[發明專利]一種基于全卷積網絡的鄰域顯著性參照的多尺寸航拍圖像定位方法

有效

• 申請號: 201811326593.5
• 申請日: 2018-11-08
• 公開（公告）號: CN109492580B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 王華鋒;徐嘉璐;潘海俠
• 申請（專利權）人: 北方工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

本發明提供了一種基于全卷積網絡的領域顯著性參照的多尺寸航拍圖像定位方法，用以解決多尺寸航拍圖像的定位問題。該方法基于區域網格化的思想，將航拍圖像的定位問題轉化為一種圖像分類問題，并提出了一個新的融合顯著性特征的多通道全卷積網絡模型，有效實現了一個多尺寸輸入的滑動窗口分類器，最后提出了一種鄰域顯著性參照定位方法來得到多尺寸航拍圖像的定位結果。

技術領域

本發明提供了一種基于全卷積網絡的鄰域顯著性參照的多尺寸航拍圖像定位方法，涉及深度學習、計算機視覺技術領域。

背景技術

目前，無人機導航主要有全球衛星導航系統(Global Navigation SatelliteSystem，GNSS)、慣性導航系統(Inertial Navigation System，INS)等。GNSS以導航衛星為基站，能夠提供精確的三維位置、速度和時間信息，其定位精度高，誤差不隨時間積累，但自主性能差，在戰爭環境下，往往采用強大的電子干擾手段導致他方導航系統不可用。INS利用載體內部的加速度計及陀螺儀，提供完備的導航信息，如位置、速度、姿態等，且具有數據更新率高、短期精度和穩定性好的優點，但是其缺點是導航誤差會隨時間積累，慣性器件的精度受到工藝水平和成本的限制，普通精度的純慣性導航已經不能滿足長航時導航的需要。單一導航方式難以滿足對導航系統精確度及可靠性的要求，因此組合導航技術逐漸成為飛行器導航技術研究的主要方向，目前導航領域所研究的組合導航系統基本上是以INS為主，引入另一種輔助導航方式以修正慣導的累積誤差，如GPS等。隨著視覺傳感器技術、計算機技術和人工智能技術的迅速發展，基于計算機視覺的匹配定位技術作為一種新的導航方式—視覺導航得到了廣泛關注并開展研究。在視覺導航系統中，載體通過成像傳感器感知環境，然后由計算機對圖像進行分析，獲取載體的位置和姿態等導航信息，進而完成對INS誤差的修正，提高INS的導航精度。在GPS失效情況下，視覺導航作為有效的輔助導航，為無人機慣性導航系統實現長航時高精度導航提供新的方式和手段。

航拍圖像定位是無人機視覺導航技術的關鍵點。在過去的方法中，大多利用景象匹配導航來實現航拍圖像的絕對定位。景象匹配導航使用預先制備的包含精確地理信息的基準地圖，利用一幀實拍圖像與基準地圖匹配來實現飛行器的絕對定位。首先需要選擇適宜進行景象匹配的適配區或航路點來制作基準景象圖存儲在數據庫中，然后應用圖像搜索匹配技術來實現。匹配算法中基于特征點的匹配應用最為廣泛，適合匹配的特征點有邊緣特征、點特征和區域特征等。根據特征空間的不同，基于特征點的匹配方法分為基于特征點局部灰度區域描述符的匹配方法和基于特征點空間結構信息的匹配方法。基于特征點局部灰度區域描述符的匹配方法是指在匹配時提取以特征點位置為中心的局部區域灰度信息的某類特征作為描述符進行相似性度量，如提取局部區域128維特征向量作為描述子進行匹配的SIFT特征點匹配[1]等。基于特征點空間結構信息的匹配方法是指僅利用特征點的空間結構信息進行相似性度量，如基于邊緣點集的Hausdorff距離匹配[2-5]、基于形狀上下文特征匹配[6,7]等。由于視覺輔助導航的目的是為慣導提供實時的位置修正信息，因此航拍圖像定位的關鍵是精確性、實時性和魯棒性。而在景象匹配導航中，這些性能受適配區的選取、圖像特征點集、匹配搜索策略、匹配算法等多方面的限制和影響。針對航拍圖像具有的旋轉性、大量不顯著特征及不同時間下的成像差異，傳統的手工特征不能很好地表達航拍圖像的特性，導致傳統的景象匹配導航很難達到滿意效果，而深度學習技術鮮有應用。

過去幾年，深度學習在解決計算機視覺、語音識別、自然語言處理等領域的問題上都表現出色。其中，卷積神經網絡被廣泛應用在圖像中物體和區域的檢測、分割和識別中，并取得了巨大成功。在2012年的ImageNet競賽中，AlexNet[8]以驚人的成績取得了第一名，其錯誤率接近第二名的一半。在2013年的ImageNet競賽中，OverFeat[9]獲得了極具競爭力的結果，它運用卷積網絡有效實現了一個多尺寸輸入的滑動窗口方法，可用于圖像分類、目標定位和檢測任務。但是AlexNet只支持單一尺寸圖像的輸入，無法直接應用于多尺寸圖像的分類。

參考文獻