基于景象匹配的低精度MEMS航向修正与组合算法

针对巡飞弹弹载微机电系统(MEMS)在长航时过程中航向易发散的问题,提出了一种基于景象匹配的低精度MEMS航向修正与组合算法。首先,基于匹配点几何关系与匹配重投影设计了两种航向误差模型,前者分别根据实时图与基准图匹配点连线与图像纵轴计算反正切值,作差后计算出航向修正值;后者利用实时图与基准图的匹配关系构建重投影误差,通过优化计算出航向最优值。然后,基于上述两种模型,根据匹配点数量设计了一种航向修正与组合算法。飞行实验结果表明,长航时过程中修正后的航向误差为0.7423°(RMSE),更新频率优于1 Hz。与传统仅能定位的景象匹配算法相比,所提算法提供了一种航向修正方法,且对传感器精度依赖性较低,具备一定的通用性。

CNN景象匹配算法的加速设计与FPGA实现

基于卷积神经网络的景象匹配算法较传统方法具有更高的匹配精度、更好的适应性以及更强的抗干扰能力。但是,该算法有海量的计算与存储需求,导致在边缘端部署存在巨大困难。为了提升计算实时性,文中设计并实现了一种高效的边缘端加速计算方案。在分析算法的计算特性与整体架构的基础上,基于Winograd快速卷积方法,设计了一种面向特征匹配层的专用加速器,并提出了利用专用加速器与深度学习处理器流水线式计算特征匹配层和特征提取网络的整体加速方案。在Xilinx的ZCU102开发板上进行实验发现,专用加速器的峰值算力达到576 GOPS,实际算力达422.08 GOPS,DSP的使用效率达4.5 Ope-ration/clock。加速计算系统的峰值算力达1600 GOPS,将CNN景象匹配算法的吞吐时延降低至157.89 ms。实验结果表明,该加速计算方案能高效利用FPGA的计算资源,实现CNN景象匹配算法的实时计算。

多模态多视角景象匹配及精确制导应用

为高效应用各类模态不同视角的图像信息,降低精导武器的保障要求,充分发挥其实战效能,需进一步提升景象匹配方法的适应性及抗干扰能力。聚焦多模态多视角景象匹配技术,重点探索可解释性强的基于深度学习的景象匹配方法。该方法整合自动编解码网络和孪生网络,通过区分场景图像的高低频信息及改进相似性测度对比方式,提升景象匹配的多模态适应性及多场景泛化能力;在构建景象匹配方法的基础上,进一步分析其在精确制导武器作战中的应用方式,展望兼容语言模态与图像信号的景象匹配新方向。突破高可靠高适应性的多模态多视角景象匹配技术能够增强精导武器的抗扰能力和复杂场景适应性,更进一步释放精导武器作战效能。

UFormer:基于Transformer和U-Net结构的端到端特征点景象匹配算法

目前景象匹配算法多采用传统特征点匹配算法,算法流程由特征检测和特征匹配组成,对于弱纹理场景精度低,匹配成功率低。UFormer提出了一种端到端的方案,用于完成基于Transformer的特征提取和匹配操作,采用注意力机制提高算法应对弱纹理场景的能力。受U-Net架构的启发,UFormer在编码器-解码器结构的基础上由粗到细构建了图像亚像素级的映射关系。编码器采用self-cross attention交叠结构检测并提取图像对各尺度的相关特征,建立特征连接,进行下采样,用于粗粒度的匹配,提供初始位置。解码器上采样,恢复图像分辨率,融合每个尺度上的注意力特征映射,实现细粒度层面的匹配,并通过期望的方式将匹配结果细化至亚像素精度。引入真值单应性矩阵计算粗、细粒度匹配点对坐标的欧氏距离反馈损失,监督网络的学习。UFormer融合特征检测与特征匹配,结构更简单,在保证准确性的同时提高了实时性,在一定程度上具备应对弱纹理场景的能力。在收集的无人机飞行轨迹数据集上,相比SIFT,坐标精度提升了0.183个像素,匹配耗时缩短至0.106 s,对弱纹理场景图像的匹配成功率更高。

结合区域全局特征和Ann-SIFT的二阶段快速景象匹配算法

在GPS拒止环境下,提出了一种基于高清航拍图像的视觉定位方法。为了保证高分辨率图像匹配的实时性,结合粗粒度高级语义全局特征和细粒度点特征实现两阶段快速景象匹配。第一阶段,设计三元组网络针对图像区域提取具有尺度和旋转不变性的全局描述符进行区域预匹配。第二阶段,快速最近邻点搜索的Ann-SIFT对实时图和参考区域进行精确点匹配以实现定位。对于3 000×3 000的参考图像和500×500到1 000×1 000尺寸范围的实时图像,平均耗时可以从66.24 s降低到0.97 s。

基于惯导信息卫星定位与景象匹配的导航方法

针对飞行器在卫星信号失效时导航精度变差的问题,提出一种基于惯性导航系统(Inertial Navigation System,INS)、卫星定位与景象匹配的合成孔径雷达(Synthetic Aperture Radar,SAR)载机平台组合导航方法。首先根据INS、卫星定位与景象匹配的数学模型,构造了对应的量测方程,然后应用卡尔曼滤波(Kalman Filter,KF),对不同的量测推导了对应的滤波算法。其中对于卫星数据与景象匹配数据,通过扩展卡尔曼滤波(Extended Kalman Filter,EKF)进行了线性化处理。该方法不要求卫星数据直接提供定位信息,故在卫星数较少时也可以应用。仿真实验中,当卫星信号部分缺失时,本文方法能获得比INS与卫星组合定位方法更小的位置误差,在包含卫星信号时,也能提供比INS与卫星组合定位方法更优的精度。仿真结果证明了该方法的有效性。

基于景象匹配的无人机目标快速搜寻方法探讨

针对目前无人机目标搜寻搜救过程中自动化程度低、定位精度低和效率不高等问题,研究了无人机视觉定位中基于景象匹配的航摄影像定位方法,设计了一种基于理论落点的无人机目标搜索流程,并结合地理信息技术实现目标搜寻搜救的坐标精准定位。结果表明:该方法提高了定位精度与速度,减少了对人工和设备的依赖,具有较好的应用前景。

快速并行两级景象匹配方法

文章分析了景象匹配系统的性能评价以及影响性能评价的三个主要因素,即实时图大小,参考图大小和匹配算法。分析了实时图大小的选取对匹配时间,匹配率的影响。并且针对巡航导弹的景象匹配制导系统的实时性问题,提出了一种快速并行两级景象匹配方法。该方法能够极大地提高匹配效率。试验中利用SAR图像和可见光图像进行景象匹配,每次匹配的时间从原来的约16秒减少到300毫秒左右,匹配率可达到90%以上。而且还具有可扩充性好的特点。

惯性组合导航系统中的快速景象匹配算法研究

在景象匹配辅助导航中,特征点的选取是提高图像匹配速度、精度和鲁棒性的关键之一。景象匹配中要求提取出的特征是那些可靠性高、辨别性强、计算量小的不变特征。提出了基于SIFT特征的导航用快速景象匹配算法。算法首先针对惯性组合导航的工作特点,对SIFT特征点检测及特征点匹配进行了优化设计,然后用RANSAC方法过滤掉错误匹配点,最后,进行最小二乘精确匹配算法获取航向和位置偏差信息。实验分析了算法对不同分辨率图像和不同区域的匹配适应性,抗噪声性能,匹配精度以及实时性,并与基于部分Hausdorff距离的边缘特征景象匹配算法进行了对比。实验结果表明,算法的性能优越,在匹配速度、精度和鲁棒性方面都优于部分Hausdorff距离算法,可以满足景象匹配导航系统匹配修正的高性能要求。

景象匹配技术研究

景象匹配是一项重要的图像分析与处理技术 ,首先给出了景象匹配问题的数学描述 ,分析了它的性能要求和影响性能的因素 ,然后研究了组成景象匹配算法的 4个元素 ,并详细分析了基于区域的匹配算法和基于特征的匹配算法的一般思路、性能特点和适用范围 ,最后还分析了其它一些热点问题 ,如算法的集成。

一种实用的归一化互相关景象匹配算法

相关匹配算法是景象匹配定位系统的核心。本文提出一种用于景象匹配定位系统的相关匹配算法，称之为归一化互相关景象匹配算法，并进行了理论分析和用真实的景象数字地图进行了大量的计算机仿真试验。试验结果表明，该算法在信噪比不小于１并且实时图大小不小于１０×１０个网格的条件下，其正确匹配概率大于９７％，圆概率误差在一个景象数字地图的网格以内。

景象匹配制导基准图选定准则研究

系统地研究了一些图像可匹配性检验参数,定义了图像的自匹配性能参数,设计了该参数的计算方法,进而提出一种新的基准图选定准则。基于理论分析与仿真实验,指出了常用准则存在的局限性,说明了本方法的优越性;通过大量的基准图选定实验,给出了特定条件下常用准则的门限值,验证了该准则的有效性及实用性。

基于空间关系几何约束的无人机景象匹配导航

针对GPS的信号强度较弱、易受各种电磁干扰,提出一种基于空间关系几何约束的景象匹配导航算法。首先基于空间关系几何约束的多匹配区选择方法,将实时图划分为多个分区;然后采用基于边缘响应的加权Hausdorff距离景象匹配算法对各个匹配区进行定位计算;最后,通过最优配准点坐标估计策略,解算出无人机实时图中心在基准图上的精确定位坐标。多区域景象匹配采用并行计算方法,利用历史导航信息来辅助修正景象匹配导航误差。实验结果表明,该算法可较好地满足无人机对景象匹配导航算法实时性、精确性的性能要求。

一种实用的景象匹配区选择方法

从分析影响配准概率和定位精度的景象匹配区的景象信息量、稳定性和重复模式等各项特征参数出发 ,研究了一种简洁实用的匹配区选择方法 ,并给出了快速算法。仿真试验结果表明 。

一种新的任意角度旋转的景象匹配方法

为了解决任意角度旋转的景象匹配问题 ,在分析了传统的模板匹配算法对旋转敏感的本质原因后 ,提出了圆投影匹配算法 ,并对其进行了改进。实验结果表明 ,文中提出的算法不仅具有旋转不变性 ,而且对灰度变化、噪声、光照以及对比度变化等也具有很好的鲁棒性 ,同时匹配速度比归一化积相关匹配算法 (NProd)提高了近一倍。

结合惯性导航特性的快速景象匹配算法

针对景象匹配/惯性组合导航对图像匹配算法实时性、鲁棒性、精确性的要求,结合惯性导航的工作特点,深入分析快速鲁棒特征(speeded up robust feature,SURF)算法主要技术特征,研究了其影响导航性能的主要因素。结合惯性器件的误差特性,提出针对导航应用的SURF改进方法,较好地增强了算法的实时性、稳定性、可控性。在图像匹配基础上,构建适应景象匹配算法的空间变换模型,从而在理论上检测图像匹配的正确性并求解导航参数。研究结果表明,基于SURF研究的景象匹配算法具备亚像素级精度、毫秒级实时性和优越的抗形变能力。

复杂地面目标前视红外景象匹配算法

针对复杂地面目标前视红外图像边缘模糊、背景杂乱无章,无直接可用的同源基准图的情况,研究了一种灰度与形状特征相结合的由粗到精景象匹配算法。在粗匹配阶段,将积分图像引入归一化积相关算法中,并对其计算公式进行了近似,使运算速度大大加快;精匹配阶段,利用实时图与所制备基准图形状相似的特点,采用形状上下文进行匹配。实验结果显示,该算法匹配精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。

景象匹配评估系统中图像特征指标的选择(一)图像统计特征

采用统计试验的方法进行景象匹配算法的性能评估是当前的重要研究课题。通过统计试验建立匹配性能与图像特征指标体系之间的关系是研究的重点 ,因此选择一个合理的图像特征指标体系是很重要的。文中论述了评估系统中图像特征指标体系的选择问题 ,分析和试验指出 ,建立在实时图尺寸上的特征更符合理论分析结果 。

景象匹配/惯性组合导航精确修正算法

为了能使景象匹配辅助导航系统在工作时实现对惯导的最优修正,在景象匹配辅助导航系统对惯导修正过程中,引入了卡尔曼滤波技术,并设计了相应的景象匹配/惯性组合导航算法。但在景象匹配过程中会不可避免的会出现匹配错误、匹配精度不够等问题,为此,基于景象匹配过程中载体机动性能规律,提出了飞行航迹近似为直线的误匹配点剔除方法。利用Visual C++编写完成了景象匹配辅助/惯性组合导航仿真演示系统,对所提出的方法进行了仿真实验。多次实验证明提出的方法能够起到很好的匹配修正效果,具有重要的实际应用价值。

SAR/INS组合导航中基于SURF的鲁棒景象匹配算法

在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。