一种基于多维梯度特征的高精度地形匹配方法

技术领域

本发明属于导航技术领域，具体涉及一种基于多维梯度特征的高精度地形匹配方法。

背景技术

地形匹配是卫星拒止环境下的无人飞行器的重要辅助导航手段之一，其往往用于工业领域中的辅助导航。该方法指通过实时感知的地形高程数据，与预存的基准高程数据进行匹配，进一步根据预存的地理信息实现定位。目前滑动窗口法为主流方法，在滑动窗口的架构下通过逐元素滑动，对每一窗口设计指标统计基准高程数据与实时感知地形高程数据的差值，常用的指标包括平均绝对误差MAE、均方根误差RMS、归一化互相关方法NCC等。

然而基于滑动窗口架构的地形匹配方法计算较为耗时，且考虑到传感器误差及基准数据的低分辨率等问题，直接处理高程数据原值会导致较差的定位精度。尤其对于高动态载体，其对地形匹配运算的精度与实时性有着非常高的要求。受限于雷达高度表等传感器的测量误差以及基准地形高程数据的分辨率，目前地形匹配导航方法的精度在50-200m左右，难以满足装备的应用需求，严重制约了其在装备中的大规模应用。此外，以常用的1倍音速（340m/s）为例进行简要分析，如果匹配算法耗时0.5s,则配准完成输出的定位为当前时刻对应位置之差为0.5*170m/s。

发明内容

为了克服现有技术的不足，本发明提供了一种基于多维梯度特征的高精度地形匹配方法，通过对地形高程数据中的梯度特征进行扩展，设计了多向梯度描述符的计算方法。基于描述符在滑动窗口架构下，利用窗口卷积运算与窗口求和运算设计了配准指标，取二者之差最小者对应的坐标作为匹配位置，并通过最小差来判断匹配成功或失败。相比于传统直接使用地形高程原始数据进行匹配指标计算，本发明的多向梯度描述符能减小传感器测量误差、标定误差及与基准地形高程数据差值导致的匹配误差，极大地提高了配准精度，同时兼具实时性。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：输入数据；

步骤1-1：实时感知地形高程数据，记为

步骤1-2：无人机载体上预存大地坐标系下地形高程基准数据；对预存的大地坐标系下的地形高程基准数据，根据无人机载体航向将其修正至与

步骤2：根据地形高程数据

（1）

其中，i为

步骤3：将

（2）

其中，

步骤4：对

步骤5：对

（3）

其中，等式右边第2个逗号间隔开的为三维索引，等式右侧第2个冒号左侧表示起点，冒号右侧表示终点；其中，

步骤6：对

（4）

步骤7：Q矩阵减去P矩阵，取最小者作为配准结果：

（5）

（6）

步骤8：判断

本发明的有益效果如下：

（1）本发明提供了一种多维描述符提取方法，所提取的多维描述符可以减小传感器测量误差、坐标系转换误差、基准误差等导致的匹配误差。

（2）提供了一种基于多维梯度特征的高精度地形匹配方法，克服传统滑动窗口法的低精度问题。30米分辨率地形高程数据、200米/s采样速度、采样频率10赫兹、地形起伏绝对差442米试验条件下，数千次试验结果表明，平均绝对定位误差优于32.5米。定位精度超过当下的滑动窗口法。

（3）大量实验结果表明，算法有着较高的匹配实时性。以实时轨迹1*30维、参考图3000*3000为例进行试验，Nvidia-TX2开发环境下3核计算耗时仅需0.74s，配准时间超过滑动窗口法。

附图说明

图1为本发明的整体流程图。

图2为本发明实施例地形高程数据坐标系转换的过程。

图3为本发明实施例描述符提取过程示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明的目的在于：克服传统滑动窗口架构下多种地形匹配方法的低精度问题，设计一种定位精度高且耗时小的地形匹配方法。

方法流程如图1，具体步骤为：

步骤1：输入数据：

步骤1-1：实时感知连续地形高程数据，记为

步骤1-2：无人机载体航向，同时无人机载体上预存大地坐标系下基准地形高程数据。对预存的大地坐标系下的地形高程数据，根据无人机载体航向将其修正至与

步骤2：按照下式，根据

（1）

其中，其中，i为

步骤3：按照下式，将

（2）

其中，

步骤3为本发明核心步骤之一，相比传统基于滑动窗口架构的方法，其直接使用感知轨迹原值与基准地形高程数据原值进行计算；地形高程匹配的误差主要来源于（1）传感器测量误差；（2）坐标系转换误差；（3）基准数据的误差。由于梯度对地形的单一性描述更为准确，且三向梯度能够对实时感知数据进行增量平滑，可以大大减小上述误差导致的匹配误差，从而极大地提高了配准精度。

步骤4：对

步骤5：对

（3）

步骤6：对

（4）

步骤7：Q矩阵减去P矩阵，取最小者作为配准结果：

（5）

（6）

步骤7为本发明的核心步骤之一，其改进了滑动窗口架构，利用窗口积分与窗口卷积之差作为匹配规则。该步骤的原理在于：基于滑动窗口架构的误差平方和方法利用实时感知地形高程数据原值、与基准地形高程数据逐窗口计算差值平方和，取最小者作为配准结果。本方法将差值平方和展开为三项，分别为实时感知地形高程数据平方和、-2倍的实时感知地形高程数据与基准地形高程数据乘积、基准地形高程数据平方和。其中，由于所有窗口中实时感知地形高程数据平方和相等可忽略，-2倍的实时感知地形高程数据与基准地形高程数据乘积用卷积运算替代，如式（3），基准地形高程数据平方和可用窗口积分运算替代，如式（4）。

步骤8：判断

步骤1中根据航向将

步骤2与步骤4见图3。