[發明專利]基于從運動恢復結構的飛行器位置確定方法

有效

• 申請號: 201810304492.1
• 申請日: 2018-04-08
• 公開（公告）號: CN108917753B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 李立春;孫軍;苗毅;于天一;程肖;范文山;許穎慧;馮曉萌;袁春強
• 申請（專利權）人: 中國人民解放軍63920部隊
• 主分類號: G01C21/16
• 分類號: G01C21/16;G01C21/20;G01C21/24
• 代理公司: 北京興智翔達知識產權代理有限公司 11768
• 代理人: 張玉梅

1.一種基于從運動恢復結構的飛行器位置確定方法，所述飛行器具有慣性導航設備和成像設備，其特征在于，基于從運動恢復結構的飛行器位置確定方法包括以下步驟：

利用所述成像設備對航跡下地形連續成像，以獲取運動序列圖像，

基于所述運動序列圖像恢復實時三維地形圖并獲取實時三維地形圖上各點在飛行器本體姿態坐標系下的空間三維坐標，所述飛行器本體姿態坐標系是基于飛行器飛行時的姿態而建立的坐標系，

將所述實時三維地形圖上各點在飛行器本體姿態坐標系下的空間三維坐標轉化到飛行器平行坐標系下，所述飛行器平行坐標系是與地面基準地形坐標系相平行的飛行器原點坐標系，

將所述實時三維地形圖上各點在飛行器平行坐標系下的空間三維坐標轉化到所述地面基準地形坐標系下，以及

反向求解飛行器在所述地面基準地形坐標系下的位置；

所述基于所述運動序列圖像恢復實時三維地形圖包括以下步驟：

圖像特征點提取，

序列圖像匹配，

根據序列圖像視差與飛行速度進行關鍵幀選擇，

從關鍵幀同名特征點解算運動參數，以及

實時三維地形重建；

對所述圖像特征點進行特征點向量描述，包括以下步驟：

特征點區域梯度大小和主方向計算，

消除旋轉差異，以及

建立特征向量描述；

所述序列圖像匹配包括以下步驟：

進行正向匹配點搜索，包括以下內容：從所述序列圖像的第二幀開始，計算每幀與前一幀的圖像匹配結果，采用逐個特征點距離比較的方法，對圖像I₁中的每個待匹配特征點f₁(i)，計算其與圖像I₂中每個候選特征點f₂(j)的特征距離，將圖像I₂中與f₁(i)具有正向最小距離的特征點f₂(k)記為正向匹配的候選同名配準點(f₁(i)，f₂(k))，并記錄所述正向最小距離以及記錄特征點f₁(i)與I₂中特征點的正向次小距離，待匹配兩圖中特征點的不變性向量描述之間的距離d公式如下：

其中V和V′為待匹配兩圖中特征點的不變性向量描述，v_i和v_i′是其向量的分量，如果最小距離與次小距離的比值大于設定閾值Rd_th，則確認初步同名特征點(f₁(i)，f₂(k))，

進行反向匹配點搜索以及雙向最佳匹配從而確定候選的同名特征點，包括以下內容：對圖像I₂中的每個待匹配特征點f₂(j)，計算其與圖像I₁中每個候選特征點的距離，將圖像I₁中與f₂(j)具有反向最小距離的特征點f₁(k)記為反向匹配的候選同名配準點(f₂(j)，f₁(k))，并記錄所述反向最小距離以及記錄f₂(j)與圖像I₁中特征點的反向次小距離，按照所述正向匹配點計算的方法，最終確認反向初步同名匹配(f₂(j)，f₁(k))，然后判斷這兩個方向匹配結果的一致性，若i＝k，則暫定兩個匹配結果為正確同名匹配點，否則判斷為錯誤匹配并放棄，以及

進行RANSAC模型約束從而將所述候選的同名特征點中選擇出正確的同名特征點，包括以下內容：在保證取點距離大于一定閾值情況下隨機選取相鄰兩幀序列圖像中8對參與計算的匹配點；基于8點算法解算的基礎矩陣F與匹配點之間關系X′^TFX＝0，其中X為圖像I₁中的待匹配點的向量矩陣，X′為圖像I₂中的待匹配點的向量矩陣，x、y為X向量的分量，x′、y′為X′向量的分量，用矢量f表示F矩陣的元素，則每一個匹配點對應的求解F的方程寫為(x′x,x′y,x′,y′x,y′y,y′,x,y,1)f＝0，由8組匹配點組成線性方程組，估計基礎矩陣F；計算所有匹配點與RANSAC模型的基礎矩陣F之間的距離d_f，其中d_f＝X′^TFX，距離d_f小于一定閾值的匹配點即作為內點；重復步驟m次，記錄每次的解算結果以及相應的內點；以及選擇內點數N最多的結果對應的點集合，使用所有內點重新估計F矩陣作為輸出結果，所有內點為最終正確匹配的同名特征點；

根據序列圖像視差與飛行速度進行關鍵幀選擇包括以下步驟：

根據所述特征點最終匹配結果計算平均視差d_m，公式如下：

以及

根據相鄰兩幀序列圖像平均速度v_m和間隔時間t_m計算相鄰兩幀序列圖像的相對距離D_m，公式為D_m＝v_m×t_m，如果d_m大于一定閾值且D_m大于0.08h_m，則判斷該圖像是關鍵幀圖像，其中h_m是飛行高度，根據前一次位置計算結果得到，而第一次確定方法為，首先在d_m大于一定閾值條件下，由當參與計算的兩幀圖像的圖像中心點進行三維交會，根據該點到相機光心的距離來確定；

所述實時三維地形重建包括以下步驟：

對第1、2關鍵幀構成的立體圖像對進行特征點三維重建：首先計算第2關鍵幀相對于第1關鍵幀的運動參數R_2,1和T_2,1；以第1關鍵幀作為參考幀，其姿態矩陣為R₁單位矩陣，位置矩陣T₁為零矩陣；第2關鍵幀的位置姿態參數為R₂＝R₁×R_2,1，T₂＝R₁×T_2,1+T₁，根據該兩幀圖像的位置姿態參數計算出同名特征點的空間三維坐標；

對第2、3關鍵幀構成的立體圖像對進行特征點三維重建：計算第3關鍵幀相對于第2關鍵幀的運動參數R_3,2和T_3,2；以第2關鍵幀作為參考幀，其姿態矩陣為R₂，位置矩陣為T₂；第3關鍵幀的位置姿態參數為R₃＝R₂×R_3,2，T₃＝R₂×T_3,2+T₂根據該兩幀圖像的位置姿態參數計算出同名特征點的空間三維坐標；

從第3關鍵幀開始持續對后續第N關鍵幀和N+1關鍵幀圖像構成的立體圖像對進行特征點三維重建，其中第N關鍵幀圖像位置姿態參數根據上次計算獲得，第N+1關鍵幀圖像的位姿參數為R_N+1＝R_N×R_N+1,N，T_N+1＝R_N×T_N+1,N+T_N；根據該兩幀圖像的位置姿態參數計算出同名特征點的空間三維坐標；

以關鍵幀圖像成像的位姿參數、同名特征點的空間三維坐標作為輸入，通過特征點在關鍵幀圖像上重投影誤差最小化的方法，對每個關鍵幀的位置姿態參數進行優化求解，同時獲取最優配置條件下的所有特征點的三維坐標，從而構成重建地形的三維結構；

在每兩個關鍵幀圖像之間以第一步的特征點作為種子點，對種子點區域內的點進行仿射變換計算初始匹配作為引導，采用最小二乘方法進行密集點圖像匹配；

基于密集匹配結果，利用優化后的相機運動位置姿態參數和相機內參數，通過空間前方交會的方法進行密集點三維位置計算，得到表面密集的三維地形。