[發(fā)明專利]一種星載圖像輔助導(dǎo)航方法

有效

• 申請?zhí)枺?/td>: 201710823612.4
• 申請日: 2017-09-13
• 公開（公告）號: CN107631728B
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計）人: 徐國棟;張兆祥;劉明;邢雷;王梓霖;張光宇;朱晏辰
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 哈爾濱華夏松花江知識產(chǎn)權(quán)代理有限公司 23213
• 代理人: 岳昕

1.一種星載圖像輔助導(dǎo)航方法，其特征在于：所述星載圖像輔助導(dǎo)航方法包括以下步驟：

步驟一、對在軌圖像進行圖像壓縮，在壓縮過程中計算圖像梯度值；

步驟二、加載模板圖像，根據(jù)壓縮過程中獲取的不同尺度下的圖像梯度值的黑塞矩陣，進行多尺度的黑塞矩陣特征值求取以及多尺度金字塔運算，并通過最大值準(zhǔn)則得到特征點；

步驟三、根據(jù)在軌圖像的特征點和模板圖像的特征點，采用隨機抽樣一致性算法進行特征點匹配，得到兩個圖像之間的仿射變換矩陣；然后建立相機運動模型，將圖像偏移量轉(zhuǎn)換為姿態(tài)角變化量；

步驟一的具體過程如下：

在FPGA在軌圖像處理平臺中，在圖像經(jīng)過電子學(xué)處理送入平臺進行壓縮時，進行5/3提升式小波變換，同時在小波變換時實施圖像梯度值的求取；利用中心點鄰域的值進行圖像梯度值的求取：

其中y(n)為壓縮后的下一級圖像像素值，x(n)指當(dāng)前級圖像像素值，D_x是圖像橫向的梯度值，D_y是圖像縱向的梯度值；D_xy是圖像在45度方向上的梯度值，y₁是中間變量，n指圖像像素的索引值；在第一級圖像壓縮之后，獲得的梯度值與圖像高頻分量一同輸入到公共存儲區(qū)中進行保存。

2.根據(jù)權(quán)利要求1所述的一種星載圖像輔助導(dǎo)航方法，其特征在于：步驟二中對壓縮圖像進行多尺度特征點提取的具體步驟為：

針對獲取的圖像梯度值，根據(jù)特征值原理，通過對梯度特征值的求取進行特征點判決；計算在軌圖像上的像素點I在壓縮圖像第m層的黑塞矩陣為：

其中，D_x(I,m)是在軌圖像上的像素點I在壓縮圖像第m層橫向的梯度值，D_y(I,m)是在軌圖像上的像素點I在壓縮圖像第m層縱向的梯度值，D_xy(I,m)是在軌圖像上的像素點I在壓縮圖像第m層在45度方向上的梯度值；

利用黑塞矩陣H的行列式進行特征值的判別：

det(H)＝D_xD_y-wD_xy² (7)

其中w為近似系數(shù)，公式(7)取最大值時對應(yīng)的像素點是像素點陣附近的特征點，采用如下判決式進行特征點篩選：

S＝max(det(H,m),Threshold)+max(det(H,m-1),det(H,m),det(H,m+1)) (8)

Threshold指的是預(yù)設(shè)極值，S指的是閾值；閾值為自適應(yīng)的，將特征點數(shù)目作為調(diào)整目標(biāo)值，當(dāng)提取的特征點少于預(yù)設(shè)的特征點數(shù)目S^*時，通過調(diào)整閾值S以增加特征點，直到總的特征點數(shù)目符合要求；公式表述如下：

Threshold＝argmin(S＞＝S^*,Threshold) (9)。

3.根據(jù)權(quán)利要求2所述的一種星載圖像輔助導(dǎo)航方法，其特征在于：步驟三中采用隨機抽樣一致性算法進行特征點匹配的具體步驟為：

根據(jù)在軌圖像和模板圖像之間存在的仿射變換，即針對模板圖像中的任一像素點I′＝(a′,b′)和對于在軌圖像中的像素點I＝(a,b)，存在如下對應(yīng)關(guān)系：

其中(a′,b′)為I′的平面坐標(biāo)，(a,b)為I的平面坐標(biāo)，A代表旋轉(zhuǎn)矩陣，B代表平移矩陣，用如下參數(shù)表示：

式中θ表示旋轉(zhuǎn)角度，b₁、b₂表示平移的像素大小；

然后用隨機抽樣一致性算法解出仿射變換矩陣。