩形圖像二維分布f(x,y)變換為單位圓極坐標系里的圖像分布為g(r,θ)；

根據Zernike矩的定義式：

Znm=n+1πΣk=mnBnmk∫02π∫01rke-imθg(r,θ)rdrdθ,(r<1)]]>

其中，Z_n,m表示圖像的n階m重Zernike矩，B_nmk表示圖像的n階m重徑向矩，g(r,θ)即為極坐標系(r,θ)上的圖像分布，r表示半徑，θ表示角度；

可得，變換后圓形圖像的Zernike矩的實部和虛部如下：

Zpq(c)=2p+2N2Σγ=1N/2Rpq(2γN)Σξ=18γcos(πqξ4γ)g(r,θ)]]>

Zpq(s)=-(2p+2)N2Σγ=1N/2Rpq(2γN)Σξ=18γsin(πqξ4γ)g(r,θ)]]>

其中，分別表示p階q重Zernike矩的實部和虛部，R_pq(·)為Zernike矩的p階q重徑向多項式；

根據Zernike矩的特性，旋轉不變量有Zernike矩的各階模值；

取其中的前四個模值|Z₂₀|,|Z₂₂|,|Z₃₁|,|Z₃₃|作為相似性度量的特征量，記為：

Z(i),(1≤i≤4)；

其中，Z(1)＝|Z₂₀|,Z(2)＝|Z₂₂|,Z(3)＝|Z₃₁|,Z(4)＝|Z₃₃|；

針對背景灰度圖，采用遍歷搜索法截取每個與實時模板圖相同大小的正方形子圖，對于每個子圖計算四個模值|Z₂₀|,|Z₂₂|,|Z₃₁|,|Z₃₃|，得到每個子圖的特征量；

對于模板和每個子圖，使用歸一化互相關算法作為相似性度量方法，得到最佳匹配子圖，即模板的位置；公式如下：

δ(x,y)=Σi=14(ZR(i)-Z‾R)(ZT(i)-Z‾T)Σi=14(ZR(i)-Z‾R)2Σi=14(ZT(i)-Z‾T)2]]>

其中，δ(x,y)表示模板圖與坐標為(x,y)的子圖之間的相關性系數，值越大，相似性越高；Z_R(i),Z_T(i)分別表示子圖和模板圖的各階Zernike矩，分別表示子圖和模板圖的各階Zernike矩的平均值；

找到δ(x,y)最大的位置子圖，即為最佳匹配位置子圖，以該子圖范圍作為獲得多波束測深系統實時掃測時經過的位置范圍。