基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

“资源三号”卫星图像影像特征匹配方法研究

随着中国遥感卫星的迅速发展,要求影像几何质量评价方法可以在待评图像和参考图像间提取出精确且分布均匀的控制点信息。文章提出一种基于多源、高精度遥感图像的特征点匹配方法。该方法首先用加速稳健特征（Speeded Up Robust Features,Surf）算法对＂资源三号＂卫星图像和参考图像进行粗匹配以建立两幅图像间的整体几何关系,通过对相同区域进行wallis滤波增强图像纹理信息,然后用Surf算法进行特征点的提取和匹配,最后利用对极几何约束剔除误匹配点。试验结果表明,该方法可以全自动、快速和精确的提取影像控制点。     

基于遥感图像的无固定标志点卫星自主定轨

目前基于事先选取地面标志点的卫星自主导航可能会造成误匹配和漏匹配,并且不包含地标点的遥感图像也有可能存在导航信息。为了解决这两个问题,本文提出了一种不依赖事先标定地面标志点的自主导航方法,通过YOLOv3深度学习对获得的遥感图像进行目标识别缩小图像匹配区域,将识别后的目标区域进行图像匹配获得匹配特征点及其像平面坐标,最后利用成像模型计算特征点的地理坐标用于自主导航。仿真结果表明:本文方法相比于有控点精度更高,平均误差为31.943 8 m,平均速度误差为0.038 4 m/s。在引入测角信息与本文所提出的无地面标志点构成多源信息情况下,可以较为快速准确地实现航天器自主定轨。     

基于卷积神经网络的局部图像特征描述符算法

为提升基于图像序列三维重建的速度,解决传统局部特征描述符算法提取速度慢的问题,设计了一种基于深度学习的局部特征描述符网络。利用特征描述符网络实现对图像特征点的特征提取,结合本文采用的欧氏距离匹配准则,实现了对不同图像间特征点的匹配。算法对MVS数据集进行了验证,实验结果表明:提出的局部特征描述符算法实现了对图像特征点特征的快速准确的提取、匹配,与传统特征描述符算法相比,特征提取时间缩短了50%以上,特征点的匹配时间缩短了60%以上。相对于本算法中复杂结构的特征描述符网络,结构简单的泛化性更好,可拓展到航天领域的三维重建中。     

无人机侦察飞行航路修正算法研究

基于无人机侦察飞行航路修正需求，提出了一种航路修正算法。该算法运用地标匹配定位技术确定无人机侦察飞行时的实际位置，纠正惯导偏差，使无人机回到预定的航路上来。该算法对无人机作战运用具有实际意义。     

基于地面图像和卫星图像集成的火星车定位新方法

提出了一种基于地面图像和卫星图像集成的火星车定位新方法,该方法利用由导航相机立体图像得到的火星表面的点云数据提取石块,同时对高分辨率卫星图像局部灰度统计提取石块,通过地面和卫星图像中石块分布模式的匹配,实现火星车在卫星图像中的定位,从而消除仅利用地面传感器和影像定位产生的累计误差。采用NASA勇气号火星车在多个摄站获取的地面图像以及HiRISE卫星图像进行了实验验证,结果表明这种方法在石块较多的地区能够取得很好的自动定位结果,定位误差小于HiRISE卫星图像的一个像素（0．25m）。     

月球车视觉系统的一种匹配算法

针对月球车立体视觉系统对匹配速度和准确度要求较高的特点，提出了一种基于特征约束的区域匹配算法。该算法用多尺度小波变换实现边缘提取和降噪，采用多特征匹配、双向匹配、部分二次采样、选取图像子集等技术保证匹配的速度和精度。最后对匹配结果进行滤波，进一步提高匹配的准确性。     

基于边缘信息的SAR与可见光景像匹配算法

SAR(合成孔径雷达 )与可见光图像由于成像机理的不同 ,直接进行基于图像灰度信息的匹配定位很难达到实际应用的要求。边缘是图像最基本的特征之一 ,文中提出一种基于边缘信息的 SAR与可见光景象匹配算法。该算法针对 SAR与可见光图像的特点 ,利用小波变换结合模糊中值加权滤波 ,取得有效的边缘信息 ,利用图像的边缘特征结合相关峰值特性分析的后处理方法进行匹配 ,并采用多分辨率分级搜索技术减少计算量。实验证明本算法匹配精度高 ,稳定性好     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。     

基于小波变换和自适应加权的无人机侦察图像融合

针对各种不同无人机侦察图像的特点,以区域能量为活性测度、区域平均能量的比值作为匹配测度,提出一种基于小波变换和区域平均能量对比度的自适应加权图像融合算法。首先选取多光谱图像的低频系数作为融合图像的低频系数,再通过小波变换和区域平均能量对比度的自适应加权图像融合算法得到高频系数,最后进行小波逆变换即可得到融合后图像。实验结果表明,针对TM多光谱低分辨率图像和SPOT全色高分辨率图像的融合,采用三层小波分解尺度,该算法的信息熵较大,分别是3.8917、4.4971和4.3635;光谱扭曲度较小,分别为12.7910、18.3332和21.1418;峰值信噪比较好,分别为51.9508、49.4961和49.6944;清晰度较高,分别为4.8975、8.8838和7.9902,证明该算法可实际应用于无人机侦察图像融合。     

基于地面图像的卫星自主定轨方法可观测性及定轨性能分析

卫星自主定轨是航天发展趋势之一。近年来,高分辨率遥感卫星不断发展,为利用光学遥感图像进行自主定轨提供了可能。在此背景下,提出了一种基于地面特征点图像的自主定轨方法。通过构造局部可观测矩阵分析了该定轨系统的可观测性,并用局部可观测矩阵的条件数表征可观测度,估计系统的定轨性能。通过Monte-Carlo仿真实验评估了系统的定轨表现,结果表明:该定轨方法与多点定位方法相比可以得到更高的定轨精度。     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程，基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束，通过优化尺度不变特征变换(SIFT)特征提取与匹配算法，实现了无像幅约束的控制点和连接点的快速稳健匹配，应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后，RPC模型的定位精度可达到像素级水平。     

中高轨卫星海洋成像图像几何定位精度提升方法

针对中高轨卫星海洋成像时缺少控制点下的图像定位精度提升问题,提出一种提升定位精度的方法。该方法利用中高轨卫星成像范围大,配合姿态机动,在短时间内寻找有特征点的区域,通过卫星图像与高精度控制图像进行匹配,寻找控制点,求解偏置矩阵,并将该区域的偏置矩阵补偿到海洋地区,以达到提升图像定位精度的目的。结合中高轨卫星成像特点,对河南嵩山检校场和太原区域图像进行仿真,并利用嵩山检校场数据进行在轨几何检校,将检校参数补偿到太原区域。仿真结果表明:无控制点定位精度从118.3个像素提高到37.8个像素,证明了文章提出方法的有效性。     

一种考虑最优收敛时间的多无人机编队控制方法

针对多无人机编队过程中的收敛时间问题,提出了一种基于最优控制和粒子群优化算法的一致性编队控制方法。将无人机机动约束和一致性编队控制算法结合,实现了无人机在约束条件下的编队控制。基于人工势场思想,设计了一种具有机间避碰能力的一致性编队控制方法,解决了无人机之间的碰撞问题。通过最优一致性控制和粒子群优化算法优化一致性编队控制方法,在考虑机间避碰的情况下,使整个编队的收敛时间降低1.2 s,整体收敛性能提升6.28%。仿真结果表明该方法能够缩短多无人机的编队收敛时间。     

采用改进非支配近邻免疫算法的低轨混合星座设计优化

针对低轨同构星座覆盖资源在纬度上分布不均匀的不足,提出采用低轨混合星座提升覆盖均匀性的设计方案,并推导了满足全球任意点平均每天覆盖一定次数的最小卫星规模估算公式。针对非支配近邻免疫算法（NNIA）约束处理方面的不足,提出基于约束支配的改进非支配近邻免疫算法（Modified NNIA）,并以此设计了一种低轨混合星座优化平台来优化带约束的星座设计问题。仿真结果表明,改进的NNIA算法在收敛速度和多样性上均优于非支配分层遗传算法（NSGA II）和多目标粒子群算法（MOPSO）,可大大提高星座设计的效率。同时优化结果也表明低轨混合星座可提高覆盖的均匀性和大部分区域的覆盖次数,进而减少特定覆盖要求所需的卫星数目。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

一种同轨区域集中的北斗卫星自主导航算法

基于北斗三号卫星配置规划,提出了一种同轨区域集中的北斗卫星自主导航算法。利用Ka星间链路指向切换灵活特性与激光链路高速通信特性,并克服激光终端异轨面通信困难,指向切换不便等缺陷,算法设计将轨道面内各卫星采集的Ka双向测距信息利用激光星间链路传入轨道面主卫星中,从而将测距信息集中处理并完成轨道面内各卫星的轨道信息更新。并且,本文还搭建了星内模拟仿真环境,对算法精度及性能进行验证。仿真结果表明,同轨道区域集中自主导航算法可在星内仿真环境中稳定运行,且其导航精度远优于分布式自主导航精度。     

基于改进SIFT的SAR图像与可见光图像配准

针对SAR图像与可见光图像的自动配准问题,提出了一种基于尺度不变特征(SIFT)的SAR与可见光图像配准算法。算法首先对SIFT主方向的检测进行了优化,利用特征点邻域内边缘局部极大值点的梯度方向作为特征点的方向,并以去均值归一化互相关系数为相似性度量进行特征点对匹配,然后通过随机抽样一致性算法(RANSAC)剔除误匹配点对,最后利用剩余的特征点对实现SAR与可见光图像的自动配准。实验结果表明,本算法对不同分辨率图像和不同旋转角度图像具有较好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法。     

面向弱纹理空间目标的特征点匹配方法

特征点提取与匹配是遥感图像处理中关键的一环,目前成熟的算法大多面向对地成像类型的遥感图像,对于空间目标的遥感图像,没有考虑成像条件与探测平台的影响因素,特征点匹配质量较差。针对空间目标的匹配精度不高这一问题,文章提出了一种基于聚类的特征点匹配算法。首先,根据空间目标的重复弱纹理进行特征点提取与描述,再利用特征点的空间位置进行聚类,并对特征点簇进行匹配;之后将特征点的主方向减去目标整体方向,利用特征点主方向对每一个点簇进行再分组,并完成特征点匹配;最后利用最近邻次近邻比率方法和随机样本一致算法（RANSAC）剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明,对于空间目标图像,基于聚类的特征点匹配较直接匹配,匹配数量的提升最高可达50%,重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子,能够大幅度提高空间目标图像特征点匹配的数量与精度。