论文部分内容阅读
基于数据融合的景象匹配辅助导航(Scene Matching Aided Navigation,SMAN)技术可修正惯性导航系统(Inertial Navigation System,INS)的累积误差,满足新一代飞行器的主动性导航需求。与传统的被动导航方法相比,景象匹配辅助导航技术可减少与外界的导航信号交换,进一步提升平台隐身性能,也是对传统GPS导航系统的重要补充。作为多源信息融合框架下的一项重要应用,SMAN技术的准确性直接取决于其核心图像配准算法的精度与可靠性,本文主要开展了传感器成像存在畸变条件下的地景图像精确配准算法研究、实验仿真及其性能分析,主要创新点包括:(1)从理论上推导了多尺度自卷积(Multi-Scale Auto-convolution,MSA)特征的仿射不变性,提出了基于图像区块MSA特征的匹配方法。采用了改进型简化欧氏距离作为相似度量完成特征匹配,减少了运算量,还巧妙地建立了三级金字塔分层搜索策略进一步使计算复杂度降低为原先的31/2,与基于分支点Hausdorff距离测度的匹配方法相比,在成像畸变下对异类多传感器,例如SAR、可见光、红外等图像均可实现较高精度的匹配。(2)详细分析了SIFT特征具备的旋转、尺度不变性的理论依据,并指出其对于传感器成像畸变下剪切变换稳定性较差的缺陷,利用特征融合的思想构建了SIFT+MSA组合特征:在提取到稳定的SIFT特征点后,以特征点所在位置作为圆心截取圆形区域并计算该区域的MSA特征向量,将其同SIFT特征组合起来。此处选取圆形区域的半径大小同该SIFT特征点主方向梯度的幅值成正比,且圆形保证了组合特征的旋转不变性。而后以简化欧氏距离作为相似度量,采用最近距离与次近距离比例阈值筛选的方法进行特征匹配,再利用RANSAC方法删除错误匹配点,最终求出单应性矩阵的模型参数。针对异构多传感器SAR、可见光、红外等,以及不同成像角度实拍图像的实验结果均表明该算法与基于SIFT特征的配准方法相比,特征提取的效率更高而且误匹配情况更少,最终配准图像的RMSE更小。(3)开展了景象匹配评估技术研究,用于衡量本文提出算法的可用性与准确性。从特征提取算子的检测性能、配准结果的精确度、已配准图像局部放大细节的主观评价三方面构建了图像配准方法的评价体系,包含了主客观评价指标。(4)开展了SMAN仿真平台研究,验证了算法在工程实践上的推广可行性,探索SMAN定位与INS导航两条数据链的融合方案,并直观演示了SMAN系统对INS系统的累积误差的修正效果。