景象匹配导航技术初探
图像匹配导航
图像匹配导航
把实时图与原图进行比较,由此可以确定飞行器实际地理位置及其与标准位置的偏差
一.基本概念
1.原图
地表特征可以事先通过各种侦察手段获得并以一定的数字化形式存贮在飞行器的计算机中,作为原图。
2.实时图
飞行时,飞行器上测量装置(无线电高度表,图像遥感装置),对该地区进行测量,取得实际地表特征图像,称为实时图。
二.图像匹配原理和分类
1. 图像匹配原理
基于地景地物等地表特征与地理位置间的对应关系(一般不随时间和气候而变化),应用相应的技术措施求得飞行器实际航
迹、方位与预定值之间的误差,即将实时图与原图进行比较,确定飞机实际地理位置及与标准位置偏差,给出飞行器的导航参数。
2. 地形匹配导航
一维匹配,适合于山区,用雷达高度表作为测量装置。
3.景象匹配制导
二维控制,适合于平坦地区,用图像成像装置录取目标附近和飞行轨迹的地貌。
三.导弹制导系统的功用和分类
自主式制导系统遥控式制导系统自动寻的式制导系统
巡航导弹
巡航导弹是一种优气动升力、喷气发动机推力和重力决定飞行轨迹、形似飞机的无人驾驶武器
“战斧”巡航导弹。
基于图像处理的视觉导航技术研究与实现
基于图像处理的视觉导航技术研究与实现摘要:随着人工智能的快速发展,基于图像处理的视觉导航技术在无人驾驶、机器人导航等领域中得到了广泛的应用。
本文通过对基于图像处理的视觉导航技术的研究与实现进行综述,分析了其原理、方法和应用。
进一步探讨了当前视觉导航技术的挑战和未来发展方向。
一、介绍视觉导航技术是利用视觉传感器获取环境图像信息,并通过图像处理算法实现导航目标的定位和路径规划。
该技术的出现在无人驾驶、机器人导航等领域具有重要的应用前景。
二、基于图像处理的视觉导航技术原理基于图像处理的视觉导航技术主要通过以下步骤实现:1. 图像采集:利用携带相机的设备获取环境中的图像。
2. 图像预处理:对采集到的图像进行去噪、增强等预处理操作,提高后续处理的效果。
3. 特征提取:通过机器学习算法或图像处理算法提取关键的特征点或轮廓线等信息。
4. 定位和路径规划:通过匹配提取到的特征点或轮廓线与已知地图,获得当前位置信息,并根据目标位置进行路径规划。
三、基于图像处理的视觉导航技术方法1. 特征匹配法:利用特征提取算法提取图像中的特征点,通过与已知地图进行特征点匹配实现导航定位。
2. 深度学习法:使用深度学习算法对图像进行端到端的处理和分析,实现定位和路径规划。
3. 目标检测法:通过检测图像中的目标物体,如交通标志、建筑物等,实现位置和方向的判断。
四、基于图像处理的视觉导航技术应用1. 无人驾驶:通过图像处理技术实现自动驾驶车辆的定位和路径规划,提高行驶的安全性和效率。
2. 机器人导航:利用视觉导航技术让机器人在复杂环境中进行导航,如仓库管理、室内导航等。
3. 智能监控系统:利用视觉导航技术进行目标跟踪、异常检测等,提升监控系统的性能。
五、挑战与未来发展方向1. 算法优化:需要针对不同场景和应用优化算法,提高导航精度和速度。
2. 数据标注:对大规模数据集进行标注是瓶颈,需要开发自动标注算法或者利用少量标注数据进行迁移学习。
景象匹配辅助导航系统中的精确图象匹配算法研究
集 之间 的相似 变换 关系 ( 旋转 、 移 t、 度 c) 平 尺 , 使 式( ) 最小 。此 时点集 A 与 B 在相 似变 换 下 最 1为 大 程度地 相似 , 中 l l 其 l・ l为欧 几里 德距离 。
1 n
级 , 于粗 匹配来说 是 可 以的 , 对于景 象 匹配辅 助 对 但 导航 过程 来说 , 图象 匹 配的精 度太 低 , 惯导 的辅 助 对
c
对 应 点 集 的 匹配 J 不 能 直 接 用 于 图象 的特 ,
平 面上 的坐标 。 定义 e =
_ c
制
征 匹配 , 此 , 文在 利用 邻域 技术 的基础 上 给出 了 为 本 确 定 图象 一 一对 应 特 征点 集 的实 时 算法 , 以此 为 并 基 础 引入最 小二 乘原理 计算 该一 一对 应点 集之 间 的 最优 相似 变换 参数 , 而 构成 了应 用 于 景象 匹配 辅 从
中 图分 类 号 :T 3 14 P 9 .1 文献 标 识 码 : A 文章 编 号 : 0 .3 8 2 0 )4o 8 . 1 0 1 2 (0 6 o .6 0o 0 6
O 引言
为 有效 克服 图象 噪 声 和几 何 畸 变 的影 响 , 象 景 匹配辅助 导 航 系 统 常 常 选 用 部 分 H udr 距 离 作 a so f
助 导航 系统 的精 确 图象 匹配 算法 。
1 利用最 小二 乘法 获取 一一 对应 点集 合之 间相似 变换 参数 的原理 对 于给 定 m 维 空 间 的 两个 一 一 对应 点 集 A : { 口 , , B = { 。 b , , 需要 寻找 点 口 , … 口 }, b , … b },
式 中 ( , )、 ¨ Y )分别 为 点 o Y ( 、b 在 二 维
雷达景象匹配概率研究
中图分 类号: P9 T31
雷达 景 象 匹配概 率研 究
江标初 ,陈映Βιβλιοθήκη ( 同济大学测量与国土信息工程 系,上海 2 0 9 ) 002
擅
要 :目前 , 景象 匹配中的匹配概 率研究还不够 完善 ,传统的景象匹配概率 的定量计算是通 过匹配信噪 比、独立像元数、图像匹配次数
来确定 的, 但是对于雷达景象 由于其特殊的图像特性 , 传统 的定量计算方法往往会计算 出错误的景象匹配概率 。 该文定义了雷达景象的 “ 贡
处理领域中的一项极为基础和重 要的技术 。它的应 用相 当广
泛 ,包括 :导 弹的匹配制导 ,飞机导航 ,武器投射系统的末 制导 ,光学和雷达 图像 目标跟踪 ,资源分析 ,气象预报 ,医 疗诊断 ,文字读取 以及景象分析 中的变化检测 。本文只讨论
像应该预先存储在 飞行器计算机 的存储器 中。当飞行器 飞到
J ANG a c , I Bio hu CHEN n yn Yig ig
( prmet f uv yn n u t fr t nE gneig T njUnvri , h n h i 00 2 Deat n re igadCo nr I omai n iern , o gi ies yS ag a 2 0 9 ) oS yn o t [ src|R sac ntema hpo ait o tr. h a io a yt a uaeh rbblyib a s f NR,ne ed n ie Abta t eerho t rb blyin t ueT e rdt n l cl ltte o ait s ymen h c i s ma t i wa o c p i oS id p ne t xl p
无人机景象匹配辅助导航仿真系统设计与实现
a g rt m s t e o e wh c b s d d e r s o s i h e Ha s o f i t n e . M u t— e o u i n o l o ih a h c r ih a e e g —e p n e weg t d u d rf d s a c s lir s l to s f
sm u a i n y t m o s e ma c i g a i a i n o U AV. W e do a i l to s s e f c ne t h n n v g to f r a pt wid y— s d c ne l l u e s e ma c i t h ng
无人机景 象 匹配辅 助导 航仿 真 系统设 计 与 实现
李耀 罕 , 潘 采 , 沈 贺, 张绍武 , 凌志 阿 J f
( 西北 工 业 大 学 自动 化学 院 , 安 70 7) 西 1 0 2
摘Leabharlann 要: 景象 匹配 导 航 技 术 以其 自主性 强 , 位 精 度 高 , 电 子 干 扰 的优 势 逐 渐 成 为 未 来 无 人 机 平 台 最 主 要 辅 助 导 航 方 定 抗
wa l ta e us d i u y t m o pr e st e sm u a e un i —ma e o a r n UAV.Rou eo AV vee r e n o rs s e t oc s h i l t d r tme i g fc me a o t fU
台景 象 匹配 导航 仿 真 系 统 。该 仿 真 系 统可 模 拟 无人 机 的真 实 工 作 环 境 , 为 无 人 机 平 台景 象 匹配 导 航 的设 计 与 开发 提 供 技 术 并
支持 。 关 键 词 : 象 匹配 , 能 评 估 , 助导 航 , 人 机 , 真 系 统 景 性 辅 无 仿
基于图像识别的导航辅助系统
基于图像识别的导航辅助系统在现代社会,导航已经成为我们日常生活中不可或缺的一部分。
无论是在城市的大街小巷中穿梭,还是在陌生的乡村道路上行驶,导航系统都能为我们指引方向。
而基于图像识别的导航辅助系统的出现,更是为导航领域带来了新的突破和发展。
想象一下这样的场景:你驾车行驶在一个陌生的城市,周围的道路错综复杂,传统的导航系统只能通过语音和地图为你提供大致的方向,但对于一些细微的路口和复杂的路况,你可能还是会感到迷茫。
这时,基于图像识别的导航辅助系统就能发挥作用了。
它通过车载摄像头实时捕捉道路图像,并对这些图像进行快速准确的分析和识别,为你提供更加详细和精准的导航信息。
基于图像识别的导航辅助系统的核心在于图像识别技术。
这项技术就像是给导航系统装上了一双“眼睛”,让它能够“看到”周围的环境。
图像识别技术的工作原理其实并不复杂。
首先,系统会收集大量的道路图像数据,并对这些数据进行标注和分类,比如道路标志、交通信号灯、建筑物等等。
然后,通过使用深度学习算法,系统会对这些数据进行训练,让其学习如何识别不同的物体和场景。
当车辆行驶时,摄像头拍摄到的实时图像会被传输到系统中,系统会将这些图像与之前训练的数据进行对比和分析,从而识别出当前的道路状况和周围的环境信息。
为了实现准确的图像识别,基于图像识别的导航辅助系统需要具备强大的硬件支持。
车载摄像头的质量和性能至关重要,它需要能够在不同的光照条件下清晰地拍摄道路图像。
同时,系统还需要配备高效的处理器和大容量的内存,以确保能够快速处理和分析大量的图像数据。
此外,为了保证系统的稳定性和可靠性,还需要对硬件进行严格的测试和优化。
除了硬件,软件算法也是基于图像识别的导航辅助系统的关键。
目前,深度学习算法在图像识别领域取得了显著的成果。
例如,卷积神经网络(CNN)就是一种常用的深度学习算法,它能够自动提取图像中的特征,并对其进行分类和识别。
但是,仅仅依靠单一的算法是不够的,还需要结合其他算法和技术,如目标检测算法、语义分割算法等,来提高系统的识别准确率和鲁棒性。
景象匹配辅助导航系统匹配置信度评估方法
景象匹配辅助导航系统匹配置信度评估方法曲圣杰;潘泉;赵春晖;程咏梅【期刊名称】《中国惯性技术学报》【年(卷),期】2011(19)6【摘要】针对景象匹配辅助导航中,由于噪声、云层、摄像机抖动等原因导致的景象匹配可能输出错误匹配结果情况,提出一种基于证据推理的景象匹配末端置信度评估方法.首先建立序列帧时空约束关系,对匹配相关阵中峰值构建辨识框架,计算序列帧对各峰值的置信指派并利用适配因子进行折扣运算,然后采用证据推理组合规则进行融合,最后给出判决准则输出匹配置信度或错误报警.针对Dempster组合规则在序列帧高冲突情况融合错误以及DSmT组合规则多证据融合时正确峰值置信指派难以增大并收敛的问题,提出一种比例冲突再分配DSmT组合规则.采用航拍图像和对应Google earth卫星基准图像的仿真实验验证了评估系统可以有效给出匹配置信度并在发生错误匹配时及时报警.%A novel scene matching terminal evaluation method based on evidence theory is put forward for scene matching aided navigation system, to deal with potential fault output because of noise, cloud, camera jittering and so on. The spatial-temporal correlation of sequence frames is founded firstly, and the identification framework is constructed with the maximal peaks of the matching correlation matrix. Then the basic belief assignment of the peaks is calculated, and the discounting operation is processed using suitable-matching factors. The combination rule of evidence reasoning is adopted to fuse the data of sequence frames. At last, the matching confidence orerror alarm is given according to the decision criterion. Meanwhile a PCR-DSmT combination rule is proposed to solve the illogical fusion of Dempster rule in high conflicted situation and DSmT in case of multi evidences' fusion. Experiments with aerial images and Google earth satellite image prove that the approach is feasible and effective.【总页数】7页(P713-719)【作者】曲圣杰;潘泉;赵春晖;程咏梅【作者单位】西北工业大学自动化学院,西安710072;西北工业大学自动化学院,西安710072;西北工业大学自动化学院,西安710072;西北工业大学自动化学院,西安710072【正文语种】中文【中图分类】U666.1【相关文献】1.基于TMS320DM642的无人机景象匹配辅助导航系统构建 [J], 冯胜民;梁彦;赵春晖;曲圣杰2.无人机景象匹配辅助导航仿真系统设计与实现 [J], 李耀军;潘泉;沈贺;张绍武;凌志刚3.面向景象匹配辅助导航的SIFT图像配准算法 [J], 许晓帆;杜江4.基于不变矩的景象匹配辅助导航快速匹配算法 [J], 符艳军;程咏梅;潘泉;孙开锋5.基于支持特征点的SAR辅助导航反演点置信度估计 [J], 沈大江;程辉;田金文因版权原因,仅展示原文概要,查看原文内容请购买。
遥感技术在测绘中的影像匹配方法
遥感技术在测绘中的影像匹配方法遥感技术是一种通过远距离获取和获取地球物体信息的技术手段。
在测绘领域,遥感技术被广泛应用于地图制作、地形分析和资源调查等方面。
其中,影像匹配是遥感技术中重要的一环,它通过对遥感影像进行准确的配准,使得不同时间或者不同源的影像能够互相重叠,因此具有重要的意义和应用价值。
影像匹配是指将两个或多个影像通过寻找各个影像之间的相同或相似的特征点,并利用这些特征点建立变换模型,将影像转换到同一坐标系下以实现重叠,从而完成准确的配准。
在影像匹配的过程中,有许多方法可以用于提取和匹配特征点,如几何特征匹配、密集光流法和SIFT等。
其中,SIFT(Scale-Invariant Feature Transform)是目前较为常用且常见的影像匹配方法之一。
SIFT是一种在计算机视觉领域常用的特征提取和描述算法。
它的基本思想是通过在影像中寻找并描述关键点,然后利用这些关键点在不同影像之间进行匹配。
SIFT算法有三个主要步骤:尺度空间极值检测、关键点定位和描述符的生成。
在尺度空间极值检测中,通过使用高斯差分函数来检测影像中不同尺度下的极值点。
接着,在关键点定位中,通过阈值筛选和边缘响应去除等方法来确定最稳定的关键点。
最后,在描述符的生成中,利用关键点周围的图像梯度来生成一个128维的向量表示,该向量能够保持关键点的尺度和旋转不变性。
此外,除了SIFT方法外,基于区域的匹配方法也是影像匹配中常用的一种方法。
该方法针对影像中大范围的区域进行匹配,以获取图像的全局特征。
基于区域的匹配方法主要基于相似性度量,通过计算不同区域的相似度来找到最佳匹配的位置。
这种方法特别适用于遥感影像中存在遮挡、相似和重复纹理结构的情况。
总的来说,影像匹配方法在测绘中有着重要的作用。
它能够解决不同时间或者不同源的影像在几何上的差异,从而实现不同时空条件下的影像对比和变化检测。
通过遥感影像匹配,我们能够更加准确和可靠地获取地表的信息,进一步提高地理信息系统(GIS)和遥感技术在测绘中的应用水平。
基于动态关键帧的自然地标景象匹配视觉导航
se em thn i a n vgt nme o ae nd nmi kyrmeipooe r n n e r l e ie( A ) cn acigvs l aiai t db sdo y a c ef u o h a rp sdf mandAei hc U V . s o U aV l
基 于动态关键帧 的 自然地标景象 匹配视 觉导航
李耀 军 ,潘 泉 ,赵 春晖 ,于 盈 ,杨 峰
(西北工业大学 自动化学院 ,西安 7 0 7 10 2) 摘要 :为研究 G S故 障或失效情况下无人机 的备用导航技 术,提 出了基于 自然地标 的动态关键帧景象 匹配视 觉导 P 航 算法 首先 ,分析机载摄像机获取的 实时 图序列, 自主寻找并描述特征 明显 的 自然地标;然后 ,将 包含 自然地
a o t ne fa c n th n l o i m n o d rt mp o e t e n v g t n p ro ma c fa c r c , eib ly a d d p si trr me s e e mac i g ag rt h i r e o i r v h a i a i e f r n e o c u a y r l i t n o a i r n i . p rme t h w a e b c u a ia i n s h me p o o e e st er q i me t f a ia i n i o l x ut me Ex ei n ss o t t h a k pn v g t c e r p s d me t e u r h t o h e n so v g t c mp e n o n
关键词 :动 态关键帧; 自然地标;帧 间景象 匹配;视 觉导航;无人机
影像匹配技术简介
影像匹配技术简介随着数字摄影技术的发展,影像处理、分析和识别变得越来越重要。
影像匹配技术是其中一种关键技术,被广泛应用于许多领域,包括计算机视觉、图像识别、三维建模等。
本文将简要介绍影像匹配技术的基本原理和它在各个领域中的应用。
影像匹配是指在不同影像之间寻找相对应点的过程。
这些相对应点可以用于建立影像间的对应关系,实现图像在空间和时间上的匹配。
影像匹配的基本原理是通过比较两个或多个影像的特征点来找出其之间的对应关系。
这些特征点可以是图像上的明显特征,如角点、边缘等,也可以是通过算法提取出来的特征描述子,如SIFT、SURF等。
在计算机视觉领域,影像匹配技术广泛应用于目标检测、目标跟踪和目标识别等任务中。
通过匹配目标在不同图像中的位置,可以实现对目标的准确追踪和识别。
影像匹配技术也可以用于图像拼接和全景图生成。
通过匹配不同视角或位置下的图像,可以实现将多个图像拼接成一个更大的图像,从而获得更全面的场景信息。
在地理信息系统(GIS)领域,影像匹配技术被广泛应用于遥感图像的配准和变化检测。
通过匹配同一地区不同时间拍摄的遥感图像,可以实现对地表变化的监测和分析。
影像匹配技术也可以用于三维建模和导航系统中。
通过匹配带有位置信息的图像,可以实现对目标或场景的精确定位和导航。
在医学影像领域,影像匹配技术被广泛应用于医学图像的配准和匹配。
通过匹配不同视角或不同时间获取的医学图像,可以实现对病变的精确识别和定位。
影像匹配技术还可以用于医学图像的检索和分析。
通过匹配已有的医学图像数据库,可以实现对疾病的诊断和治疗的辅助。
在娱乐和媒体产业中,影像匹配技术也有广泛的应用。
例如,通过匹配不同角度或不同时间的影片帧,可以实现特效的生成和场景的合成。
影像匹配技术也可以用于人脸识别和表情识别等应用。
通过匹配人脸图像中的特征点,可以实现对个体的识别和情绪的分析。
总之,影像匹配技术在计算机视觉、地理信息系统、医学影像和娱乐媒体等领域都具有重要的应用价值。
图象匹配导航
地形匹配导航:
• 单纯的地形数据不能提供地理坐标位臵,匹配导航必须与其他导航方式进行 组合,如地形/惯性组合导航,就是由惯性导航系统提供地理位臵信息,利用 地形匹配修正惯性导航的误差,以提高定位精度。 • 地形匹配导航辅助导航系统主要由以下硬件设备组成: • 惯性导航系统,提供全部导航信息; • 无线电高度表,提供真实高度; • 气压式高度表或大气数据系统,提供绝对高度; • 导航计算机和大容量存储器,进行匹配计算和存放数字地图。 • 其中高度表、大气数据系统等仪表系统为导航系统提供所需的数据,而并非 在导航系统中另采用一套。 • 在一维的地形匹配导航中,地形跟踪是主要的飞行方式,它由大气数据系统 提供绝对高度,由无线电高度表探测航路上的真实高度,绝对高度减真实高 度得到地形高度,沿飞行航迹的地形高度序列数据组成了高度实时图。将实 时图与存储的数字地图按一定的算法进行数据处理,找出原图中与实时图最 为接近的区域,则这个区域就是飞行器估计的地理位臵,地形/惯性组合导航 系统根据这个估计值去修正惯性导航系统的指示误差。匹配算法是相当复杂 的,它对计算机由很高的要求。一般讲,实时图与原图几乎找不到完全一致 的区域,通常是以一定的误差范围来判断匹配的接近程度,满足所要求的误 差精度,就认为达到了匹配,原图中的相应位臵既飞行器当时的地理位臵。 • 利用地形匹配导航可以使飞行器进行地形跟踪,保持一定的真实高度。也可 利用数字地图中相同地形高度进行地形回避飞行,绕过高山,在山谷中穿行。 地形跟踪和地形回避是军用飞机低空突防的隐蔽飞行方式,并可保证低空飞 行的安全高度
导航原理:
• 预先将飞行器经过的地域,通过大地测量、航空摄影、卫星摄影或已有的地 形图等方法将地型数据(主要是地形位臵和高度数据)制作成数字化地图, 储存在飞行器的计算机中,这种地图称为原图。飞行器在飞越已经数字化的 预定空域时,其上的探测设备再次对该区域进行测量(录取),取得实际的 地表特征图像,将实时图与预先存储的原图进行比较,由此可以确定飞行器 实际飞行的地理位臵与标准位臵的偏差,用以对飞行器进行导航。 • 图像匹配导航可分为地形匹配导航和景象匹配导航两种。 • 地形匹配导航是以地形高度轮廓为匹配特征,通常用无线电高度表测量沿航 迹的高度数据,与预先获得的航道上的区域地形数据比较,若不一致,表明 偏离了预定的飞行航迹。这种方式时一维匹配导航,适合于山丘地形的飞行。 • 景象匹配导航是以一定匹配的地表特征,采用摄像等图像成像装臵录取飞行 轨迹周围或目标附近地区地貌,与存储在飞行器上的原图比较,进行匹配导 航。景象匹配属于二维匹配导航,可以确定飞行器两个坐标的偏差,适合于 平坦地区导航。
图像配准算法初探
采 用 C nv算 子 作 为 图 像 特 征 提 取 算 法 .通 过 将 获 得 的特 an
征进 行 二 值 化来 获 取 所 需 的 边缘 特征 二值 图『 但 此 图边 缘轮 廓 l 】 。 上 仍存 在孔 洞或 ” 刺 ” 孤 立 值 为 1的 象 素 . 以 在做 细 化 算 毛 和 所 法前 须 先 进行 去噪 处 理 来 填 充 和 删 除 上 述 噪 声 点 。 约定 在 边 缘
,) a 潮段 影 , 投影 环
图 1 影 匹 配算 法 示意 图 投
特 征二 值 图像 中 : 为 特 征 点 , 非 特 征 点 , 充 过 程 即把 原 本 投 影矢 量 的计 算 简述 如 下 : 1 O为 填 P : 【 《 。 … p m》 … .Pf 】 p 《 l 0 是 O的 特 征 点 变 为 1填 补 边 缘 轮 廓 上 的孔 洞 : 除 过 程 则 把 原 . 删 本是 l的特 征 点 变 为 0删 除 边 缘 轮 廓 上 的” 刺 ” 孤 立 值 为 1 . 毛 和 的象 素 。 用 3 3模板 。经 过 去 噪 后 的 边 缘 特 征 二 值 图便 可 进 行 使 x 细 化 。因 细 化后 的边 缘 轮廓 宽度 为 1 象 素. 以 对 图像 细化 有 个 所 助 于 突 出 图像 的轮 廓 特 征 和 减 少 冗 余 信 息 量 .同 时 细 化 也 便 于 后 面进 行 分 支 特征 点 的 提 取 。但 常 规 细 化 算 法 不 能 对 称 进 行 细 化, 即若 从 左 到右 按 行 扫 描 图像 , 北 边 界 的 象 素 首先 被 去 掉 。 西 最 后 细化 得 到 的线 条 为 目标 的 东南 边 界 。如 果 采 用 了改 进 后 的 细 化算 法 , 整 幅 图 像 分 别 进 行 两 次 扫 描 后 , 去 掉 作 了标 记 的 象 对 再 素 . 取 出 了特 征 点后 然 后 应 用 加 权 H udr 距 离 算 法 进 行 图 提 asof 像 匹配 , 服 了斑 点 噪 声 对 合 成 孔径 雷 达 fA 1 像 匹 配 的 影 响 。 克 S R图 当然 类 似 于这 类 方 法 属 于第 一和 第 二 类 之 间 .它利 用 H udr asol t 距 离 来 直 接在 基 准 图 像 中搜 索找 到 匹 配 的 子 图 像 .而 省 略 了求 仿 射 变换 参 数 这 个 步骤 。 也 有人 提 出 了基 于特 征 和 时空 关 联 的 积相 关 图像 匹配 算 法 首先 , 采用 B b l 小波边 缘 检测 方法 提 取实 时 图与 基准 图特 征: u be 其 次, 惯导位 置信 息平 移基 准 图。 序列 实 时 图在其 对应 基 准 图 利用 实现 中的相 对位 置相 同: 后, 于 匹配 概率 与 匹配 面积 成 正 比原 理叠 加 最 基 序列积相关矩阵’ 并确定匹配位置 。 对 于第 一 类 方 法 而 言 。 重 要 的 就 是 特 征 提 取 算 法 的确 定 , 最 最好的就是能够综合考虑图像空域和频域 以及不同尺度下的代 表性特征 。 这样 才能 适 用 于 不 同 类 型 的 图 像 。 3第 二类 方 法 研 究 . 31 于 圆 旋转 不 变 性 的 投 影 思 想 .基 为 了解决 巡 航 导 弹 航 迹 控制 中所 拍 摄 的 实 时 图 与 基 准 图 存 在 的角 度 旋 转 问 题 . 鉴 圆 投 影 旋 转 不 变 性 的 优 点 , 据 实 时 图 借 根 自身 的 特 点 , 出了 环 投 影 匹 配 算 法1 提 " 3 1 。采 用 遗 传 算 法 和 全 空 间
一种新的提高雷达景象匹配可靠性的方法研究
对 目标的位置数据 。但 是 , 在景象 匹配过程 中往 往因为 在获取 的两个匹配图像的时间差异 、 位置差 异、 天气差异 、 季节 变化 、 传 感器类型 、 光线强弱 、 地物变 异 、 匹配算法 的适 应性等 导致匹配 失败 , 进而造成导航失败 J 。所 以提高匹 配可靠 性对于 一次成 功的导航 、 规避匹配失败 具有重 要 的意义。提高 雷达景 象匹配
过对 比度来增强 匹配可靠性是一种行之有 效的方法。
关键词 : 雷达; 景象 匹配 ; 对比度 ; 实时 图
中圈分类号 :P 0 T3 1
文献标识码 : A
文章编号 :0 0—82 ( 0 7 0 0 7 0 10 89 2 0 ) 2— 0 6— 2
Re e r h o w e h d o mp o i g Ra a c n a c i g Rei b l y s a c n Ne M t o fI r v n d r S e e M t h n l i t a i
12 对 比度增强 .
飞行器组合导航中有着广泛 的应用…。景象匹配这种辅助导 航技术利用成像传感器( 如可见光、 红外、 微波雷达பைடு நூலகம்成像传感
器) 在飞行器飞行过程中收集预定 区域 的( 景象 匹配 区) 景物 图
低对比度图像可以由照明不足、 成像传感器动态范围太小 等因素引起 。可 以通过增 加图像某 两个 灰度 间的动态范围来增
下视景象匹配仿真成像系统的建模与实现
实时图象生成与显示系统 330下视景象匹配仿真成像系统的建模与实现肖亮 吴慧中(南京理工大学计算机科学与工程系,南京, 210094)刘扬 汤淑春(中国人民解放军第二炮兵第四研究所,北京, 100085)摘要 该文以全天候导弹景像匹配模拟训练和性能评估为工程背景, 架构了虚拟仿真成像系统的组成模块和关键流程,分析了数据接口关系,给出了全天候条件下航空图像成像模型,提出了基于图像链技术的仿真方案。
在Windows NT 支持下,采用C++和面向对象方法设计,自主研制了面向图像增强型CCD 相机的虚拟仿真成像系统IICCD-SIG。
导弹模拟飞行和景像匹配训练不受自然环境、气象条件和时间的影响,安全、经济、重复性强、训练效益显著,已成为导弹研制、效能评估、算法验证的重要手段。
其关键技术是数字景像匹配图的模拟生成。
因此,研制具有自主知识产权的下视景象匹配仿真成像系统成为急需解决的问题[1]。
近年来我们发展了一套与图像增强型CCD 相机配套的实用化、功能较为完善的导弹下视环境中的景象匹配仿真成像系统,称之为ICCD-SIG.该系统运行的软件环境为Windows NT ,以PC 机作为硬件平台,Visual C++语言为主要的程序运行和开发环境。
该系统人机交互良好,图像生成效率高,仿真匹配图像符合要求,目前已提交一些同行单位或专家使用,效果核反应良好。
本文将对ICCD-SIG 系统的基本物理模型,系统仿真框架、关键流程和性能评估进行简要论述。
1 辐射传输的基本模型1.1 基本模型在航空图像成像过程的仿真中,必须计算场景每一成像面元在探测器成像面上对应像元的辐射。
它包括场景(背景/目标)对太阳(或月亮)直接辐射的反射(包括漫反射分量和镜面反射分量)Direct E ,λ、天幕辐射Diffuse E ,λ、场景本身的辐射和路径辐射(称为程辐射)Path L ,λ。
在全天候环境中,还必须考虑大气对各种成像辐射的衰减Atm T ,λ。
匹配导航
匹配导航!——地磁匹配导航!AUVROV" 短基线,超短基线,主动声呐为代表的声学导航:)精度较高;2)需要母船搭载;3)发射声信号隐蔽性差。
" GNSS :)准确性高;2)信号在水中衰减较快; 3)水面或近水面导航隐蔽性差。
" 地形匹配导航定位系统)发射声信号隐蔽性差;2)海洋地形特征变化平缓,精度低。
因此,研究无源、自主、高精度水下导航定位技术,保证水下导航系统的精度和稳定性显得非常必要和迫切。
" 惯性导航系统)全天候;3)实时提供三维位置及速度;4航定位误差随时间积累。
" 重力辅助导航2)全天候;3)海底重力变化较为平缓区,不稳)匹配序列较长。
" " " " 期解决现有导航系统存在的问题,为水下潜航器服务。
" 年代末,美国的E-systems公司提出了基于地磁异年之后,美国才推出了优于500m国内目前对水下地磁匹配导航的研究还处于起步阶段,进全球地磁场模型区域地磁场模型:" 为代表的国际地磁参考场模型和CGRF为代表的区域地磁" " " 海洋地磁测量及数据处理" " " " " " " " " " 海洋地磁测量及数据处理)测量精度评定" 海洋区域地磁背景场模型构建" 海洋地磁导航方法及改进P …" 不同地磁特征下的最优匹配导航算法研究" 海洋地磁导航误匹配诊断技术提供的距离及角度值辅助的地磁匹配导航误匹配综" TERCOM、ICCP以及SITAN联合的海洋地磁准联合算法原理及流程:" 基于地磁共生矩阵的地磁导航适配区及适配航向确定通过对这些参量进行显著性分析,最后确定出地磁导航适配地磁适配航向的选择。
景象匹配技术发展概述
笫36卷,增刊红外与激光工程2007年9月1Vbl.36Suppl em锄t I】q6.a red and L盈s er E n2i n∞r i n壁S印.2007景象匹配技术发展概述郭勤(武汉大学,湖北武汉430072)攮耍:文章根据图像匹配算法的三大分类:基于区域的图像匹配技术、基于特征的图像匹配技术,基于解释的图像匹配技术,介绍了景象匹配国内和国外发展的现状和面临的问题。
提出了在充分分析现有景象匹配算法适应性和相关性的基础上,形成能够适应不同影像、不同影像特征的景象匹配算法组合;利用不同影像特征或获取的匹配信息知识,自动推理和选择景象匹配算法或算法组合,提高景象匹配算法的适应性和可靠性,提高复杂条件下景象匹配系统性能。
关键词:景象匹配系统;发展;算法模型中圈分类号:T P391文献标识码:A文章编号:1007.2276(2007)增(探测与制导).0057—05 Scene m at chi ng t e chnol ogy deV el opm ent out l i neG U O Q i I l(w uh蛆uⅡi ve f si t y,wI nl锄430072c越驵)A bs t戌比t.A ccordi l l g t oⅡl e t11r ee m勾or cat eg嘶es of m e细1a ge m at cl l i ng al gor i m m:based o n m er e西on’s i m a ge m at c l l i ng t c cl l I l ol ogy’ba se d on t tl e char act er i st i c s of m e i m ge m at c hi ng t ech nol ogy,and baScd on tl l e i nt e叩r e伽on of m e i m a ge m at ct l i ng t e chnol ogy,t l l i s paper i n仃o duced t lle de V el opm ent of吐l e dom es t i c aI l d f br ei gn si t I l al i on and t l le pr obl e m s f aced of也e s c ene I Il atcl l ing.跏posed m a t i n a如l l aI l al ysi s of e xi st i ng Sce ne M atcI l ing A l gor i t hI n’s ad印劬i li t)r aI l d r el eV anc e,f bm s di f琵r ent s c ene m at cl l i ngal g嘶t l l I n com b i nat i on t o adapt t o击骶rent i m ages aI l d i m a ge charact er i sti cs;usi ng删勋rent i m49e char act el j st i c s o r a cc es si ng t o m at cl l i ng i nf onI l a t i on al l d know l edge,aut om at i cal l y r eaLs ons觚d choo s es out s ce ne—m a t c hi ng al g嘶m m s o r com bi n at i on t o i m pr oV e t lle adap诅bi l i哆锄d r el i abi H吼i l l l prove s ce n e l I l a t c m ng s yst em pe西D肋ance und er coⅡ1pl i cat ed cond i t i on s.1【ey w or d s:Sc ene m at cl l i ng sys t em;D e V el opI玳I nt;A l gor i m m m odelO弓l言景象匹配技术是飞行器匹配定位辅助导航系统的核心,决定了导航系统的总体性能。
基于自适应极坐标变换的景象匹配算法
意角 度旋 转 , 对 尺 度 变 化 较 敏 感 。文 献 [ 但 6~1 ] 0 把对 数极 坐标 变 换 ( ) 入 到 图 像 匹 配 中 , 分 L 引 能 别克 服 旋转 或 尺 度变 化 , L T采 用 的是 符 合 生 物 但 P 视觉 机 制 的非 均 匀 采样 , 变 换 中心 区域 图像 信 息 对
取较少 , 因此对变换中心区域 图像的遮挡非常敏感 。 而 在景 象 匹配辅 助导 航 系统 中 , 方 面 , 一 实测 图是 连
续拍 摄 的 , 周边 区域 及 中心 区域 对 于景 象 匹 配定 其
位的作用往往 同等重要 ; 另一方面, 因为基准图和实 测 图 的拍摄 时 间不 同 , 拍 的实 测 图 可 能会 因 为 云 所 层 及烟 雾等 的影 响 而 被 部 分 遮 挡 , 如果 遮 挡 部 分 发
生 在实 测 图变 换 中心 区域 附 近 , 于 L I的 匹 配算 基 P' 法 很可 能 导致 失 配 , 此 时如 果 通过 增 加 L T的采 而 P
样 点数 来进 一步 利 用 图像 的 周边 信 息 , 会 使 变 换 又
算法对实时性的要求 , 且对于细节及特征信息不很 丰 富 的 图 像 , 于 特 征 的 匹 配 方 法 往 往 不 太 适 基 应 J 目前 , 飞行器 导 航 中所 采用 的基 于 灰度 区 。 在
面优 于传统 的对数 极 坐标 匹配算法 。
关
键
词: 对数 极 坐标 变换 , 自适应极 坐标 变换 , 引模 板 , 索 象素跳 跃 式搜 索
文献标 识码 : A 文章 编 号 :0 02 5 ( 0 1 0 -7 20 10 .7 8 2 1 ) 50 0 -7
中图分 类号 :P 9 . 1 T 3 14
无人机飞行途中视觉导航关键技术研究
292017年2月下 第4期 总第256期无人机属于一种拥有动力、可进行控制、可执行任务的无人驾驶飞行器。
这种设备相比有人驾驶飞机更体现出重量轻便、雷达反射界面小、运行成本低等优势,因此在侦察和攻击等军事化任务中被广泛使用;在民用方面,常常适合于气象监测、灾害预测等众多领域,所以在国家受到了广泛重视。
1 视觉导航的基本概述伴随着视觉传感器技术的发展,计算机技术及人工智能技术的融合,一种建立在计算机视觉匹配定位上的技术手段应运而生,这就是视觉导航。
视觉导航具有自主性及可视性、智能化的特点,因此它成为导航中最受瞩目的焦点,能够为无人机进行长途飞行时提供新的辅助手段。
视觉导航最为关键的技术是自主导航技术,这种技术会根据需要导航图与否来进行分门别类,如地图型和无地图导航两种。
地图型导航主要是依靠事先储存的精准地理信息导航地图来实现一帧实拍图像和导航地图的相互匹配,这样经过适当的过程,就能实现飞行器的有效定位,从而满足具体的需要[1]。
无地图导航就是建立在序列图像的运动基础上进行估计,不需要任何导航图的参与,这样经过对周边环境的感知,来通过相邻两帧特征的变化,实现对于两帧之间运动的估计,经过多帧累积计算之后,实现飞行器的导航目标。
总之,无人机飞行途中视觉导航关键技术包含着适配性分析、景象匹配定位及帧间特征点的匹配等内容。
2 视觉导航关键技术的发展现状2.1 计算机视觉与相关应用计算机视觉又被称为机器视觉,这是一种利用了计算机来模拟人视觉的功能,从而在图像中获取具体的信息,并对这种信息进行处理并分析的检测、测试及控制等。
计算机视觉是一种交叉性学科,常常涉及到多种领域,如图像的处理、计算机科学及生理心理学等具体的内容。
计算机视觉被广泛的运用于多种领域,同样是由硬件和软件两个重要的部分组成,其中硬件包含着图像采集卡及P C 机等部分,可以实现对信息的采集与处理;软件则是安装至PC 中,用来完成图像的处理和判断相关决策,然后输出相应的控制信号。
- 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)。
景象匹配导航技术初探王钦刘安森指导教师:丛佃伟(解放军信息工程大学测绘学院学员六旅四队,郑州450052)摘要:景象匹配导航技术在作战飞机辅助导航、精确制导武器系统、图像目标搜索与跟踪等军事领域有着广泛的应用,具有抗电子干扰、完全自主、精度高等诸多优点,本文主要阐述景象匹配导航技术的原理、最新技术发展,重点分析景象匹配导航技术在精确制导武器系统中的应用情况。
关键词:景象匹配末制导精确打击武器巡航导弹1 引言精确制导武器是命中精度极高或具有直接命中能力的制导武器,是采用高精度制导系统,直接命中概率很高的导弹、制导炮弹和制导炸弹等武器的统称。
通常采用非核弹头,用于打击坦克、装甲车、飞机、舰艇、雷达、指挥控制通信中心、桥梁和武器库等点目标,杀伤威力大,作战效费比高,种类型号多,作战范围广,可实施非接触打击,是现代战争主要的作战武器。
景象匹配导航技术是在航天技术、传感器技术、卫星应用技术、计算机技术、图像信息处理技术、模式识别技术等基础上发展起来的,在作战飞机辅助导航、精确制导武器系统(常用于巡航导弹的末制导)、图像目标搜索与跟踪等军事领域有诸多应用。
自20世纪70年代开展景象匹配导航技术研究以来,该技术已经先后成功应用于“战斧”巡航导弹、F-16战机、以及被有关专家称为“最聪明的导弹”的“风暴影音”巡航导弹。
精确制导武器通常采用多种导航方式,有卫星导航、惯性导航、重力导航、磁力导航、无线电导航、地形匹配、景象匹配导航、电视导航等等,其中景象匹配导航技术常常用于精确制导武器的末制导系统中,能极大提高导弹武器的命中精度,直至准确命中目标,极大提高作战效能。
景象匹配末制导是精确制导武器精确命中目标的关键,巡航导弹之所以能够准确摧毁目标,主要是由于它在末制导阶段采用了数字式景象匹配区域相关器(Digital Sceme Macthing Area Correlator,DSMAC),即下视景象匹配系统。
当巡航导弹飞到靠近目标末段时,下视景象匹配系统通过图像匹配技术准确地测定导弹的空中位置,并计算处于目标的位置偏差,送至导航计算机,引导导弹准确命中目标。
2 景象匹配导航技术介绍景象匹配,指两个不同传感器对从同一景物获取的两幅图像在空间上进行对准,确定两者之间相对位移的过程。
景象匹配导航系统主要由高精度地形景象数字地图、机载图像传感器、执行匹配算法的计算机组成。
在精确制导武器应用中,常常将预先拍摄到的地面景象照片,按照象素尺寸制成数字化地图,在导弹执行任务之前制定飞行路线,选择响应区域范围的景象作为基准图存入弹载匹配计算机中。
如果该基准图景象特征明显,便于导弹准确匹配定位,则称之为匹配区。
当导弹飞到预定位置时,弹上摄像机拍摄正下方地面的图像,并按象点尺寸、飞行高度和视场等参数生成一定大小的实时图,也送到匹配计算机中。
在匹配计算机中,进行实时图与基准图的相关比较,找出两者的位移。
由于基准图的地理坐标位置(或与目标的相对位置)是事先已经知道,根据它与实时图的配准位置,便可确定导弹相对于目标的位置,这就是景象匹配导航技术在精确制导武器末制导中的应用过程。
图像获取手段除利用光学景象外,还可利用雷达景象(尤其是合成孔径雷达成像)、红外景象等等,这些新的景象获取方式为景象匹配导航系统的发展提供了新的机遇和技术支持。
合成孔径雷达技术的发展已经使景象匹配导航系统的全天时、全天候、远距离应用成为现实。
以导弹用景象匹配系统为例,如果一颗“战斧”式巡航导弹要攻击萨达姆的秘密据点,那么作战司令部的首要任务就是获取萨达姆秘密据点周围区域的数字景象地图,然后根据导航要求和可选区域情况在“战斧”导弹的航迹上规划出景象匹配区域,制作数字景象匹配图(基准图)。
导弹发射前把控制参数和基准图加载到“战斧”导弹的弹载导航计算机内,“战斧”巡航导弹在发射后,利用组合导航系统等待进入景象匹配区(萨达姆秘密据点附近区域),进入匹配区后,根据系统发出的匹配指令,下视系统的图像传感器开始拍摄导弹航迹正下方的地面图像(实时图),将图像与已存入导航计算机内的景象匹配图(基准图)进行比较,得出实时图与基准图配准的位置。
景象匹配导航系统引导“战斧”导弹直至两幅图像完全一致时,系统进行最后的攻击以完成作战任务。
在完整的景象匹配过程中需要用到匹配区选择准则的确定(如灰度相关准则,空频域特征的准则,几何准则等)、景象的预处理(图像的增强、直方图均衡、图像的细化、图像去噪声、图像的几何畸变校正等)、景象特征提取(景象区域相关性提取,景象边缘跟踪,景象频域参数的提取,景象形态学参数的提取等)、景象分析(通过一组现有的景象选择准则与从景象图提取出的参数进行比较、综合过程)、景象评价(进行比较、综合后,对给定基准图中的可用景象进行评价和输出)、粗匹配定位算法、精匹配定位算法和匹配结果评估算法。
3 景象匹配导航技术优缺点景象匹配系统能够自主定位的机理:在地球表面的大部分地区,特别是人工开发区内,一定大小的地面景象模式在这个地区某个范围内是唯一的。
景象匹配系统正是利用地面景象的唯一性特点,通过两幅图像的比对确定飞行器的空中位置。
现阶段,景象匹配导航技术主要作为组合导航系统中的辅助导航手段,与卫星导航、惯性导航或地形匹配导航配合使用。
与地形匹配导航手段相比,景象匹配导航技术作用区域面积远小于地形匹配作用区域,通常大到数平方公里,小可达到数百平方米。
景象匹配区域的选取工作也是影响景象匹配导航系统的重要因素。
景象匹配导航系统整个运行过程完全自主。
既不需要外来指令,也不向指挥部报告信息。
因此该系统不仅对提高飞行器的隐蔽性大有帮助,而且具有较强的抗电子干扰能力。
当然,景象匹配导航系统的最大优势还在于他的精确性,便于实施精准打击。
景象匹配导航技术缺点也十分明显,主要表现在:a. 基准图的制作周期太长。
从开始准备到完成耗时常在一周以上。
就如前面那个例子,当“战斧”式巡航导弹准确击中萨达姆秘密据点时,萨达姆可能早已逃之夭夭。
从“打”到真正动手所拖延的时间,给作战对手留了充分的时间进行作战准备,在该段时间内对重要设施实施有效保护措施,使已成型的基准图失效。
b. 当面对海洋、沙漠等在大范围内景象特征变化不明显的区域时,景象匹配导航系统将因为无法定位而无法使用或者使导航精度大大降低。
另外,当飞行高度较低时,由地面大起伏引起的实时图几何变形会严重制约匹配性能,造成匹配精度严重下降甚至出现误匹配,这一问题严重制约了现有景象匹配导航技术的应用范围。
c. 难以攻击机动目标。
导弹发射前要由任务规划系统将攻击目标所需数据输入制导计算机,作战时如果需要改变攻击目标,则必须保证两个条件成立:改变后的目标仍然在机载/弹载基准图内;有足够的时间在保证精度的条件下完成相关程序修改、图像匹配和调整弹道轨迹。
4 景象匹配导航技术在精确制导武器中的应用1999年3月24日,以美国为首的北约对南联盟悍然采取了空中军事打击(以下简称“盟军行动”),并于5月8日野蛮地轰炸了我驻南大使馆。
在这次侵略行动中,美军使用了大量先进精确制导武器,其使用的“战斧”巡航导弹主要是BlockⅢ型,它是在海湾战争中使用过的BGM-109C/D基础上研制出来的,采用惯性导航+地形匹配+GPS+景象匹配导航,最大射程1667公里(舰射)/1127公里(潜射),命中精度3~6米(理论),巡航高度15~150米,巡航速度0.5~0.75马赫。
BlockⅢ型“战斧”导弹增加了主发动机燃料,燃烧效率和可靠性得以提高,射程比BlockⅡ型增加556km。
它采用全球定位系统和惯性导航系统(GPS/INS)进行中制导,用改进型数字景象匹配区域相关器和辅助地形匹配进行末制导。
改进型数字景象匹配区域相关器向导弹显示飞向目标途中的路标数字图像,减少季节和昼夜变化对制导精度的影响,增大了有效景象区域,可准确进入一个足球门大小的空间。
如果目标发生变化(如目标被炸毁),弹上计算机仍能识别部分景象,准确计算出导航飞行姿态和修正数据。
通过GPS系统可随时确定导弹的三维空间位置和飞行速度,使导弹不偏离航向,控制导弹从不同方向攻击目标,同时大大缩短任务规划时间。
这些措施使导弹的准确性大大提高,在达到2000km的射程时,圆概率误差不大于10m。
2005年部署的BlockⅣ型“战斧”导弹上利用GPS接收机和接收飞机和卫星上的合成孔径雷达产生的图像进行中制导,利用红外成像进行末制导,可达到圆概率误差小于5m的精度。
俄罗斯的“伊斯坎德尔”战役战术导弹为单级固体导弹,全长72米,弹体最大直径0.95米,起飞重量3800千克,可携带核弹头或480千克的常规弹头,每个发射装置可同时安装两枚导弹。
该导弹有两种改型,分别为出口型“伊斯坎德尔”-E和本国使用型“伊斯坎德尔”-M。
“伊斯坎德尔”-M导弹的最大射程据信可达到480千米,导弹采用惯性制导、卫星导航和景象匹配制导等多种制导方式。
单独使用惯性制导方式时,导弹在280千米距离上的圆概率偏差约为30米。
组合使用惯性制导与景象匹配制导时,导弹的圆概率偏差理论上小于2米。
2007年5月的试验飞行中,巡航型号的实际命中偏差为l米。
2004年8月,我国在“红鸟二型”基础上全新设计的“红鸟三型”远程战略巡航导弹高精度命中靶标,当时导弹直中靶心,引发媒体重点报道。
据互联网信息,我国“红鸟三型”巡航导弹射程约2500公里,设计精度10米以内,可以接收美国GPS、俄国GLONASS和北斗卫星导航系统信号,数字地图采用最新全球普绘高度地图(等高线精度为0.80m,三个月更新一次)。
5 景象匹配导航技术发展a. 图像匹配算法研究:图像匹配算法作为地形景象匹配导航的关键技术,一直以来备受关注。
由于景象匹配导航的特殊应用,图像匹配算法应当具有实时性、基于特征的图像匹配、较强的容错和抗干扰能力的特点。
b. 合成孔径雷达技术:目前机载先进图像传感器主要有:合成口径雷达(SAR)、毫米波雷达、激光雷达、红外图像传感器等。
最受关注的当属合成孔径雷达(SAR)。
SAR可以全天候、全天时、远距离的得到类似光学照相的高分辨率雷达图像,分辨率能达到“米”级的量级,理论上SAR的极限分辨率与作用距离无关,远优于普通雷达,受到各国的广泛重视。
其主要发展方向有多参数SAR系统、高质量成像SAR系统、超宽带SAR系统、SAR干扰和抗干扰、小型化技术、动目标监测和动目标成像等,以寻求高可靠性、高分辨率、可探测目标更广泛、更加便携的SAR系统。
这极大地推动景象匹配导航技术的发展与成熟。
随着该技术的不断发展(如高分辨率与成本之间的矛盾),高质量的实时处理能力等问题将得到很好解决。
c. 基于部分Ha u s d o r f f距离( P H D) 的边缘特征景象匹配算法得到了广泛研究。