基于投影寻踪的地磁匹配区选取方法

针对基于单一地磁特征参数进行区域选取容易出现评价结果不全面的缺陷,提出了多特征参数融合的地磁匹配区选取方法。该方法结合信息熵和投影寻踪理论,综合考虑地磁标准差、粗糙度、相关系数和地磁熵等反映特定区域内地磁的总体起伏、光滑度、相关性强弱和信息量多少的地磁特征参数对匹配区的影响,建立了基于投影寻踪的地磁匹配区选取模型,利用遗传算法求解出最优投影方向,给出区域总的评价指数。利用文中提出的方法在选定区域进行了仿真试验,仿真结果表明,针对ICCP算法,在总评价指标高的区域进行地磁辅助导航,其匹配误差较小。
     

基于免疫粒子群算法的地磁特征区域选择

为了实现在已知的地磁场区域内快速、智能化地选取易于实现地磁匹配的适配区,提高地磁匹配概率,给出了一种基于免疫粒子群优化算法的地磁特征区域选择方法。将地磁特征区域选择视为一个组合优化问题,通过一定的粒子编码和搜索策略,在规则网格化的地磁图中实现一定大小的、空间连续分布的特征区域选择。采用MSD匹配算法在不同路径的各种噪声强度下进行匹配仿真,实验结果表明,在所选择的适配区内,地磁匹配概率远高于整个地磁场区的平均匹配概率,特别是随着噪声强度的增加这种优势愈发明显。     

地磁匹配技术及其基本匹配算法仿真研究

针对一种新的导航技术一地磁匹配技术进行了研究.在介绍了地磁匹配的基本原理和特点的基础上,分析了地磁匹配技术目前在地磁场模型、地磁传感器和匹配算法等方面已具备的基础和工程应用尚需解决的一些关键技术;重点研究了地磁匹配技术几种基本匹配算法一MAD法、MSD法、NPROD法和HD法,并对其利用MATLAB进行了对比仿真;最后对仿真结果进行了分析比较.仿真结果表明,综合考虑匹配精度、匹配运算量和匹配误差收敛性几个性能指标.选择几种匹配算法中的MAD法或MSD法作为地磁匹配算法较好.几种基本匹配算法的仿真分析,对地磁匹配技术下一步的深入研究具有一定的理论意义和工程应用价值.     

ICP算法在地磁辅助导航中的应用

利用地磁信息进行辅助导航是组合导航技术研究的新方向。文中对地磁辅助导航的原理和发展现状进行了介绍,并在分析地磁特征的基础上,研究了利用地磁异常特征进行ICP匹配定位的方法。根据应用环境,对ICP算法进行了以下改进:首先,受模拟退火法的启发,提出采用扇形扫描法搜索最优匹配,推动ICP算法向全局最优迭代;其次,结合RANSAC法,有效地剔除了地磁测量中的野值点,提高了算法的鲁棒性。仿真结果证实了改进算法的良好性能。     

一种基于角点提取的遥感影像地面控制点自适应匹配算法

提出基于特征角点的控制点自适应匹配算法：依据图像数据灰度特征自动确定相应阈值，从基准影像上提取控制点。采用动态模板进行不等距搜索，确定潜在目标控制点；构建三角网，利用等角变换判别目标控制点；构建仿射变换方程来筛选目标控制点。该算法无需设定灰度相关系数最大值阈值即可判别目标控制点。选取ASTER和TM两种成像差异显著的图像数据，对该算法进行试验，结果表明。该算法可以准确提取有价值的特征角点，具有较高的控制点识别精度和运算效率，具有较强的适应性和应用价值，较之传统匹配算法有明显优势。     

控制点/控制点对最优能量解析的图像配准

 针对遥感图像配准中匹配同名点少、配准精度低等问题,提出了一种基于控制点/控制点对最优能量解析的图像配准方法。在控制点提取中,通过多尺度曲波变换,实现不同尺度下图像质量的灰关联分析和噪声抑制,并根据灰关联能量值,自动调整尺度不变特征变换配准参数,提高匹配同名点数量;为保证控制点选择的均匀性和准确性,创建了控制点对能量模型,采用马尔科夫蒙特卡洛优化算法实现分布、匹配能量最优的控制点筛选,提高了图像配准精度。实验结果表明,本方法对遥感图像匹配同名点少、控制点分布不均匀、图像配准精度低等问题有很大改善,具有较高的应用价值。     

采用强制降噪和多尺度融合的地磁导航方法

针对地磁数据测量易受各种噪声和干扰影响,导致地磁匹配导航精度、概率和可靠性降低的问题,提出了一种采用小波强制降噪和多尺度融合的地磁匹配导航方法。该方法利用地磁数据高频部分易受噪声干扰影响而低频部分稳定性好、各尺度下的匹配结果具有相对独立性的特点,将含噪地磁基准图和实时图进行多尺度分解,在所选的多个尺度下经强制降噪后分别进行匹配,并融合各尺度下的匹配结果表决产生最终的导航结果。地磁匹配导航仿真实验结果表明该方法可有效提高导航的精度、概率和可靠性。     

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。     

地形辅助导航匹配误差研究

地形辅助导航系统中最重要、研究也最深入的部分就是匹配算法,除了算法本身构建 之外,匹配精度与应用条件之间的关系也是算法研究的重要内容。以TERCOM算法为研究 对象,将研究地形特征、地图分辨率、初始误差、惯性导航系统精度、载体运行速度和匹配 序列长度等因素对匹配精度的影响,为匹配算法的工程应用提供理论基础。     

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。
     

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。     

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。     

水下地形匹配等值线算法研究

文[1]将图像配准中使用的等值线算法引入到水下地形匹配中，文[2]全面验证该算法的有效性。但是，仿真结果表明，该算法在初始误差较大时（如2海里）容易发散，这是由于目前的研究都认为匹配起始点是精确已知的，而实际中却很难满足该条件。本文提出了将匹配起始点引入匹配过程和进行粗匹配等两点改进措施，仿真结果表明，这两个改进措施是有效的，特别是当INS精度较低时，相比较于TERCOM算法，其匹配过程更为平稳，匹配精度也更高。     

基于等高线图与小波变换的3D地形匹配算法研究

提出一种新的基于边缘的3D地形匹配算法。在算法中，一种结构紧凑的特征“等高线图”，用于表示参考高程图(DEM)及从实时数据恢复的高程图，这样3D地形匹配转化为基于等高线的匹配，即边缘(平面曲线)匹配问题。在边缘匹配过程中，首先用一种具有平移，旋转，尺度不变性的规范化小波描述子描述边缘。其次提出了一种基于小波系数域的快速边缘匹配算法，并分析了运算复杂性。由匹配成功的边缘对提取控制点的坐标。讨论了图像变换模型及基于最小均方根误差准则的图像变换参数估计方法。用真实地形实验表明该算法匹配精度高，计算速度快。最显著的特点是该算法抗噪声能力强。     

等值线匹配算法的地形适应性研究

地形辅助导航匹配算法的性能直接由地形特征所决定,因此,建立地形特征参数与匹
配算法精度之间的定量关系不仅是判断匹配性能的需要,也是进行航迹规划的基础。本文以
ICCP算法为研究对象,首先,运用聚类和回归分析方法挑选出6个与匹配精度密切相关的参
数;然后,采用多重回归、二项Logistics回归和判别分析等三种方法分别得到匹配精度与
地形特征之间的定量关系,其中多重回归分析得到的是匹配精度与地形特征参数之间的精确
对应关系,而二项Logistics回归和判别分析则是建立误差类别与地形特征参数之间的关系
。仿真结果表明,多重回归预测精度基本与实际匹配精度一致,但在少数样本点偏差较大;
二项Logistics回归和判别分析的正确判断概率均优于90％。
     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。      

基于压缩感知理论的合成孔径激光雷达成像算法

合成孔径激光雷达是一种主动式有源激光成像雷达,它具有远高于微波合成孔径雷达的成像分辨率,能够实现对远距离目标的精细成像。由于激光信号的带宽极大,普通的硬件设备难以满足奈奎斯特采样定理的要求。提出一种基于压缩感知理论的合成孔径激光雷达成像算法,该方法利用光外差方法探测回波信号,在此基础上通过对外差信号进行随机采样提取信号中的有效信息,使用正交匹配追踪算法实现对目标高分辨距离像图像的重构,最后结合频率变标算法得到目标的高分辨二维图像。仿真结果表明运用新算法对合成孔径激光雷达的回波信号进行采样,能使用远低于奈奎斯特定理所规定的采样率完成信号采样,并有效压低信号旁瓣,实现对目标的超高分辨成像。