无人驾驶飞机精确定位方法研究
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２（ ３６５ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ， Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｘｉ’ａｎ ７１００７２）
Ａｂｓｔｒ ａｃｔ： ＧＰＳ ｔｅｃｈｎｉｑｕｅ ｈａｓ ｂｅｅｎ ａｐｐｌｉｅｄ ｔｏ ｌｏｃａｔｅ ａｎｄ ｎａｖｉｇａｔｅ ｔｈｅ Ｒｅｍｏｔｅｌｙ Ｐｉｌｏｔｅｄ Ｖｅｈｉｃｌｅｓ（ ＲＰＶ） ｗｉｄｅｌｙ， ｂｕｔ ｉｔ ｉｓ ｒｅｓｔｒｉｃｔｅｄ ｉｎ ｗａｒｔｉｍｅ ａｎｄ ｔｈｅ ｄｉｆｆｉｃｕｌｔ ａｒｅａ．Ｔｈｅ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｋｉｎｄ ｏｆ ｍｅｔｈｏｄ ｌｏｃａｔｉｎｇ ａｃｃｕｒａｔｅｌｙ ｔｈｅ ＲＰＶ ｕｓｉｎｇ ｔｈｅ ｉｍａｇｅ ｍａｔｃｈｉｎｇ ｔｅｃｈｎｉｑｕｅ ｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｓｔｒｉｃｔｉｏｎ ｅａｃｈ ｏｔｈｅｒ ｆｏｒ ｔｈｅ ｍａｔｃｈｉｎｇ－ ｐｏｉｎｔｓ， ｗｈｉｃｈ ｍａｙ ｉｍｐｒｏｖｅ ｔｈｅ ｒｅｌｉａｂｉｌｉｔｙ ａｎｄ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ＲＰＶ ｃａｎ’ｔ ｂｅｅｎ ｌｏｃａｔｅｄ ａｃｃｕｒａｔｅｌｙ ｂｙ ｔｈｅ ｓｉｎｇｌｅ ｍａｔｃｈｉｎｇ－ ｐｏｉｎｔ ｆｏｒ ｔｈｅ ＲＰＶ ａｌｔｅｒａｂｌｅ ａｔｔｉｔｕｄｅ．Ｔｈｅ ｍｅｔｈｏｄ ｆｉｒｓｔｌｙ ｐｒｏｃｅｓｓｅｓ ｔｈｅ ｉｍａｇｅ ｏｂｔａｉｎｅｄ ｂｙ ＲＰＶ ａｎｄ ｔｈｅ ｒｅｆｅｒｅｎｃｅ ｉｍａｇｅ ｕｓｉｎｇ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｓｏ ａｓ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｏｂｖｉｏｕｓ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｅｎｏｕｇｈ．Ｔｈｅｎ ｔｈｅ ａｃｃｕｒａｔｅ ｃｏｏｒｄｉｎａｔｅｓ ｏｆ ｔｈｅ ｍａｔｃｈｉｎｇ ｐｏｉｎｔｓ ａｒｅ ｃａｌｃｕｌａｔｅｄ ｕｓｉｎｇ ｔｈｅ ｌｅａｓｅ ｉｍａｇｅ ｍａｔｃｈｉｎｇ ａｎｄ ｔｈｅ ｒｅｓｔｒｉｃｔｉｏｎ ａｍｏｎｇ ｔｈｅ ｍａｔｃｈｉｎｇ － ｐｏｉｎｔｓ， ｗｈｉｃｈ ｍａｙ ｃａｌｃｕｌａｔｅ ｔｈｅ ａｃｃｕｒａｔｅ ｓｐａｃｅ ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ ＲＰＶ． Ｋｅｙｗｏ ｒ ｄｓ ： ｒｅｍｏｔｅｌｙ ｐｉｌｏｔｅｄ ｖｅｈｉｃｌｅｓ （ ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅ ） ｎａｖｉｇａｔｉｏｎ ， ｓｐａｃｅ ｌｏｃａｔｉｏｎ ， ｉｍａｇｅ ｍａｔｃｈｉｎｇ， ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ
２
２
$ $ $
ｘ
Ｗ ｊ ｆ（ ｘ， ｙ）
Ａ ｊ ｆ ｊ （ ｘ， ｙ） ＝ａｒｃｔａｎ ２２
２ ｙ
Ｗ ｊ ｆ（ ｘ， ｙ）
$ ’
（ ２）
$
$
$
$
$
２
%
Ｍａｌｌａｔ 证明， 若函数 ｆ（ ｘ， ｙ） 的 Ｌｉｐｓｃｈｉｔｓ 指数为 "， 它的小波
变换最大模值应满足：
ｊ"
Ｍ ｊ ｆ（ ｘ， ｙ） ≤Ａ（ ２ ） ２
以作为精确匹配的约束关系。这样， 可以解决由于单点匹配中
初始位置的不精确而造成无法得到精确影像匹配结果的问题，
从 而 提 高 了 影 像 匹 配 的 可 靠 性 。多 组 同 名 点 的 坐 标 位 置 关 系 可
以表示为：
) ｘｉ＋１ － ｘｉ ＝ｘ′ｉ＋１ － ｘ′ｉ （ ｉ＝１， ２， ３， …）
多［２， ３， ６， ７］。利用二进 小 波 进 行 图 像 特 征 提 取 时 ， 在 图 像 的 ｘ， ｙ 方
向 上 可 以 得 到 二 进 小 波 变 换 的 两 个 分 量 ［７］：
１
＊１
ｊ
Ｗ ｊｆ（ ｘ， ｙ） ＝ｆ % ｊ （ ｘ， ｙ） ＝２
２
２
! !ｘ
＊
（ ｆ & ｊ （ ｘ， ｙ） ） ２
关键词 无人机导航 空间定位 影像匹配 小波变换
文章编号 １００２－ ８３３１－ （ ２００６） ２３－ ０１８８－ ０４ 文献标识码 Ａ 中图分类号 ＴＰ３９１
Ｒｅｓｅａｒ ｃｈ ｏｎ ｔｈｅ Ｌｏｃａｔｉｎｇ ｏｆ Ｒｅｍｏｔｅｌｙ Ｐｉｌｏｔｅｄ Ｖｅｈｉｃｌｅｓ
Ｓｈａｏ Ｙｏｎｇｓｈｅ１， ２ Ｃｈｅｎ Ｙｉｎｇ１ Ｚｈｕ Ｘｉａｏｐｉｎｇ２ １（ Ｔｏｎｇｊｉ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈａｎｇｈａｉ ２０００９２）
" $ $ $$
#
（ １）
２
＊２
ｊ
Ｗ ｊｆ（ ｘ， ｙ） ＝ｆ % ｊ （ ｘ， ｙ） ＝２
２
２
! !ｙ
＊
（ ｆ & ｊ （ ｘ， ｙ） ） ２
$ $ $$ %
通过这两个分量可以得到图像经小波变换后的小波梯度
模和方向：
& Ｍ ｊ ｆ（ ｘ， ｙ） ＝ ２
ｘ
２ ｙ
２
" $
Ｗ ｊｆ（ ｘ， ｙ） ＋ Ｗ ｊｆ（ ｘ， ｙ）
１ 引言
空间定位与导航是无人机最基本的功能之一， 早期无人机 的 空 间 定 位 和 导 航 一 般 由 航 位 推 算 、惯 性 导 航 、数 据 链 的 距 离 数 据 和 方 位 数 据 所 组 成 。使 用 数 据 链 确 定 的 方 位 角 数 据 和 距 离 数 据 、相 对 于 测 得 的 任 务 规 划 与 控 制 站 数 据 链 天 线 位 置 可 以 确 定无人机的空间位置， 但必须精确掌握地面天线的位置和方向 作为起点［１］。ＧＰＳ 技术的广泛应用， 大大提高了飞行器空间定位 与导航的精度与速度。但是， 在某些情况下， ＧＰＳ 的应用会受到 一定的限制， 比如战时、山区等， 有必要寻找导航与定位的有效 补充手段， 使无人机在 ＧＰＳ 应用受 限 的 情 况 下 仍 可 以 获 得 较 高的空间定位精度。
２ 无人机空间精确定位策略
利用影像匹配技术对低空飞行器（ 如巡航导弹飞行高度在 ２００ｍ～３００ｍ） 进行定位已经取得了许多研究成果。其一般的策 略是： 首先利用飞行器实时获取的影像与预先得到的基准影像 （ 参考影像） 进行匹配； 然后在成功匹配的基础上， 计算实时影 像窗口中心所对应的基准影像的窗口中心坐标， 并将该坐标作 为飞行器的空间平面坐标值， 从而实现飞行器的空间定位。由 于 姿 态 角 影 响 很 小 （ 当 相 机 倾 角 为 ０．１°时 ， 引 起 底 点 偏 移 量 ０．３ｍ～０．５ｍ） ， 低空飞行器空间定位中一般不考虑相机成像姿态 的影响。当无人机飞行在 ２ ０００ｍ 高度成像时， 姿态角的微量变 化和地形的起伏影响都会使成像底点产生较大的偏移。可见，
为了得到 ３ 个以上同名点， 考虑将实时影像分为 ４ 个区 域， 每个区域提取至少一个明显特征点， 利用影像匹配技术可 以获得至少 ４ 组同名点（ 机载匹配可并行处理以满足实时性要 求） 。这样， 利用 ３ 个同名点的 ６ 个方程可以解得 ６ 个外方位元 素的改正量。利用多余观测， 可以对同名点进行粗差探测， 从而 可以获得飞机更精确的空间位置。
单点影像匹配由于无法对匹配结果进行检测容易产生错 误， 而无人机空间位置需要由多个匹配点来确定。因此， 在进行 最小二乘影像匹配时， 利用多个匹配点间的位置约束关系可以 提高影像匹配的可靠性。
３．１ 影像的特征提取与匹配
小波技术是对图像进行金字塔分解的最有效方法， 通过逐
级小波分解可以提取图像中突出的目标信息， 相关的文献有许
基金项目： 国家８６３ 高技术研究发展计划资助项目（ 编号： ２００３ＡＡ１３３０４０） 作者简介： 邵永社， 男， 博士， 主要从事摄影测量与遥感和影像的计算机视觉处理研究。 １８８ ２００６．２３ 计算机工程与应用
当无人机成像后， 即使通过影像匹配得到了精确的匹配位置， 并不能通过匹配窗口的中心位置简单地推算飞机的空间位置， 必须考虑摄影姿态对飞机空间定位的影响。
如图 １ 为实现无人机空间定位的基本流程。
３ 多点影像匹配和约束
在数字摄影测量领域， 影像匹配技术已经广泛用于获取立 体像对的同名点， 尽管在森林、水域等应用受到限制， 但该技术 已经大大提高了摄影测量的生产效率。近年来， 利用单点影像 匹配技术实现目标定位也已经取得了一定的研究成果［４， ５， ７］。
式中： ｇ１ （ ｘ， ｙ） 和 ｇ２ （ ｘ′， ｙ′） 分别表示 左 、右 影 像 ； ｎ１ （ ｘ， ｙ） 和 ｎ２ （ ｘ′， ｙ′） 分别表 示 左 、右 影 像 的 随 机 噪 声 ； ｈ０ 和 ｈ１ 为 引 入 的 辐
射畸变参数。
由于特征匹配已经获得了同名点的初始匹配位置， 这些匹
配点之间的位置关系是确定的， 多组同名点的坐标位置关系可
匹配的初值， 然后进行最小二乘法匹配［７］。
３．２ 影像匹配和约束
考 虑 基 准 影 像 和 实 时 影 像 之 间 存 在 随 机 噪 声 、线 性 辐 射 畸
变和仿射变形， 可以得到：
ｇ１ （ ｘ， ｙ） ＋ｎ１ （ ｘ， ｙ） ＝ ｎ２ （ ｘ′， ｙ′） ＋ｈ０ ＋ｈ１ ｇ２ （ ａ０ ＋ａ１ ｘ＋ａ２ ｙ， ｂ０ ＋ｂ１ ｘ＋ｂ２ ｙ） （ ４）
在进行目标定位时， 通常采用特征匹配和最小二乘相结合 的影像匹配技术。为了获取匹配特征， 利用金字塔分层技术， 并 获取必要的特征信息以实现影像的特征匹配， 特征匹配一般可 得到 １－ ２ 像素的精度。为了获得更高的匹配精度， 在影像特征 匹配完成之后， 利用特征匹配的结果作为初值， 进行最小二乘 影像匹配。
通常， 将影响目标定位的摄影姿态分为内方位元素（ 相机 主点坐标和主距） 和外方位元素（ 相机的空间位置和姿态） 。显 然， 摄影系统的内方位元素可以在地面进行标定， 即可认为对 无人机进行空间定位时， 其相机的内方位元素是已知的， 外方 位 元 素 决 定 了 系 统 的 成 像 区 域 。通 常 飞 机 的 空 间 位 置 和 姿 态 可 以 通 过 无 线 电 推 算 、惯 性 导 航 及 陀 螺 平 台 得 到 近 似 值 ， 要 进 行 精确定位， 这些值必须作为未知值求解， 可见， 解算 ６ 个改正量 !ＸＳ０ 、!ＹＳ０ 、!ＺＳ０ 、!"、!#、!$ 需要至少 ３ 个以上同名点。
由于 ＧＰＳ 使用方便且能获得 较 高 的 精 度 ， 因 此 目 前 无 人 机的空间定位和导航主要依靠 ＧＰＳ 技术。正是由于 ＧＰＳ 的广 泛应用， 使人们过多依赖于 ＧＰＳ 技术， 很 少 有 研 究 和 文 献 报 道 无 人 机 空 间 精 确 定 位 的 其 他 技 术 和 方 法 。利 用 影 像 匹 配 技 术 实 现低空飞行器（ 如巡航导弹） 的空间定位已经得到广泛应用， 但 对于无人机等高空飞行器， 由于飞行姿态的影响， 使用单点影
像 匹 配 无 法 得 到 飞 行 器 的 精 确 空 间 位 置 。本 文 探 讨 了 利 用 多 点 影像匹配及其点位间的约束关系实现无人机空间精确定位的 策略， 并对如何实现无人机空间精确定位的方法进行了较深入 的研究， 提出了实现的技术途径。最后， 对本文提出的方法进行 了验证， 得到了满意的效果。
无人驾驶飞机精确定位方法研究
邵永社 １， ２ 陈 鹰 １ 祝小平 ２ １（ 同济大学测量与国土信息工程系遥感技术应用研究中心， 上海 ２０００９２）
２（ 西北工业大学 ３６５ 研究所， 西安 ７１００７２）
Ｅ－ ｍａｉｌ： ｓｈａｏｙｓｈ＠ｓｉｎａ．ｃｏｍ
摘 要 ＧＰＳ 技术已广泛应用于无人驾驶飞机的空间定位和导航， 但在战时、困难地区的应用会受到限制。文章提出了 一种利用多点约束的影像匹配技术实现无人机精确定位的方法， 该方法基于多点约束的思想提高了影像匹配的可靠性， 同时利用匹配获取的多个同名点解决了由于无人机空中姿态变化引起的单点无法精确定位问题。该方法首先对无人机 获取的实时影像和基准影像进行小波变换处理， 以便从实时影像上获得足够的明显特征点， 然后利用影像匹配和匹配点 之间的位置约束关系获取基准影像上的同名点位， 使用这些同名点， 可以得到精确的无人机空间位置。
即：
ｌｏｇ２
（Ｍｊ ２
ｆ（ ｘ，
ｙ）
） ≤ｊ"＋ｌｏｇ２
（ Ａ）
（ ３）
按上式， 只要有不同尺度下同一边缘点的模极大值， 可估
出 Ｌｉｐｓｃｈｉｔｓ 指 数 "， 然 后 选 择 适 当 的 阈 值 ， 可 以 得 到 需 要 的
特征。
已经得到不同尺度下目标的特征， 可以实现目标的特征匹
配， 特征匹配可以得到 １－ ２ 个像素的匹配精度， 并作为图像精
Ａｂｓｔｒ ａｃｔ： ＧＰＳ ｔｅｃｈｎｉｑｕｅ ｈａｓ ｂｅｅｎ ａｐｐｌｉｅｄ ｔｏ ｌｏｃａｔｅ ａｎｄ ｎａｖｉｇａｔｅ ｔｈｅ Ｒｅｍｏｔｅｌｙ Ｐｉｌｏｔｅｄ Ｖｅｈｉｃｌｅｓ（ ＲＰＶ） ｗｉｄｅｌｙ， ｂｕｔ ｉｔ ｉｓ ｒｅｓｔｒｉｃｔｅｄ ｉｎ ｗａｒｔｉｍｅ ａｎｄ ｔｈｅ ｄｉｆｆｉｃｕｌｔ ａｒｅａ．Ｔｈｅ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｋｉｎｄ ｏｆ ｍｅｔｈｏｄ ｌｏｃａｔｉｎｇ ａｃｃｕｒａｔｅｌｙ ｔｈｅ ＲＰＶ ｕｓｉｎｇ ｔｈｅ ｉｍａｇｅ ｍａｔｃｈｉｎｇ ｔｅｃｈｎｉｑｕｅ ｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｓｔｒｉｃｔｉｏｎ ｅａｃｈ ｏｔｈｅｒ ｆｏｒ ｔｈｅ ｍａｔｃｈｉｎｇ－ ｐｏｉｎｔｓ， ｗｈｉｃｈ ｍａｙ ｉｍｐｒｏｖｅ ｔｈｅ ｒｅｌｉａｂｉｌｉｔｙ ａｎｄ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ＲＰＶ ｃａｎ’ｔ ｂｅｅｎ ｌｏｃａｔｅｄ ａｃｃｕｒａｔｅｌｙ ｂｙ ｔｈｅ ｓｉｎｇｌｅ ｍａｔｃｈｉｎｇ－ ｐｏｉｎｔ ｆｏｒ ｔｈｅ ＲＰＶ ａｌｔｅｒａｂｌｅ ａｔｔｉｔｕｄｅ．Ｔｈｅ ｍｅｔｈｏｄ ｆｉｒｓｔｌｙ ｐｒｏｃｅｓｓｅｓ ｔｈｅ ｉｍａｇｅ ｏｂｔａｉｎｅｄ ｂｙ ＲＰＶ ａｎｄ ｔｈｅ ｒｅｆｅｒｅｎｃｅ ｉｍａｇｅ ｕｓｉｎｇ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｓｏ ａｓ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｏｂｖｉｏｕｓ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｅｎｏｕｇｈ．Ｔｈｅｎ ｔｈｅ ａｃｃｕｒａｔｅ ｃｏｏｒｄｉｎａｔｅｓ ｏｆ ｔｈｅ ｍａｔｃｈｉｎｇ ｐｏｉｎｔｓ ａｒｅ ｃａｌｃｕｌａｔｅｄ ｕｓｉｎｇ ｔｈｅ ｌｅａｓｅ ｉｍａｇｅ ｍａｔｃｈｉｎｇ ａｎｄ ｔｈｅ ｒｅｓｔｒｉｃｔｉｏｎ ａｍｏｎｇ ｔｈｅ ｍａｔｃｈｉｎｇ － ｐｏｉｎｔｓ， ｗｈｉｃｈ ｍａｙ ｃａｌｃｕｌａｔｅ ｔｈｅ ａｃｃｕｒａｔｅ ｓｐａｃｅ ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ ＲＰＶ． Ｋｅｙｗｏ ｒ ｄｓ ： ｒｅｍｏｔｅｌｙ ｐｉｌｏｔｅｄ ｖｅｈｉｃｌｅｓ （ ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅ ） ｎａｖｉｇａｔｉｏｎ ， ｓｐａｃｅ ｌｏｃａｔｉｏｎ ， ｉｍａｇｅ ｍａｔｃｈｉｎｇ， ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ
２
２
$ $ $
ｘ
Ｗ ｊ ｆ（ ｘ， ｙ）
Ａ ｊ ｆ ｊ （ ｘ， ｙ） ＝ａｒｃｔａｎ ２２
２ ｙ
Ｗ ｊ ｆ（ ｘ， ｙ）
$ ’
（ ２）
$
$
$
$
$
２
%
Ｍａｌｌａｔ 证明， 若函数 ｆ（ ｘ， ｙ） 的 Ｌｉｐｓｃｈｉｔｓ 指数为 "， 它的小波
变换最大模值应满足：
ｊ"
Ｍ ｊ ｆ（ ｘ， ｙ） ≤Ａ（ ２ ） ２
以作为精确匹配的约束关系。这样， 可以解决由于单点匹配中
初始位置的不精确而造成无法得到精确影像匹配结果的问题，
从 而 提 高 了 影 像 匹 配 的 可 靠 性 。多 组 同 名 点 的 坐 标 位 置 关 系 可
以表示为：
) ｘｉ＋１ － ｘｉ ＝ｘ′ｉ＋１ － ｘ′ｉ （ ｉ＝１， ２， ３， …）
多［２， ３， ６， ７］。利用二进 小 波 进 行 图 像 特 征 提 取 时 ， 在 图 像 的 ｘ， ｙ 方
向 上 可 以 得 到 二 进 小 波 变 换 的 两 个 分 量 ［７］：
１
＊１
ｊ
Ｗ ｊｆ（ ｘ， ｙ） ＝ｆ % ｊ （ ｘ， ｙ） ＝２
２
２
! !ｘ
＊
（ ｆ & ｊ （ ｘ， ｙ） ） ２
关键词 无人机导航 空间定位 影像匹配 小波变换
文章编号 １００２－ ８３３１－ （ ２００６） ２３－ ０１８８－ ０４ 文献标识码 Ａ 中图分类号 ＴＰ３９１
Ｒｅｓｅａｒ ｃｈ ｏｎ ｔｈｅ Ｌｏｃａｔｉｎｇ ｏｆ Ｒｅｍｏｔｅｌｙ Ｐｉｌｏｔｅｄ Ｖｅｈｉｃｌｅｓ
Ｓｈａｏ Ｙｏｎｇｓｈｅ１， ２ Ｃｈｅｎ Ｙｉｎｇ１ Ｚｈｕ Ｘｉａｏｐｉｎｇ２ １（ Ｔｏｎｇｊｉ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈａｎｇｈａｉ ２０００９２）
" $ $ $$
#
（ １）
２
＊２
ｊ
Ｗ ｊｆ（ ｘ， ｙ） ＝ｆ % ｊ （ ｘ， ｙ） ＝２
２
２
! !ｙ
＊
（ ｆ & ｊ （ ｘ， ｙ） ） ２
$ $ $$ %
通过这两个分量可以得到图像经小波变换后的小波梯度
模和方向：
& Ｍ ｊ ｆ（ ｘ， ｙ） ＝ ２
ｘ
２ ｙ
２
" $
Ｗ ｊｆ（ ｘ， ｙ） ＋ Ｗ ｊｆ（ ｘ， ｙ）
１ 引言
空间定位与导航是无人机最基本的功能之一， 早期无人机 的 空 间 定 位 和 导 航 一 般 由 航 位 推 算 、惯 性 导 航 、数 据 链 的 距 离 数 据 和 方 位 数 据 所 组 成 。使 用 数 据 链 确 定 的 方 位 角 数 据 和 距 离 数 据 、相 对 于 测 得 的 任 务 规 划 与 控 制 站 数 据 链 天 线 位 置 可 以 确 定无人机的空间位置， 但必须精确掌握地面天线的位置和方向 作为起点［１］。ＧＰＳ 技术的广泛应用， 大大提高了飞行器空间定位 与导航的精度与速度。但是， 在某些情况下， ＧＰＳ 的应用会受到 一定的限制， 比如战时、山区等， 有必要寻找导航与定位的有效 补充手段， 使无人机在 ＧＰＳ 应用受 限 的 情 况 下 仍 可 以 获 得 较 高的空间定位精度。
２ 无人机空间精确定位策略
利用影像匹配技术对低空飞行器（ 如巡航导弹飞行高度在 ２００ｍ～３００ｍ） 进行定位已经取得了许多研究成果。其一般的策 略是： 首先利用飞行器实时获取的影像与预先得到的基准影像 （ 参考影像） 进行匹配； 然后在成功匹配的基础上， 计算实时影 像窗口中心所对应的基准影像的窗口中心坐标， 并将该坐标作 为飞行器的空间平面坐标值， 从而实现飞行器的空间定位。由 于 姿 态 角 影 响 很 小 （ 当 相 机 倾 角 为 ０．１°时 ， 引 起 底 点 偏 移 量 ０．３ｍ～０．５ｍ） ， 低空飞行器空间定位中一般不考虑相机成像姿态 的影响。当无人机飞行在 ２ ０００ｍ 高度成像时， 姿态角的微量变 化和地形的起伏影响都会使成像底点产生较大的偏移。可见，
为了得到 ３ 个以上同名点， 考虑将实时影像分为 ４ 个区 域， 每个区域提取至少一个明显特征点， 利用影像匹配技术可 以获得至少 ４ 组同名点（ 机载匹配可并行处理以满足实时性要 求） 。这样， 利用 ３ 个同名点的 ６ 个方程可以解得 ６ 个外方位元 素的改正量。利用多余观测， 可以对同名点进行粗差探测， 从而 可以获得飞机更精确的空间位置。
单点影像匹配由于无法对匹配结果进行检测容易产生错 误， 而无人机空间位置需要由多个匹配点来确定。因此， 在进行 最小二乘影像匹配时， 利用多个匹配点间的位置约束关系可以 提高影像匹配的可靠性。
３．１ 影像的特征提取与匹配
小波技术是对图像进行金字塔分解的最有效方法， 通过逐
级小波分解可以提取图像中突出的目标信息， 相关的文献有许
基金项目： 国家８６３ 高技术研究发展计划资助项目（ 编号： ２００３ＡＡ１３３０４０） 作者简介： 邵永社， 男， 博士， 主要从事摄影测量与遥感和影像的计算机视觉处理研究。 １８８ ２００６．２３ 计算机工程与应用
当无人机成像后， 即使通过影像匹配得到了精确的匹配位置， 并不能通过匹配窗口的中心位置简单地推算飞机的空间位置， 必须考虑摄影姿态对飞机空间定位的影响。
如图 １ 为实现无人机空间定位的基本流程。
３ 多点影像匹配和约束
在数字摄影测量领域， 影像匹配技术已经广泛用于获取立 体像对的同名点， 尽管在森林、水域等应用受到限制， 但该技术 已经大大提高了摄影测量的生产效率。近年来， 利用单点影像 匹配技术实现目标定位也已经取得了一定的研究成果［４， ５， ７］。
式中： ｇ１ （ ｘ， ｙ） 和 ｇ２ （ ｘ′， ｙ′） 分别表示 左 、右 影 像 ； ｎ１ （ ｘ， ｙ） 和 ｎ２ （ ｘ′， ｙ′） 分别表 示 左 、右 影 像 的 随 机 噪 声 ； ｈ０ 和 ｈ１ 为 引 入 的 辐
射畸变参数。
由于特征匹配已经获得了同名点的初始匹配位置， 这些匹
配点之间的位置关系是确定的， 多组同名点的坐标位置关系可
匹配的初值， 然后进行最小二乘法匹配［７］。
３．２ 影像匹配和约束
考 虑 基 准 影 像 和 实 时 影 像 之 间 存 在 随 机 噪 声 、线 性 辐 射 畸
变和仿射变形， 可以得到：
ｇ１ （ ｘ， ｙ） ＋ｎ１ （ ｘ， ｙ） ＝ ｎ２ （ ｘ′， ｙ′） ＋ｈ０ ＋ｈ１ ｇ２ （ ａ０ ＋ａ１ ｘ＋ａ２ ｙ， ｂ０ ＋ｂ１ ｘ＋ｂ２ ｙ） （ ４）
在进行目标定位时， 通常采用特征匹配和最小二乘相结合 的影像匹配技术。为了获取匹配特征， 利用金字塔分层技术， 并 获取必要的特征信息以实现影像的特征匹配， 特征匹配一般可 得到 １－ ２ 像素的精度。为了获得更高的匹配精度， 在影像特征 匹配完成之后， 利用特征匹配的结果作为初值， 进行最小二乘 影像匹配。
通常， 将影响目标定位的摄影姿态分为内方位元素（ 相机 主点坐标和主距） 和外方位元素（ 相机的空间位置和姿态） 。显 然， 摄影系统的内方位元素可以在地面进行标定， 即可认为对 无人机进行空间定位时， 其相机的内方位元素是已知的， 外方 位 元 素 决 定 了 系 统 的 成 像 区 域 。通 常 飞 机 的 空 间 位 置 和 姿 态 可 以 通 过 无 线 电 推 算 、惯 性 导 航 及 陀 螺 平 台 得 到 近 似 值 ， 要 进 行 精确定位， 这些值必须作为未知值求解， 可见， 解算 ６ 个改正量 !ＸＳ０ 、!ＹＳ０ 、!ＺＳ０ 、!"、!#、!$ 需要至少 ３ 个以上同名点。
由于 ＧＰＳ 使用方便且能获得 较 高 的 精 度 ， 因 此 目 前 无 人 机的空间定位和导航主要依靠 ＧＰＳ 技术。正是由于 ＧＰＳ 的广 泛应用， 使人们过多依赖于 ＧＰＳ 技术， 很 少 有 研 究 和 文 献 报 道 无 人 机 空 间 精 确 定 位 的 其 他 技 术 和 方 法 。利 用 影 像 匹 配 技 术 实 现低空飞行器（ 如巡航导弹） 的空间定位已经得到广泛应用， 但 对于无人机等高空飞行器， 由于飞行姿态的影响， 使用单点影
像 匹 配 无 法 得 到 飞 行 器 的 精 确 空 间 位 置 。本 文 探 讨 了 利 用 多 点 影像匹配及其点位间的约束关系实现无人机空间精确定位的 策略， 并对如何实现无人机空间精确定位的方法进行了较深入 的研究， 提出了实现的技术途径。最后， 对本文提出的方法进行 了验证， 得到了满意的效果。
无人驾驶飞机精确定位方法研究
邵永社 １， ２ 陈 鹰 １ 祝小平 ２ １（ 同济大学测量与国土信息工程系遥感技术应用研究中心， 上海 ２０００９２）
２（ 西北工业大学 ３６５ 研究所， 西安 ７１００７２）
Ｅ－ ｍａｉｌ： ｓｈａｏｙｓｈ＠ｓｉｎａ．ｃｏｍ
摘 要 ＧＰＳ 技术已广泛应用于无人驾驶飞机的空间定位和导航， 但在战时、困难地区的应用会受到限制。文章提出了 一种利用多点约束的影像匹配技术实现无人机精确定位的方法， 该方法基于多点约束的思想提高了影像匹配的可靠性， 同时利用匹配获取的多个同名点解决了由于无人机空中姿态变化引起的单点无法精确定位问题。该方法首先对无人机 获取的实时影像和基准影像进行小波变换处理， 以便从实时影像上获得足够的明显特征点， 然后利用影像匹配和匹配点 之间的位置约束关系获取基准影像上的同名点位， 使用这些同名点， 可以得到精确的无人机空间位置。
即：
ｌｏｇ２
（Ｍｊ ２
ｆ（ ｘ，
ｙ）
） ≤ｊ"＋ｌｏｇ２
（ Ａ）
（ ３）
按上式， 只要有不同尺度下同一边缘点的模极大值， 可估
出 Ｌｉｐｓｃｈｉｔｓ 指 数 "， 然 后 选 择 适 当 的 阈 值 ， 可 以 得 到 需 要 的
特征。
已经得到不同尺度下目标的特征， 可以实现目标的特征匹
配， 特征匹配可以得到 １－ ２ 个像素的匹配精度， 并作为图像精