[发明专利]一种异源图像匹配定位方法、设备及计算机可读存储介质

说明书

本发明公开了一种异源图像匹配定位方法、设备及计算机可读存储介质，其中，该方法包括：在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合；获取所述相似度集合中的最大值、与所述最大值对应的特征以及与所述特征在预设的卫星图上对应的像素点；若所述最大值大于或等于所述匹配相似度阈值，则根据所述卫星图中的像素与经纬度的对应关系，匹配得到所述像素点的经纬度。实现了一种航空器的自主导航定位方案，有效地解决了航空器在通信能力受限情况下的导航需求，提升了航空器在复杂场景下的导航精度和导航效率。

技术领域

本发明涉及无人驾驶航空器技术领域，尤其涉及一种异源图像匹配定位方法、设备及计算机可读存储介质。

背景技术

目前，无人驾驶航空器使用的导航方式主要是惯性导航和GPS。其中，惯性导航不易受电磁干扰，但是其定位误差会随时间而增大，因而在无人驾驶航空器长时间飞行时导航效果不佳；相比之下，GPS的导航精度相对较高，但是，在有遮挡、有干扰等复杂环境下，其通信能力受限，使得GPS导航在这些环境下导航精度难以维持。

因此，在通信能力受限的情况下，如何有效地实现无人驾驶航空器的自主导航，成为目前亟待解决的技术问题。

发明内容

为了解决现有技术中的上述技术缺陷，本发明提出了一种异源图像匹配定位方法，该方法包括：

在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合；

获取所述相似度集合中的最大值、与所述最大值对应的特征以及与所述特征在预设的卫星图上对应的像素点；

比较所述最大值与预设的匹配相似度阈值；

若所述最大值小于所述匹配相似度阈值，则重新执行所述飞行图像的输入操作，若所述最大值大于或等于所述匹配相似度阈值，则根据所述卫星图中的像素与经纬度的对应关系，匹配得到所述像素点的经纬度。

可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前包括：

在执行匹配定位前，收集多张由所述航空器拍摄的训练飞行图像，并获取所述飞行过程所涉及的飞行区域的卫星图；

将三元组损失作为训练损失训练所述训练飞行图像，并将得到的所述卷积神经网络作为特征提取器。

可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：

预设图像块的大小集合以及所述图像块的长宽比；

根据所述图像块以及所述匹配定位的定位需求预设所述匹配相似度阈值。

可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：

在所述卫星图中，获取每一像素对应的经纬度；

根据所有像素对应的经纬度生成所述卫星图中的所述对应关系。

可选地，所述在航空器的飞行过程中，采用预设的卷积神经网络模型提取输入的飞行图像的图像特征，并对所述图像特征和预设的特征集合进行余弦距离计算，得到相似度集合，之前还包括：

在所述卫星图中，根据预设的所述图像块的大小以及所述长宽比提取不同尺寸和/或不同长宽比的所述图像块；