基于图像匹配的无人机定位算法研究与实现

作     者：高闯 

作者单位：沈阳航空航天大学 

学位级别：硕士

导师姓名：李玉峰;徐宏伟

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 082503[工学-航空宇航制造工程] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 

主      题：图像匹配 线段检测 无人机定位 遥感图像 

摘      要：基于图像匹配的无人机定位是一种估算无人机位置信息的方法,采用图像匹配算法来对无人机航拍图像和高精度离线地图进行对比分析,以找出两幅图像之间的对应关系。由于无人机航拍图像与卫星遥感图像具有许多差异,例如光照条件、视角、尺度等,因此跨源图像匹配算法的设计是一个具有挑战性的课题。本文提出了一套实用、快速、鲁棒和精确的基于图像匹配的无人机定位技术方案,主要研究内容和成果包括以下几个方面:对于低空无人机图像与卫星地图匹配存在着诸多问题,两者在尺度、特征、定位精度等方面都存在很大差异,如卫星地图和低空无人机图像的采集方式和应用场景不同,它们之间的特征差异较大。卫星地图的采集和制作需要耗费大量的时间和精力,而低空无人机图像的采集则可以在极短的时间内完成。这种时间差异和不同的采集方式可能导致两种图像的特征提取和匹配变得困难。因此本文提出了一种基于邻里共识网络的稀疏特征匹配算法。该算法采用双注意力机制和深度残差神经(Deep residual network,Resnet)网络相结合来提取遥感图像的强纹理特征,并采用子流形稀疏卷积对其进行4D卷积神经网络(Convolutional Neural Network,CNN)处理以克服大内存消耗和推理时间问题。最后,通过邻里共识网络和两级重定位模块剔除误匹配的点对。实验结果表明,该算法在内存消耗和匹配精度上都具有显著优势。线段检测的最大难点是线段极其容易受到光照、噪声、线条曲度的影响,例如线条曲度可能存在弯曲和不规则的形状,这回增加检测难点,这也是遥感图像中包含的重要特征信息,因此本文根据高空遥感图像的山川、河流、建筑物等明显的线状特征,提出了一种基于改进沙漏网络的线段检测方法。该方法利用多分支改进堆叠沙漏网络的残差块捕获图像多尺度特征信息,并对堆叠沙漏网络进行级联和均值化以获取丰富的上下文信息,从而有效提升对具有强纹理特征图像的线段检测精度。针对高空无人机图像与卫星地图匹配速度问题,本文提出了一种由粗到细的两阶段匹配方法。第一阶段对地图进行分块处理,利用航拍图像进行线段检测并进行匹配,提高了大尺寸、高分辨率图像的匹配速率。第二阶段将匹配得分最高的图像块进行拼接并扩充,然后采用邻里共识网络的稀疏特征匹配算法进行精匹配,最后通过定位算法进行无人机定位。