專利名稱：利用景象匹配提高導航系統(tǒng)精度的方法及組合導航仿真系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及一種提高導航系統(tǒng)導航精度的方法，尤其涉及一種利用景象匹配進行輔助導航從而提高導航精度的方法，同時涉及一種驗證該方法的組合導航仿真系統(tǒng)。
背景技術：
精確制導技術的核心在于精確導航定位，目前，由于慣性/GPS組合導航系統(tǒng)和慣性/北斗雙星組合導航系統(tǒng)都還存在技術上的局限性，不方便使用。而慣性/地形輔助導航系統(tǒng)以其特有的抗干擾和自主導航能力，在精確導航技術中的地位日益重要。
慣性/地形輔助導航系統(tǒng)分為高程匹配輔助和景象匹配輔助兩類，其中高程匹配輔助導航系統(tǒng)盡管具有較強的自主性，但其利用地形高程信息進行輔助導航定位，對導航系統(tǒng)的修正能力有限，導航精度較低。而景象匹配輔助導航系統(tǒng)則是利用機載高分辨率成像雷達或光電圖像傳感器實時獲取地面景物圖像，并與機載計算機中預先存儲的二維景象數(shù)字地圖相比較，用于確定出飛行器位置，由于景象匹配定位的精度很高，因此可以利用這種精確的位置信息來消除慣導系統(tǒng)長時間工作的累計誤差，以提高導航定位的精度和自主性。
景象匹配輔助導航系統(tǒng)中的景象匹配本質(zhì)是多傳感器景象匹配，而各傳感器所獲得的圖像之間灰度不一致甚至相反，因此不宜采用目前常用的基于灰度的景象匹配方法，必須采用基于特征的景象匹配方法，因此特征點的選取成為關鍵。同時，由于實測圖中存在噪聲和幾何畸變，因此，選用的景象匹配方法還必須具有一定的魯棒性。其中，基于Hausdorff距離的邊緣景象匹配方法因其計算的簡便性而得到廣泛的應用。它是由Daniel P.Huttenlocher等人在研究目標檢測時提出的，其缺點是不能處理目標被遮掩和外部點存在的情形。同時，由于導航系統(tǒng)有其一定的誤差漂移，造成用于匹配的實測圖像和數(shù)字地圖之間有不同程度的旋轉(zhuǎn)和尺度變化，因此，這就要求景象匹配方法具有智能適應旋轉(zhuǎn)和尺度變化的能力，而Hausdorff距離方法對此只能克服很小范圍內(nèi)的值的變化。因此，針對未知的旋轉(zhuǎn)尺度變化，還不宜采用通常的Hausdorff距離方法。并且，景象匹配方法一般基于全局搜索法，耗時較大，不易滿足景象匹配輔助導航系統(tǒng)的實時性的特殊要求。
在高精度慣導和景象匹配組合的景象匹配輔助導航系統(tǒng)中，針對景象匹配定位輸出需要耗用不等的匹配計算時間，因此，景象匹配輸出的定位信息具有固有的滯后效應，如果此時僅采用常規(guī)的卡爾曼濾波器進行組合濾波，會導致濾波精度不高甚至濾波發(fā)散。
在我國，如何利用景象匹配來有效的輔助導航，這一方面的研究正在進行中，因此基于景象匹配輔助導航系統(tǒng)的理論研究和計算機仿真技術就顯得十分的重要。
發(fā)明內(nèi)容
1、發(fā)明目的本發(fā)明的一個目的是提供一種利用景象匹配進行輔助導航，從而提高導航精度的方法，另一個目的是提供一種實現(xiàn)該方法、演示組合導航過程、驗證該方法的計算機仿真系統(tǒng)。
2、技術方案為了達到上述的發(fā)明目的，本發(fā)明的利用景象匹配提高導航系統(tǒng)導航精度的方法包括下列步驟1.1組合導航系統(tǒng)中的地形景象匹配模塊根據(jù)地形數(shù)字圖片讀入地形數(shù)據(jù)地形數(shù)字圖片采用BMP格式4個字節(jié)的文件頭，50個字節(jié)的文件信息頭，圖片的數(shù)據(jù)自下而上存儲。首先讀入文件頭和文件信息頭，其中文件信息頭包含圖片的寬度和高度值，依據(jù)該信息可以正確的讀入圖片數(shù)據(jù)。由于景象匹配方法需要的圖片數(shù)據(jù)格式是自上而下的，所以需要把獲得的圖片數(shù)據(jù)進行反序之后再進行匹配；1.2根據(jù)當前慣性導航系統(tǒng)得到的經(jīng)緯度，在步驟1.1中的地形圖片中找到映射點；1.3以步驟1.2中所述的映射點為中心點，根據(jù)匹配時間的要求，從地形圖片數(shù)據(jù)中截取和當前慣導誤差范圍相當大小的參考圖的數(shù)據(jù)；匹配要求時間長，圖片則截取大一些，匹配要求時間短，圖片則截取小一些；因慣導系統(tǒng)存在一定的誤差漂移，導致步驟1.2中的位置信息并不準確。以已含有誤差的映射點為中心，上下左右放寬數(shù)倍當前慣導誤差范圍，以此截取出來的參考圖中必然包含了正確的位置點。
1.4對實測圖和參考圖進行匹配，該步驟包括下列步驟1.4.1進行抗變形粗匹配設步驟1.4中的實測圖上任意一點為ai(i＝1，2，...，n)，參考圖上與之最匹配的點為bj(j＝1，2，...，m)，將實測圖以ai為中心，進行對數(shù)極坐標變換，根據(jù)其他n-1個點在極徑和極角映射圖中分布的數(shù)據(jù)N來匹配參考圖上的bj；為了增強匹配結(jié)果的抗干擾性，本步驟分別以欲匹配的點本身和它的4-鄰域點為中心計算其相應的對數(shù)極坐標映射圖，形成5組數(shù)據(jù)，共同參與匹配；本步驟通過下列公式實現(xiàn)笛卡兒坐標系下的圖像中的某一點(x，y)到極坐標系下圖像中的某一點(ρ，θ)的變換關系為ρ=log(x-xc)2+(y-yc)2]]>θ=arctan|y-ycx-xc|]]>其中，ρ為對數(shù)極坐標系中的極徑，θ為極角。(xc，yc)為旋轉(zhuǎn)發(fā)生的中心點。
設ρ∈[1，2，…，k]，令實測圖極坐標變換得到的映射數(shù)組為BH1，參考圖上任一點的映射數(shù)組為BH2，為了度量這兩個數(shù)組之間的相似程度，選用相關系數(shù)方法Rc和平均絕對值方法Rm，公式如下Rc=Σi=1kBH1(i)gBH2(i)[Σi=1kBH12(i)]12[Σi=1kBH22(i)]12...(1)]]>Rm=1kΣi=1k|BH1(i)-BH2(i)|...(2)]]>當Rc達到最大值所對應的點和Rm達到最小值所對應的點一致時，此點就是參考圖上與實測圖ai最匹配的點；兩幅圖像在粗匹配后，將進行初步的配準，并在數(shù)字地圖中裁減出相應大小的參考圖，用于下一步的精匹配。
本步驟中，進行景象匹配時，并不是僅僅按照圖像中心點來做變換，而選取了圖像4-鄰域的點共同參與，克服了由于未知小尺度變化造成的圖像旋轉(zhuǎn)中心點的偏移，有利于找到更準確的景象匹配點。
1.4.2利用基于分支點的加權Hausdorff多級匹配方法進行精匹配1.4.2.1提取分支點本步驟首先采用Canny算子獲得步驟1.4所得的實測圖和參考圖的邊緣特征二值圖，再對所得的二值圖像進行細化，先進行第一次掃描(1)從左到右，從上到下順序掃描整幅圖像，計算當前像素點P的8鄰域像素點值；(2)令NC為P1、P2、P3、P4、P5、P6、P7、P8、P1中0值變1值的次數(shù)；(3)令NB＝P1+P2+P3+P4+P5+P6+P7+P8；(4)若當前像素點為1(保證為特征點)；NC＝1(保證連通性)且2≤NB≤6(排除P為端點和內(nèi)部點)；P1×P3×P7＝0且P1×P5×P7＝0(檢測東南邊界)；當P3或P5已標記時，若視P3、P5為0，依然有NC＝1(保證寬度為2的線條不斷開)，當上述4個條件全部滿足，則將該中心像素作標記；第二次掃描的基本步驟同第一次掃描，若當前像素點為1(保證為特征點)；NC＝1(保證連通性)且2≤NB≤6(排除P為端點和內(nèi)部點)；P1×P3×P5＝0且P3×P5×P7＝0(檢測西北邊界)；當P1或P7已標記時，若視P1、P7為0，依然有NC＝1，上述4個條件全部滿足，則將該中心像素作標記；兩次掃描完成后，去掉作標記的像素再重復第一、二次掃描，直到所有點都不可刪除為止，即完成了二值圖像細化；最后，再提取分支特征點分支點周圍像素的值從0變到1或從1變到0的次數(shù)T為6次，判斷公式如下T=Σi=18|Pi-Pi+1|,]]>其中，Pi＝0或1，P9＝P1。
由于邊緣特征二值圖中存在分支點，且這些分支點不易受噪聲的干擾。在細化后的二值圖中，提取這些分支點，并將其作為權值較大的特征點來計算加權Hausdorff距離，可以提高景象匹配的精度。
1.4.2.2運用加權Hausdorff精匹配方法進行匹配為了匹配被斑點噪聲污染的圖像，獲得更加準確的目標匹配結(jié)果，結(jié)合傳統(tǒng)Hausdorff距離定義，本發(fā)明采用加權Hausdorff距離WHD(Weighted Hausdorff Distance)的方法。具體公式如下按照公式采用加權Hausdorff距離WHD(Weighted Hausdorff Distance)的方法hWHD(A,B)=1NaΣa∈Aw(a)·d(a,B)]]>Σa∈Aw(a)=Na...(3)]]>其中，A、B是兩個點集，Na是點集A中特征點的總數(shù)，a是屬于A中的一個特征點，d(a，B)是點集A中的特征點a到點集B的距離，w(a)是此距離的權值，本發(fā)明為了提高景象匹配的準確性，采用以下的方法在邊緣特征二值圖像中，特征點分為一般特征點、分支點和欲排除的點三類，分別令其權值為w(c)、w(b)和w(e)。其中，w(e)為0；w(c)為1。將點集A中所有點到點集B的距離將按由小到大的順序排序，若取其中序號為k的距離為dk(A，B)，則可通過調(diào)整k的大小，將點集A的一個部分與點集B進行匹配，就可排除由噪聲點和漏檢點引起的匹配影響，其中k＝f×Na，0≤f≤1。同時令A中分支點的個數(shù)為no，即可得分支點的權值w(b)=Na-kno+1...(4)]]>1.4.2.3小波多級實時景象匹配方法設給定用于匹配的數(shù)字地圖為A，用于匹配的景物圖像為B，設定多級匹配的級數(shù)為j，且j＝1，2，...J，其中J表示最大匹配級數(shù)，并規(guī)定以兩倍抽取減小用于匹配的圖像尺寸大小。定義Aj為數(shù)字地圖A的第j級特征圖像，同理定義Bj為數(shù)字地圖B的第j級特征圖像。景象匹配首先從第J級開始，即j＝J開始，則多級景象匹配步驟如下(1)利用小波變換提取數(shù)字地圖A和景物圖像B的第j級特征圖像Aj和Bj；(2)利用加權Hausdorff距離對第j級特征圖像Aj和Bj進行景象匹配，按如下方式進行處理①如果j＝J，則利用特征圖像Aj和Bj逐一計算Aj上每一個平移點上的加權Hausdorff距離值，并從中選擇由最小值所確定的平移點(xj，yj)作為第j級的匹配位置點，且定義此時的加權Hausdorff距離值為τj，則τj就反映了在該匹配位置點上的匹配精度，即匹配位置點相對于精確匹配位置點的距離；②如果j＜J，則僅利用特征圖像Aj和Bj計算Aj上以點(2×xj+1，2×yj+1)為中心，以2×τj+1為半徑的鄰域內(nèi)的每一個平移點上的加權Hausdorff距離值，并從中選擇由最小值所確定的平移點(xj，yj)作為第j級的匹配位置點，且定義此時的加權Hausdorff距離值為τj，其含義同①。
(3)當j＝1時，此時獲取的平移點(xj，yj)即為最終的匹配位置點，且此時的匹配參數(shù)τj即為最終的匹配定位參數(shù)；如果j≠1，則令j＝j-1，并重復上述(1)～(2)步。
該方法在以加權Hausdorff距離作為景象匹配相似性度量的基礎上，結(jié)合小波變換的多分辨率思想來提取多尺度圖像特征，從而實現(xiàn)了多級分層實時匹配，從而快速地獲得精確的匹配位置。
1.5利用上述的匹配結(jié)果對慣導進行修正1.5.1建立組合導航系統(tǒng)的數(shù)學模型為了進一步提高導航精度，以滿足長時間自主導航定位的需要，就必須采用組合導航技術。組合導航技術以慣導系統(tǒng)作為主導航系統(tǒng)，并用景象匹配定位系統(tǒng)作為輔助導航系統(tǒng)(定位誤差不隨時間積累)，通過一定的組合導航模型，從而大大提高導航精度。
本發(fā)明采用非等間隔并解決滯后的卡爾曼濾波器進行組合，則組合導航系統(tǒng)的狀態(tài)方程為INS的誤差方程，導航坐標系選為東北天地理坐標系。慣性導航系統(tǒng)的誤差狀態(tài)方程為X·(t)=F(t)X(t)+G(t)W(t)...(5)]]>
其中系統(tǒng)狀態(tài)變量定義為X＝[φE，φN，φU，δvE，δvN，δvU，δL，δλ，δh，εbx，εby，εbz，εrx，εry，εrz，x，y，z]T其中φE，φN，φU為平臺誤差角；δvE，δvN，δvU為速度誤差；δL，δλ，δh為緯度、經(jīng)度和高度誤差；εbx，εby，εbz，εrx，εry，εrz分別為陀螺常值漂移誤差和一階馬爾可夫漂移誤差；x，y，z為加速度計零偏。
在組合系統(tǒng)中，量測值有兩組。一組為水平方向的量測值，由INS輸出的航向角度、緯度和經(jīng)度與景象匹配給出的航向角度、緯度和經(jīng)度的差值構(gòu)成，如式(6)。另一組為高度方向的量測值，由INS輸出的高度和氣壓高度表輸出的高度的差值構(gòu)成，如式(7)。
Z1=ψI-ψs(LI-Ks)RM(λI-λs)RNcosL=φURMδLRNcosLδλ+V1V2V3=M100000M03×2M0000RM0M03×10M00000RNcosLMX+V1V2V3...(6)]]>式中V1為景象匹配輸出時的航向角度誤差，V2為東向位置誤差，V3為北向的位置誤差，其大小依賴于所采用的景象匹配定位方法的精度。
Z2＝[h1-he]＝δh+V2＝
X+V4(7)式中V4為氣壓高度表輸出時的高度誤差。
由上述式(6)和(7)可以獲得組合導航系統(tǒng)的量測方程Z(t)＝H(t)X(t)+V(t)，其具體形式如式(8)Z=Z1ΛZ2=φURMδLRNcosLδλΛδh=M100000M03×2M0000RM0M03×10M00000RMcosLMΛΛΛΛΛΛΛΛΛΛ01×8M1M01×9X+V1V2V3ΛV4...(8)]]>由此，建立了組合導航系統(tǒng)數(shù)學模型中的狀態(tài)方程和量測方程。
1.5.2非等間隔及解決量測滯后的濾波方法得到步驟1.5.1中的數(shù)學模型后，還要考慮濾波技術。在慣性導航系統(tǒng)和景象匹配系統(tǒng)兩個系統(tǒng)輸出的基礎上，利用濾波技術去估計系統(tǒng)的各種誤差，再用誤差的估值去校正系統(tǒng)，即可達到組合兩個系統(tǒng)的目的。
由于景象匹配定位輸出需要耗用不等的匹配計算時間，因此，景象匹配輸出的定位信息具有固有的滯后效應。針對景象像匹配定位具有的不等間隔頻率輸出和量測信息滯后的特點，本發(fā)明提出了下述兩種濾波方法。
首先，采用解決非等間隔量測的濾波方法進行濾波定義INS的計算周期為TINS，非等間隔量測周期為TSAR，狀態(tài)方程的離散化周期為T，并令T＝N×TINS，且TSAR＝M×T，式中M、N均為正整數(shù)，這樣的關系總可以通過合理的M、N選擇而得到保證；下面以一個量測周期內(nèi)的處理過程為例，介紹本發(fā)明設計的非等間隔卡爾曼濾波器。其中，tk為某次景象匹配的開始時刻，tk+1為該次景象匹配的結(jié)束時刻，tk(i)表示tk+i×T(i＝0，1，2...，M)時刻，如圖27所示，從圖27的時間關系圖，可以清楚地看出，當沒有量測信息的輸出時，可以在每一個時刻點tk(i)(i＝0，1，2...，M-1)，利用系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣的特性，只進行卡爾曼濾波器的時間更新；而在量測信息輸出的時刻tk(M)，同時進行卡爾曼濾波器的時間更新和量測更新，從而可以解決非等間隔量測的濾波問題。
非等間隔卡爾曼濾波方法為在tk(i)(i＝0，1，2...，M-1)時刻，相應的卡爾曼濾波時間更新方程為X^k(i)=Φk(i),k(i-1)X^k(i-1)...(9)]]>Pk(i)＝Φk(i)，k(i-1)Pk(i-1)Φk(i)，k(i-1)T+Γk(i-1)Qk(i-1)Γk(i-1)T(10)在tk(M)時刻，相應的卡爾曼濾波時間更新和量測更新方程為X^k(M)|k(M-1)=Φk(M),k(M-1)X^k(M-1)...(11)]]>X^k(M)=X^k(M)|k(M-1)+Kk(M)[Zk(M)-Hk(M)X^k(M)|k(M-1)]...(12)]]>Pk(M)＝Φk(M)，k(M-1)Pk(M-1)Φk(M)，k(M-1)T+Γk(M-1)Qk(M-1)Γk(M-1)T(13)Kk(M)=Pk(M)|k(M-1)Hk(M)T(Hk(M)Pk(M)|k(M-1)Hk(M)T+Rk(M))-1...(14)]]>Pk(M)=(I-Kk(M)Hk(M))Pk(M)|k(M-1)(I-Kk(M)Hk(M))T+Kk(M)Rk(M)Kk(M)T...(15)]]>再采用解決量測滯后的濾波方法進行濾波利用上面提出的解決非等間隔量測的卡爾曼濾波方法，就可以很好地解決量測非等間隔的問題。不過在上面的濾波方法討論過程中，并沒有考慮景象匹配滯后效應的影響，從而會影響組合導航精度。為此，本部分主要是在上面提出的解決非等間隔卡爾曼濾波方法的基礎上，提出一種解決量測滯后的方案。
從上述的非等間隔量測中的時間關系圖27，可以看出，tk+1時刻的量測信息輸出對應于tk時刻的INS狀態(tài)，因此，可以利用一個數(shù)組A記錄下tk(i)(i＝0，1，2...，M)時刻的所有INS狀態(tài)信息，當在tk+1時刻有量測信息輸出時，利用該量測信息和數(shù)組A中記錄下來的tk時刻的INS狀態(tài)信息進行卡爾曼濾波處理，獲得tk時刻的卡爾曼濾波修正參數(shù)和相應的估計誤差均方誤差陣；然后利用系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣的特性，與上述非等間隔卡爾曼濾波時間更新方程類似，計算出tk+1時刻的修正參數(shù)和相應的估計誤差均方誤差陣，并利用該修正參數(shù)對tk+1時刻的INS狀態(tài)進行修正。
設在tk時刻，相應的卡爾曼濾波方程為X^k(0)|k(-1)=Φk(0),k(-1)X^k(-1)...(16)]]>X^k(0)=X^k(0)|k(-1)+Kk(0)[Zk(0)-Hk(0)X^k(0)|k(-1)]...(17)]]>Pk(0)＝Φk(0)，k(-1)Pk(-1)Φk(0)，k(-1)T+Γk(-1)Qk(-1)Γk(-1)T(18)Kk(0)=Pk(0)|k(-1)Hk(0)T(Hk(0)Pk(0)|k(-1)Hk(0)T+Rk(0))-1...(19)]]>
Pk(0)=(I-Kk(0)Hk(0))Pk(0)|k(-1)(I-Kk(0)Hk(0))T+Kk(0)Rk(0)Kk(0)T...(20)]]>在tk+1時刻的修正參數(shù)和相應的估計誤差均方誤差陣計算方程為X^k(M)=Πi=1MΦk(i),k(i-1)X^k(i-1)...(21)]]>Pk(M)=Πi=1M[Φk(i),k(i-1)Pk(i-1)Φk(i),k(i-1)T+Γk(i-1)Qk(i-1)Γk(i-1)T]...(22)]]>至此，完成了一個航跡點的景象匹配輔助導航系統(tǒng)的全過程，當出現(xiàn)新的航跡點時，再進行上述景象匹配方法，不斷地循環(huán)下去則完成利用景象匹配提高導航系統(tǒng)導航精度的目的。
步驟1.4.2.1中的利用基于分支點的加權Hausdorff多級匹配方法進行精匹配步驟中，在進行分支點的提取前，可先進行去噪處理，具體步驟如下計算得到當前像素點P的8鄰域像素點值；設標志位flag1＝P1+P3+P5+P7，flag2＝(P1+P2+P3)(P5+P6+P7)+(P3+P4+P5)(P7+P8+P1)；若P＝0且flag1≥3，即P的4鄰域中有3個以上的值為1的點，則P＝1；否則，若P＝1且flag2＝0，則P＝0。
本發(fā)明的利用景象匹配提高導航系統(tǒng)導航精度的方法的組合導航仿真系統(tǒng)包括航跡規(guī)劃模塊、飛行控制模塊、航跡發(fā)生器、慣性導航模塊、地形景象匹配模塊和圖像顯示模塊，其中，本系統(tǒng)接受用戶指令后，在航跡規(guī)劃模塊中選擇并打開地形數(shù)字圖片文件并在圖像顯示模塊進行顯示，然后，設置地形圖片的地理位置，再選擇地形區(qū)域中的航路點，獲得該地形區(qū)域的航路點信息，完成航跡規(guī)劃；航跡規(guī)劃模塊的輸出信號輸入飛行控制模塊，在飛行控制模塊中，首先利用公式head＝a tan(RNcos Lδλ/RMδL)其中head為航向角，a為航向角變化率，L為經(jīng)度，λ為緯度，RN為卯酉圈半徑，RM為子午圈半徑，計算出當前航跡點和下一個航跡點之間的航向角，與當前導航輸出的航向角進行比較，根據(jù)航向差值，調(diào)整航跡發(fā)生器IMU仿真中的航向角速率仿真值，從而實現(xiàn)對航跡的控制；航跡發(fā)生器的輸出一路輸入慣性導航模塊，慣性導航模塊通過航跡發(fā)生器仿真的IMU數(shù)據(jù)，通過慣性導航算法，獲得慣性導航數(shù)據(jù)；另一路輸入地形景象匹配模塊，其中的組合導航系統(tǒng)需要使用航跡發(fā)生器仿真的IMU數(shù)據(jù)，獲得組合導航數(shù)據(jù)，同時，實測圖和參考圖進行匹配，輸出匹配結(jié)果，利用濾波算法，修正慣性導航結(jié)果，并將此過程的數(shù)據(jù)進行保存；地形景象匹配模塊的輸出數(shù)據(jù)輸入到圖像顯示模塊，此模塊動態(tài)顯示實測圖和參考圖，對導航結(jié)果進行可視化顯示，并三維顯示飛行器的飛行狀態(tài)。
圖像顯示模塊包括二維航跡局部顯示模塊、二維航跡全局顯示模塊、三維導航顯示模塊和可視化數(shù)據(jù)顯示模塊。二維航跡顯示模塊的主要目的是對真實航跡和慣性導航輸出航跡進行可視化顯示，從兩個航跡的變化直觀的表現(xiàn)地形景象匹配的結(jié)果和對慣性導航的修正。其中的二維航跡局部顯示模塊使導彈進入地形區(qū)域后，用戶能夠直觀的看到航跡按照航跡規(guī)劃模塊設置的航跡飛行，動態(tài)的反映了導彈的運動過程。二維航跡全局顯示模塊使用戶能夠直觀的看到整個導航過程的航跡大體變化過程。三維導航顯示模塊用于顯示飛行器的飛行狀態(tài)。可視化數(shù)據(jù)顯示模塊用于顯示導航數(shù)據(jù)和匹配結(jié)果的數(shù)據(jù)。
如圖16所示，在仿真過程中，本系統(tǒng)動態(tài)顯示飛行器的航跡；在飛行控制點對航跡進行控制；在匹配區(qū)，對實測圖和參考圖進行匹配，輸出匹配結(jié)果，修正慣性導航結(jié)果，同時動態(tài)顯示實測圖和參考圖，并且能夠可視化顯示導航結(jié)果，三維顯示飛行器的飛行狀態(tài)。
(1)圖像顯示模塊實現(xiàn)二維航跡局部顯示、二維航跡全局顯示、三維導航顯示和可視化數(shù)據(jù)顯示，如圖18所示，使用分割窗口的方法對四個窗口的位置和顯示進行管理局部顯示實現(xiàn)本發(fā)明對航跡進行了局部顯示。實現(xiàn)的方法為將分辨率disting設置為一個合適的分辨率，根據(jù)實際需要，本文默認設置為0.0001，即能將航跡分辨到10米的動態(tài)變化。用戶可以根據(jù)自己的需要，調(diào)用設置分辨率對話框CSetDistinguishDlg進行修改。
全局顯示實現(xiàn)實現(xiàn)的方法為將分辨率disting設置為一個合適的分辨率，根據(jù)實際需要，本文默認設置為0.01，即能將分辨1000米的動態(tài)航跡變化。用戶可以根據(jù)自己的需要，調(diào)用設置分辨率對話框CSetDistinguishDlg進行修改。這樣雖然分辨率降低了，但是用戶能夠直觀的看到整個導航過程的航跡大體變化過程。
地形圖片顯示實現(xiàn)首先讀入地形配置文件中的地形圖片文件路徑和地形經(jīng)緯度，文件格式如表9所示。然后將當前航跡的經(jīng)緯度與地形圖片的經(jīng)緯度進行比較，根據(jù)公式1判斷航跡是否進入地形區(qū)域，ΔL1＞0、ΔL2＜0、ΔL3＞0及ΔL4＜0時表示進入了地形區(qū)域。如果進入地形區(qū)域，計算地形的經(jīng)緯度在二維航跡局部顯示坐標系中的位置，最后采用CDib類對地形圖片進行顯示。
ΔL1=longtitude_track-longtitude_terrain_littleΔL2=longtitude_track-longtitude_terrain_bigΔL3=latitude_track-latitude_terrain_littleΔL4=latitude_track-latitude_terrain_big]]>(2)航跡規(guī)劃模塊采用Visual C++H6.0中的MFC對話框類來實現(xiàn)航跡規(guī)劃模塊，利用MFC的CFileDialog類選擇地形文件，利用CDib類加載和顯示地形圖片，在航跡規(guī)劃模塊中(圖19)，首先，通過航跡規(guī)劃模塊的文件選擇對話框打開所需要的地形數(shù)字圖片文件，然后可以選擇普通和邊緣兩種模式對地形圖片進行顯示，其中，普通模式顯示地形的8位灰度原始圖；邊緣顯示主要是利用景象匹配方法中的提取圖片邊緣圖方法實現(xiàn)，通過邊緣圖，可以直觀的了解到地形圖片中哪些區(qū)域比較適合進行景象匹配。調(diào)用地形設置對話框設置地形圖片的地理位置之后(地形經(jīng)緯度)，用戶可以通過鼠標選擇地形區(qū)域中的航路點，程序通過計算獲得該地形區(qū)域的航路點信息，然后通過表9格式的航跡配置文件格式將所需要的航跡信息寫入文件。實現(xiàn)了對飛行航跡的規(guī)劃。
(3)飛行控制模塊實現(xiàn)首先在航跡控制點，程序從航跡配置文件中讀入下一個航路點的航跡信息。然后利用head＝a tan(RNcos Lδλ/RMδL)計算出當前航跡點和下一個航跡點之間的航向角，與當前導航輸出的航向角進行比較。根據(jù)航向差值，調(diào)整航跡發(fā)生器IMU仿真中的航向角速率仿真值，從而實現(xiàn)對航跡的控制。根據(jù)仿真的需要，本發(fā)明對航向角速率的最大控制值為30度/秒。如果當前航跡點和下一個航跡點之間的航向角與當前導航輸出的航向角的差值大于30度，則按30度/秒的航向變化率進行控制；否則按照兩者的差值大小作為控制值進行航向轉(zhuǎn)向控制。由于航向控制過程需要經(jīng)過多個航路點，所以對接下來的飛行航跡點進行循環(huán)修正，直到兩者差值在控制范圍之內(nèi)為止。本發(fā)明根據(jù)實際情況出發(fā)，默認的航向差值范圍為-0.01～0.01度之間。飛行控制模塊的實現(xiàn)流程圖如圖23所示。
(4)景象匹配模塊的實現(xiàn)根據(jù)上述利用景象匹配提高導航系統(tǒng)精度的方法可實現(xiàn)本模塊。
3、有益效果通過本發(fā)明的方法可以大幅度提高慣導系統(tǒng)的導航精度，下面結(jié)合本方法中相應步驟進行說明(1)本發(fā)明的方法的步驟1.4.1采用了抗變形的粗匹配方法，對該方法優(yōu)點的說明如下多傳感器景象匹配，必然存在由于拍攝角度不同、飛行器航向偏差等原因造成的參考圖和實測圖之間的旋轉(zhuǎn)尺度變化，因此，如何在有未知幾何變形的情況下，仍能準確匹配到圖像的中心位置，是景象匹配得以成功應用的關鍵?？棺冃蔚拇制ヅ浞椒ǘ糠治隽司跋笃ヅ溥^程中慣性導航系統(tǒng)漂移和無線電氣壓高度表測量誤差對實測圖的旋轉(zhuǎn)和尺度所造成的影響。引入了對數(shù)極坐標變換，基于圖像邊緣特征提取，改進了傳統(tǒng)匹配中心點的方法，提出了一種結(jié)合中心點的4-鄰域點共同參與計算的抗旋轉(zhuǎn)和小尺度變化的景象匹配方法。該方法在主要考慮旋轉(zhuǎn)對景象匹配影響的基礎上，仍能克服小量尺度變化的影響。仿真結(jié)果表明，本方法能很好的滿足導航系統(tǒng)準確性和魯棒性的要求。在只有旋轉(zhuǎn)角度的情況下，定位精度達到1個象素以內(nèi)。同時，在有尺度變化正負1.1倍以內(nèi)時，此方法在圖像旋轉(zhuǎn)角度達10度時仍能正確匹配定位，且定位誤差最大為3個象素，已經(jīng)能夠完全滿足補償中等精度慣性導航系統(tǒng)誤差漂移的要求。
為了驗證本方法的有效性，利用SAR圖像為例進行匹配仿真實驗，分別測試了只有旋轉(zhuǎn)變化、只有尺度變化、旋轉(zhuǎn)和尺度共同變化下景象匹配的準確性。景象匹配方法采用MATLAB 7.0語言編寫，在主頻為Pentium 2.80GHz、內(nèi)存512M的PC機上進行測試。在景象匹配過程中，根據(jù)圖像的大小，ρ被分成30份，θ被分成12份(在下文的實施方式中，有具體的參數(shù)說明)。采用了部分Hausdorff距離(PHD)方法作為對比分析。選用的SAR圖像實測圖、參考圖像和匹配結(jié)果圖見圖1。具體對比表格見表1。
表1 旋轉(zhuǎn)尺度變化對景象匹配結(jié)果影響表
以中等精度慣性導航系統(tǒng)為例，在沒有任何外部修正信息的情況下，其航向偏差將達到10°/小時；而氣壓高度表的精度則相對較高，且其誤差隨飛行高度呈近似線性變化，一般氣壓高度表的誤差對尺度方面的影響僅僅在正負1.1倍左右。仿真中，我們假設飛行器每飛行15分鐘后，拍攝一幅實測圖。表1顯示了不同旋轉(zhuǎn)和尺度變化對景象匹配影響的對比結(jié)果。圖1顯示了SAR圖像的匹配結(jié)果。由表1可見，當旋轉(zhuǎn)和尺度變化增大時，景象匹配方法的定位精度開始下降，但本發(fā)明提出的4-鄰域的對數(shù)極坐標變換方法的定位精度比PHD方法的抗旋轉(zhuǎn)尺度變化能力要強的多。當同時存在尺度變化，而旋轉(zhuǎn)角度達到5度時，PHD方法就已經(jīng)不能匹配了，而本發(fā)明的方法在此情況下不受影響。
(2)本發(fā)明的方法的步驟1.4.2采用了基于分支點的加權Hausdorff距離精匹配方法，對該方法優(yōu)點的說明如下為滿足景象匹配導航系統(tǒng)實時性的要求，本發(fā)明基于細化后提取出的分支特征點，應用加權Hausdorff距離方法進行景象匹配，能同時克服噪聲對景象匹配的影響。仿真分析表明，該方法能同時滿足景象匹配輔助導航系統(tǒng)實時性和準確性的要求。
為了驗證本發(fā)明方法的有效性，利用SAR圖像為例進行匹配仿真實驗，分別測試了景象匹配的準確性和實時性。景象匹配方法采用Visual C++6.0語言編寫，在主頻為Pentium 2.80GHz、內(nèi)存512M的PC機上進行測試。在景象匹配過程中，選取匹配參數(shù)為參考圖的f＝0.85，實測圖的f＝0.8。
在噪聲對方法精確度影響仿真實驗中，采用部分Hausdorff距離(PHD)方法作為對比分析。由于取SAR圖像為例，驗證對SAR圖像影響最大的斑點噪聲對景象匹配的影響，選用的SAR圖像實測圖、參考圖像和匹配結(jié)果圖見圖2。具體對比表格見表2。由實驗結(jié)果可見，在斑點噪聲較小的階段，二種方法的效果差不多，但隨著斑點噪聲的增大，加權Hausdorff距離方法的精度好于部分Hausdorff距離方法。
表2基于斑點噪聲影響的景象匹配結(jié)果比較表
在景象匹配前，先通過細化特征點來減少特征文件的冗余度，可以加快匹配速度。我們將沒有進行細化預處理的圖像進行PHD方法匹配，經(jīng)過細化預處理的圖像進行加權Hausdorff距離匹配，具體匹配時間表見表2。由實驗結(jié)果可見，細化處理能有效提高系統(tǒng)的實時性。
表3景象匹配實時性結(jié)果表
(3)在基于分支點的加權Hausdorff距離精匹配方法中采用了小波多級分層搜索方法，對該方法優(yōu)點的說明如下本發(fā)明針對景象匹配方法不能滿足較大尺寸景象匹配的實時性的問題，提出了一種多級實時景象匹配方法。該方法結(jié)合小波變換的多分辨率思想來提取多尺度圖像特征，從而實現(xiàn)了多級分層實時匹配。
景象匹配方法采用Visual C++6.0語言編寫，在主頻為賽揚633、內(nèi)存為256M的PC機上進行測試。仿真實例1中，采用了Lena光學圖像，尺寸大小為256×256像素，其中圖3(a)為參考圖像，圖3(b)為在參考圖上任意截取的實測圖，尺寸大小為84×89像素，圖3(c)和圖3(d)分別為參考圖和實測圖的第一級特征圖像；圖3(e)、圖3(f)和圖3(g)分別為第三級、第二級和第一級的匹配結(jié)果圖，且圖中的方框位置即代表了實測圖在參考圖中的位置。
仿真實例2中，采用了光學衛(wèi)星(IKONOS)圖像，尺寸大小為317×292像素，其中圖4(a)為參考圖像，圖4(b)為在參考圖上任意截取的實測圖，尺寸大小為142×141像素，圖4(c)和圖4(d)分別為參考圖和實測圖的第一級特征圖像；圖4(e)、圖4(f)和圖4(g)分別為第三級、第二級和第一級的匹配結(jié)果圖，且圖中的方框位置即代表了實測圖在參考圖中的位置。
仿真實例3中，采用了合成孔徑雷達(SAR)圖像，尺寸大小為362×283像素，其中圖5(a)為參考圖像，圖5(b)為在參考圖上任意截取的實測圖，尺寸大小為122×75像素，圖5(c)和圖5(d)分別為參考圖和實測圖的第一級特征圖像；圖5(e)、圖5(f)和圖5(g)分別為第三級、第二級和第一級的匹配結(jié)果圖，且圖中的方框位置即代表了實測圖在參考圖中的位置。
當匹配級數(shù)為3時，從三種情況下的景象匹配結(jié)果圖看來，三種情況下的景象匹配結(jié)果均定位準確。為了進一步說明本發(fā)明提出的多級實時景象匹配方法的性能，本發(fā)明還進行了匹配級數(shù)為1時的景象匹配仿真研究，下面將用表格的形式對匹配結(jié)果加以對比分析說明。表4給出了用于景象匹配的圖像尺寸大小，表5給出了匹配級數(shù)為1時的景象匹配結(jié)果，表6給出了匹配級數(shù)為3時的景象匹配結(jié)果。
從表5和表6的匹配結(jié)果可以清楚看出，相比于僅采用一級景象匹配而言，采用三級景象匹配不僅能保證匹配結(jié)果的準確性，而且可大大縮短匹配計算時間。
表4用于景象匹配的圖像大小表
表5景象匹配結(jié)果(匹配級數(shù)＝1)
表5中的匹配位置和正確匹配位置的單位為像素；匹配參數(shù)的單位為加權Hausdorff距離。
表6景象匹配結(jié)果(匹配級數(shù)＝3)
表6中的③、②、①分別表示了第三級匹配、第二級匹配和第一級匹配。
表6中的匹配位置、最終匹配位置和正確匹配位置的單位為像素；匹配參數(shù)的單位為加權Hausdorff距離。
實際景象匹配仿真結(jié)果表明，光學圖像，光學衛(wèi)星(IKONOS)圖像和SAR圖像三種情況下的景象匹配結(jié)果均定位準確，相比于僅采用一級景象匹配而言，采用三級景象匹配不僅能保證匹配結(jié)果的準確性，而且可以大大縮短匹配計算時間。三種情況下的景象匹配均能夠在5s以內(nèi)完成。
因此，通過合理選擇圖像的大小和相應的分辨率以及景象匹配的級數(shù)就完全可以保證SAR景象匹配輔助導航系統(tǒng)對景象匹配的實時性和準確性的性能要求。
(4)本發(fā)明采用了組合導航系統(tǒng)，其優(yōu)點如下本發(fā)明特別針對SAR/INS組合導航系統(tǒng)，提出了高度輔助的SAR/INS組合導航系統(tǒng)實現(xiàn)方案，從而解決了景象匹配不能提供高度量測信息的問題。高度輔助的SAR/INS組合導航系統(tǒng)具有很高的定位精度和較強的自主性，而且通過提高SAR景象匹配定位的精度后，該組合導航系統(tǒng)的性能還會有大的提高。此組合導航系統(tǒng)方法也適用于其它具有相同特性的圖像傳感器和INS慣導系統(tǒng)組合。
本發(fā)明考慮到SAR/INS組合導航系統(tǒng)在實際工作時，由于景象匹配定位輸出需要耗用不等的匹配計算時間，從而造成了量測的不等間隔頻率輸出和量測信息滯后，采用常規(guī)的卡爾曼濾波方法難以獲得高的濾波精度。為此，本發(fā)明提出了采用非等間隔并解決滯后的濾波方法以解決上述問題。仿真結(jié)果表明，本發(fā)明提出的方法具有較高的濾波精度。并且，此濾波方法也同樣可以推廣到其它具有相同特性的組合導航系統(tǒng)中，因此具有較強的現(xiàn)實應用意義。
考慮到本發(fā)明所采用的景象匹配計算時間均能在5s以內(nèi)完成，同時考慮到SAR圖像數(shù)據(jù)生成的不等間隔和滯后，為此，組合導航仿真時設定景象匹配計算時間為1～5秒的隨機數(shù)，為了方便問題分析，取匹配計算時間為隨機的整數(shù)值，并選取狀態(tài)方程的離散化周期為1s。假設飛機做機動飛行，其飛行軌跡中含有爬升、變速、平飛和轉(zhuǎn)彎等各種飛行狀態(tài)，其飛行軌跡如圖6所示。飛機的初始位置為北緯32°、東經(jīng)118°、飛行高度為10000m；飛機的初始速度為300(m/s)，航向正北。設慣導系統(tǒng)的等效陀螺漂移為0.1°/h，等效加速度零偏為10-4g；陀螺一階馬爾可夫過程相關時間為3600s，加速度零偏一階馬爾可夫過程相關時間為1800s。設置SAR景象匹配定位的精度為位置誤差為30m，航向角度誤差為1°；氣壓高度表輸出高度誤差為50m。設置濾波器工作初始值如表7所示。
表7卡爾曼濾波器工作初始值
組合導航系統(tǒng)仿真共進行了3600s，采用協(xié)方差分析方法評估卡爾曼濾波器對組合導航系統(tǒng)狀態(tài)誤差的估計精度，為了說明問題，采用了常規(guī)卡爾曼濾波器，非等間隔卡爾曼濾波器和解決滯后效應的濾波方法三種情況進行仿真分析，其結(jié)果如圖6～圖15所示。由上述的組合導航系統(tǒng)仿真誤差曲線可以看出，采用非等間隔卡爾曼濾波器的精度要高于常規(guī)的卡爾曼濾波器精度；同時采用解決滯后效應的濾波方法的濾波精度也要高于采用非等間隔卡爾曼濾波器的精度，從而表明了本發(fā)明研究的采用非等間隔并解決滯后的濾波方法可以有效提高組合導航系統(tǒng)的濾波精度。采用三種不同的濾波方法所獲取的組合導航系統(tǒng)的穩(wěn)態(tài)誤差值見表7。
表8組合導航系統(tǒng)的穩(wěn)態(tài)誤差值
表8中的1、2、3分別表示常規(guī)卡爾曼濾波器，非等間隔卡爾曼濾波器和解決滯后效應的濾波方法三種情況。
綜上所述，本發(fā)明的方法具有提高導航系統(tǒng)精度、減少景象匹配搜索時間、提高系統(tǒng)的實時性、增強匹配結(jié)果抗干擾性的優(yōu)點。
本發(fā)明的仿真系統(tǒng)具備有以下優(yōu)點可以根據(jù)用戶要需要加載任意格式的圖片，對飛行航跡進行規(guī)劃，可采用時間和航路點兩種方法配準航跡文件，方便用戶，根據(jù)航跡文件能可靠的仿真航跡數(shù)據(jù)和IMU數(shù)據(jù)，通過景象匹配方法對實測圖和參考圖進行匹配，通過可視化二維顯示界面，可以直觀的看到匹配結(jié)果和修正慣性導航的結(jié)果。系統(tǒng)還具有保存和顯示航跡數(shù)據(jù)、慣導數(shù)據(jù)和匹配結(jié)果數(shù)據(jù)的功能。方便仿真后進行數(shù)據(jù)分析。同時，系統(tǒng)具有良好的人機操作界面。
四
圖1為SAR圖像實測圖與參考圖像匹配示意圖(旋轉(zhuǎn)7.5度，尺度變化1.05倍)，其中(a)為參考圖，(b)為實測圖，(c)為匹配圖；圖2為SAR圖像實測圖與參考圖像匹配示意圖(斑點噪聲n＝0.04)，其中(a)為參考圖，(b)為實測圖，(c)為匹配圖；圖3為Lena圖像實測與參考圖像匹配示意圖，其中(a)參考圖，(b)實測圖，(c)參考圖的特征圖，(d)實測圖的特征圖，(e)第三級匹配結(jié)果圖，(f)第二級匹配結(jié)果圖，(g)第一級匹配結(jié)果圖；圖4為光學衛(wèi)星(IKONOS)圖像實測與參考圖像匹配示意圖，其中，(a)參考圖，(b)實測圖，(c)參考圖的特征圖，(d)實測圖的特征圖，(e)第三級匹配結(jié)果圖，(f)第二級匹配結(jié)果圖，(g)第一級匹配結(jié)果圖；圖5為合成孔徑雷達(SAR)圖像實測與參考圖像匹配示意圖，其中，(a)為參考圖，(b)為實測圖，(c)參考圖的特征圖，(d)實測圖的特征圖，(e)第三級匹配結(jié)果圖，(f)第二級匹配結(jié)果圖，(g)第一級匹配結(jié)果圖；圖6飛行軌跡示意圖；圖7東向水平姿態(tài)誤差角示意圖；圖8北向水平姿態(tài)誤差角示意圖；圖9方位誤差角示意圖；圖10東向速度誤差示意圖；圖11北向速度誤差示意圖；圖12垂直速度誤差示意圖；
圖13緯度誤差示意圖；圖14經(jīng)度誤差示意圖；圖15高度誤差示意圖；圖16本發(fā)明的景象匹配輔助導航仿真系統(tǒng)總體結(jié)構(gòu)示意圖；圖17景象匹配輔助導航仿真系統(tǒng)軟件設計流程圖；圖18界面顯示設計圖；圖19航跡規(guī)劃實現(xiàn)流程圖；圖20航跡規(guī)劃對話框界面截圖；圖21航跡二維可視化模塊實現(xiàn)流程圖；圖22航跡二維可視化顯示模塊的界面截圖；圖23飛行控制模塊實現(xiàn)流程圖；圖24圖像對數(shù)極坐標變換示意圖；圖25ai的4-鄰域圖；圖263×3模板圖；圖27非等間隔量測中的時間關系圖；圖28景象匹配輔助導航雙機仿真系統(tǒng)的基本工作原理圖；圖29地形景象輔助仿真計算機串口通訊實現(xiàn)流程圖；圖30慣性導航仿真計算機串口通訊實現(xiàn)流程圖；圖31P2P服務器實現(xiàn)流程圖；圖32為網(wǎng)絡通訊實現(xiàn)流程圖。
五具體實施例方式
實施例1本實施為利用景象匹配提高導航系統(tǒng)精度的方法，包括下列步驟1.1組合導航系統(tǒng)中的地形景象匹配模塊根據(jù)地形數(shù)字圖片讀入地形數(shù)據(jù)地形數(shù)字圖片采用BMP格式4個字節(jié)的文件頭，50個字節(jié)的文件信息頭，圖片的數(shù)據(jù)自下而上存儲。首先讀入文件頭和文件信息頭，其中文件信息頭包含圖片的寬度和高度值，依據(jù)該信息可以正確的讀入圖片數(shù)據(jù)。由于景象匹配方法需要的圖片數(shù)據(jù)格式是自上而下的，所以需要把獲得的圖片數(shù)據(jù)進行反序之后再進行匹配；1.2根據(jù)當前慣性導航系統(tǒng)得到的經(jīng)緯度，在步驟1.1中的地形圖片中找到映射點；1.3以步驟1.2中所述的映射點為中心點，根據(jù)匹配時間的要求，從地形圖片數(shù)據(jù)中截取和當前慣導誤差范圍相當大小的參考圖的數(shù)據(jù)；匹配要求時間長，圖片則截取大一些，匹配要求時間短，圖片則截取小一些；本實施例中，截取3倍慣導誤差范圍大小的圖片因慣導系統(tǒng)存在一定的誤差漂移，導致步驟1.2中的位置信息并不準確。以已含有誤差的映射點為中心，上下左右放寬數(shù)倍當前慣導誤差范圍，以此截取出來的參考圖中必然包含了正確的位置點。
1.4對實測圖和參考圖進行匹配，該步驟包括下列步驟1.4.1進行抗變形粗匹配如圖24、圖25所示，設步驟1.4中的實測圖上任意一點為ai(i＝1，2，...，n)，參考圖上與之最匹配的點為bj(j＝1，2，...，m)，將實測圖以ai為中心，進行對數(shù)極坐標變換，根據(jù)其他n-1個點在極徑和極角映射圖中分布的數(shù)據(jù)N來匹配參考圖上的bj；為了增強匹配結(jié)果的抗干擾性，本步驟分別以欲匹配的點本身和它的4-鄰域點為中心計算其相應的對數(shù)極坐標映射圖，形成5組數(shù)據(jù)，共同參與匹配；本步驟通過下列公式實現(xiàn)笛卡兒坐標系下的圖像中的某一點(x，y)到極坐標系下圖像中的某一點(ρ，θ)的變換關系為ρ=log(x-xc)2+(y-yc)2]]>θ=arctan|y-ycx-xc|]]>其中，ρ為對數(shù)極坐標系中的極徑，θ為極角。(xc，yc)為旋轉(zhuǎn)發(fā)生的中心點。
設ρ∈[1，2，…，k]，令實測圖極坐標變換得到的映射數(shù)組為BH1，參考圖上任一點的映射數(shù)組為BH2，為了度量這兩個數(shù)組之間的相似程度，選用相關系數(shù)方法Rc和平均絕對值方法Rm，公式如下Rc=Σi=1kBH1(i)gBH2(i)[Σi=1kBH12(i)]12[Σi=1kBH22(i)]12...(1)]]>Rm=1kΣi=1k|BH1(i)-BH2(i)|...(2)]]>當Rc達到最大值所對應的點和Rm達到最小值所對應的點一致時，此點就是參考圖上與實測圖ai最匹配的點；兩幅圖像在粗匹配后，將進行初步的配準，并在數(shù)字地圖中裁減出相應大小的參考圖，用于下一步的精匹配；本步驟中，進行景象匹配時，并不是僅僅按照圖像中心點來做變換，而選取了圖像4-鄰域的點共同參與，克服了由于未知小尺度變化造成的圖像旋轉(zhuǎn)中心點的偏移，有利于找到更準確的景象匹配點。
1.4.2利用基于分支點的加權Hausdorff多級匹配方法進行精匹配如圖26所示，先進行去噪處理，具體步驟如下計算得到當前像素點P的8鄰域像素點值；設標志位flag1＝P1+P3+P5+P7；flag2＝(P1+P2+P3)(P5+P6+P7)+(P3+P4+P5)(P7+P8+P1)；若P＝0且flag1≥3，即P的4鄰域中有3個以上的值為1的點，則P＝1；否則，若P＝1且flag2＝0，則P＝0。
1.4.2.1提取分支點本步驟首先采用Canny算子獲得實測圖和參考圖的邊緣特征二值圖，再對所得的二值圖像進行細化，先進行第一次掃描(1)從左到右，從上到下順序掃描整幅圖像，計算當前像素點P的8鄰域像素點值；(2)令NC為P1、P2、P3、P4、P5、P6、P7、P8、P1中0值變1值的次數(shù)；(3)令NB＝P1+P2+P3+P4+P5+P6+P7+P8；(4)若當前像素點為1(保證為特征點)；NC＝1(保證連通性)且2≤NB≤6(排除P為端點和內(nèi)部點)；P1×P3×P7＝0且P1×P5×P7＝0(檢測東南邊界)；當P3或P5已標記時，若視P3、P5為0，依然有NC＝1(保證寬度為2的線條不斷開)，當上述4個條件全部滿足，則將該中心像素作標記；第二次掃描的基本步驟同第一次掃描，若當前像素點為1(保證為特征點)；NC＝1(保證連通性)且2≤NB≤6(排除P為端點和內(nèi)部點)；P1×P3×P5＝0且P3×P5×P7＝0(檢測西北邊界)；當P1或P7已標記時，若視P1、P7為0，依然有NC＝1，上述4個條件全部滿足，則將該中心像素作標記；兩次掃描完成后，去掉作標記的像素再重復第一、二次掃描，直到所有點都不可刪除為止，即完成了二值圖像細化；最后，再提取分支特征點分支點周圍像素的值從0變到1或從1變到0的次數(shù)T為6次，判斷公式如下T=Σi=18|Pi-Pi+1|,]]>其中，Pi＝0或1，P9＝P1。
由于邊緣特征二值圖中存在分支點，且這些分支點不易受噪聲的干擾。在細化后的二值圖中，提取這些分支點，并將其作為權值較大的特征點來計算加權Hausdorff距離，可以提高景象匹配的精度。
1.4.2.2運用加權Hausdorff精匹配方法進行匹配為了匹配被斑點噪聲污染的圖像，獲得更加準確的目標匹配結(jié)果，結(jié)合傳統(tǒng)Hausdorff距離定義，本發(fā)明采用加權Hausdorff距離WHD(Weighted Hausdorff Distance)的方法。具體公式如下按照公式采用加權Hausdorff距離WHD(Weighted Hausdorff Distance)的方法hWHD(A,B)=1NaΣa∈Aw(a)·d(a,B)]]>Σa∈Aw(a)=Na...(3)]]>其中，A、B是兩個點集，Na是點集A中特征點的總數(shù)，a是屬于A中的一個特征點，d(a，B)是點集A中的特征點a到點集B的距離，w(a)是此距離的權值，本發(fā)明為了提高景象匹配的準確性，采用以下的方法在邊緣特征二值圖像中，特征點分為一般特征點、分支點和欲排除的點三類，分別令其權值為w(c)、w(b)和w(e)。其中，w(e)為0；w(c)為1。將點集A中所有點到點集B的距離將按由小到大的順序排序，若取其中序號為k的距離為dk(A，B)，則可通過調(diào)整k的大小，將點集A的一個部分與點集B進行匹配，就可排除由噪聲點和漏檢點引起的匹配影響，其中k＝f×Na，0≤f≤1。同時令A中分支點的個數(shù)為no，即可得分支點的權值w(b)=Na-kno+1...(4)]]>1.4.2.3小波多級實時景象匹配方法設給定用于匹配的數(shù)字地圖為A，用于匹配的景物圖像為B，設定多級匹配的級數(shù)為j，且j＝1，2，...J，其中J表示最大匹配級數(shù)，并規(guī)定以兩倍抽取減小用于匹配的圖像尺寸大小。定義Aj為數(shù)字地圖A的第j級特征圖像，同理定義Bj為數(shù)字地圖B的第j級特征圖像。景象匹配首先從第J級開始，即j＝J開始，則多級景象匹配步驟如下(1)利用小波變換提取數(shù)字地圖A和景物圖像B的第j級特征圖像Aj和Bj；(2)利用加權Hausdorff距離對第j級特征圖像Aj和Bj進行景象匹配，按如下方式進行處理
①如果j＝J，則利用特征圖像Aj和Bj逐一計算Aj上每一個平移點上的加權Hausdorff距離值，并從中選擇由最小值所確定的平移點(xj，yj)作為第j級的匹配位置點，且定義此時的加權Hausdorff距離值為τj，則τj就反映了在該匹配位置點上的匹配精度，即匹配位置點相對于精確匹配位置點的距離；②如果j＜J，則僅利用特征圖像Aj和Bj計算Aj上以點(2×xj+1，2×yj+1)為中心，以2×τj+1為半徑的鄰域內(nèi)的每一個平移點上的加權Hausdorff距離值，并從中選擇由最小值所確定的平移點(xj，yj)作為第j級的匹配位置點，且定義此時的加權Hausdorff距離值為τj，其含義同①。
(3)當j＝1時，此時獲取的平移點(xj，yj)即為最終的匹配位置點，且此時的匹配參數(shù)τj即為最終的匹配定位參數(shù)；如果j≠1，則令j＝j-1，并重復上述(1)～(2)步。
該方法在以加權Hausdorff距離作為景象匹配相似性度量的基礎上，結(jié)合小波變換的多分辨率思想來提取多尺度圖像特征，從而實現(xiàn)了多級分層實時匹配，從而快速地獲得精確的匹配位置。
1.5利用上述的匹配結(jié)果對慣導進行修正1.5.1建立組合導航系統(tǒng)的數(shù)學模型為了進一步提高導航精度，以滿足長時間自主導航定位的需要，就必須采用組合導航技術。組合導航技術以慣導系統(tǒng)作為主導航系統(tǒng)，并用景象匹配定位系統(tǒng)作為輔助導航系統(tǒng)(定位誤差不隨時間積累)，通過一定的組合導航模型，從而大大提高導航精度。
如圖27所示，本發(fā)明采用非等間隔并解決滯后的卡爾曼濾波器進行組合，則組合導航系統(tǒng)的狀態(tài)方程為INS的誤差方程，導航坐標系選為東北天地理坐標系。慣性導航系統(tǒng)的誤差狀態(tài)方程為X·(t)=F(t)X(t)+G(t)W(t)...(5)]]>其中系統(tǒng)狀態(tài)變量定義為X＝[φE，φN，φU，δvE，δvN，δvU，δL，δλ，δh，εbx，εby，εbz，εrx，εry，εrz，x，y，z]T其中φE，φN，φU為平臺誤差角；δvE，δvN，δvU為速度誤差；δL，δλ，δh為緯度、經(jīng)度和高度誤差；εbx，εby，εbz，εrx，εry，εrz分別為陀螺常值漂移誤差和一階馬爾可夫漂移誤差；x，y，z為加速度計零偏。
在組合系統(tǒng)中，量測值有兩組。一組為水平方向的量測值，由INS輸出的航向角度、緯度和經(jīng)度與景象匹配給出的航向角度、緯度和經(jīng)度的差值構(gòu)成，如式(6)。另一組為高度方向的量測值，由INS輸出的高度和氣壓高度表輸出的高度的差值構(gòu)成，如式(7)。
Z1=ψI-ψs(LI-Ks)RM(λI-λs)RNcosL=φURMδLRNcosLδλ+V1V2V3=M100000M03×2M0000RM0M03×10M00000RNcosLMX+V1V2V3...(6)]]>式中V1為景象匹配輸出時的航向角度誤差，V2為東向位置誤差，V3為北向的位置誤差，其大小依賴于所采用的景象匹配定位方法的精度。
Z2＝[h1-he]＝δh+V2＝
X+V4(7)
式中V4為氣壓高度表輸出時的高度誤差。
由上述式(6)和(7)可以獲得組合導航系統(tǒng)的量測方程Z(t)＝H(t)X(t)+V(t)，其具體形式如式(8)Z=Z1ΛZ2=φURMδLRNcosLδλΛδh=M100000M03×2M0000RM0M03×10M00000RMcosLMΛΛΛΛΛΛΛΛΛΛ01×8M1M01×9X+V1V2V3ΛV4...(8)]]>由此，建立了組合導航系統(tǒng)數(shù)學模型中的狀態(tài)方程和量測方程。
1.5.2非等間隔及解決量測滯后的濾波方法得到步驟1.5.1中的數(shù)學模型后，還要考慮濾波技術。在慣性導航系統(tǒng)和景象匹配系統(tǒng)兩個系統(tǒng)輸出的基礎上，利用濾波技術去估計系統(tǒng)的各種誤差，再用誤差的估值去校正系統(tǒng)，即可達到組合兩個系統(tǒng)的目的。
由于景象匹配定位輸出需要耗用不等的匹配計算時間，因此，景象匹配輸出的定位信息具有固有的滯后效應。針對景象像匹配定位具有的不等間隔頻率輸出和量測信息滯后的特點，本發(fā)明提出了下述兩種濾波方法。
首先，采用解決非等間隔量測的濾波方法進行濾波定義INS的計算周期為TINS，非等間隔量測周期為TS4R，狀態(tài)方程的離散化周期為T，并令T＝N×TINS，且TSAR＝M×T，式中M、N均為正整數(shù)，這樣的關系總可以通過合理的M、N選擇而得到保證；下面以一個量測周期內(nèi)的處理過程為例，介紹本發(fā)明設計的非等間隔卡爾曼濾波器。其中，tk為某次景象匹配的開始時刻，tk+1為該次景象匹配的結(jié)束時刻，tk(i)表示tk+i×T(i＝0，1，2...，M)時刻。從圖27的時間關系圖，可以清楚地看出，當沒有量測信息的輸出時，可以在每一個時刻點tk(i)(i＝0，1，2...，M-1)，利用系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣的特性，只進行卡爾曼濾波器的時間更新；而在量測信息輸出的時刻tk(M)，同時進行卡爾曼濾波器的時間更新和量測更新，從而可以解決非等間隔量測的濾波問題。
非等間隔卡爾曼濾波方法為在tk(i)(i＝0，1，2...，M-1)時刻，相應的卡爾曼濾波時間更新方程為X^k(i)=Φk(i),k(i-1)X^k(i-1)...(9)]]>Pk(i)＝Φk(i)，k(i-1)Pk(i-1)Φk(i)，k(i-1)T+Γk(i-1)Qk(i-1)Γk(i-1)T(10)在tk(M)時刻，相應的卡爾曼濾波時間更新和量測更新方程為X^k(M)|k(M-1)=Φk(M),k(M-1)X^k(M-1)...(11)]]>X^k(M)=X^k(M)|k(M-1)+Kk(M)[Zk(M)-Hk(M)X^k(M)|k(M-1)]...(12)]]>Pk(M)＝Φk(M)，k(M-1)Pk(M-1)Φk(M)，k(M-1)T+Γk(M-1)Qk(M-1)Γk(M-1)T(13)
Kk(M)=Pk(M)|k(M-1)Hk(M)T(Hk(M)Pk(M)|k(M-1)Hk(M)T+Rk(M))-1...(14)]]>Pk(M)=(I-Kk(M)Hk(M))Pk(M)|k(M-1)(I-Kk(M)Hk(M))T+Kk(M)Rk(M)Kk(M)T...(15)]]>再采用解決量測滯后的濾波方法進行濾波利用上面提出的解決非等間隔量測的卡爾曼濾波方法，就可以很好地解決量測非等間隔的問題。不過在上面的濾波方法討論過程中，并沒有考慮景象匹配滯后效應的影響，從而會影響組合導航精度。為此，本部分主要是在上面提出的解決非等間隔卡爾曼濾波方法的基礎上，提出一種解決量測滯后的方案。
從上述的非等間隔量測中的時間關系圖27，可以看出，tk+1時刻的量測信息輸出對應于tk時刻的INS狀態(tài)，因此，可以利用一個數(shù)組A記錄下tk(i)(i＝0，1，2...，M)時刻的所有INS狀態(tài)信息，當在tk+1時刻有量測信息輸出時，利用該量測信息和數(shù)組A中記錄下來的tk時刻的INS狀態(tài)信息進行卡爾曼濾波處理，獲得tk時刻的卡爾曼濾波修正參數(shù)和相應的估計誤差均方誤差陣；然后利用系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣的特性，與上述非等間隔卡爾曼濾波時間更新方程類似，計算出tk+1時刻的修正參數(shù)和相應的估計誤差均方誤差陣，并利用該修正參數(shù)對tk+1時刻的INS狀態(tài)進行修正。
設在tk時刻，相應的卡爾曼濾波方程為X^k(0)|k(-1)=Φk(0),k(-1)X^k(-1)...(16)]]>X^k(0)=X^k(0)|k(-1)+Kk(0)[Zk(0)-Hk(0)X^k(0)|k(-1)]...(17)]]>Pk(0)＝Φk(0)，k(-1)Pk(-1)Φk(0)，k(-1)T+Γk(-1)Qk(-1)Γk(-1)T(18)Kk(0)=Pk(0)|k(-1)Hk(0)T(Hk(0)Pk(0)|k(-1)Hk(0)T+Rk(0))-1...(19)]]>Pk(0)=(I-Kk(0)Hk(0))Pk(0)|k(-1)(I-Kk(0)Hk(0))T+Kk(0)Rk(0)Kk(0)T...(20)]]>在tk+1時刻的修正參數(shù)和相應的估計誤差均方誤差陣計算方程為X^k(M)=Πi=1MΦk(i),k(i-1)X^k(i-1)...(21)]]>Pk(M)=Πi=1M[Φk(i),k(i-1)Pk(i-1)Φk(i),k(i-1)T+Γk(i-1)Qk(i-1)Γk(i-1)T]...(22)]]>至此，完成了一個航跡點的景象匹配輔助導航系統(tǒng)的全過程，當出現(xiàn)新的航跡點時，再進行上述景象匹配方法，不斷地循環(huán)下去則完成利用景象匹配提高導航系統(tǒng)導航精度的目的。
實施例2本實施例的組合導航仿真系統(tǒng)包括航跡規(guī)劃模塊、飛行控制模塊、航跡發(fā)生器、慣性導航模塊、地形景象匹配模塊和圖像顯示模塊，其中，本系統(tǒng)接受用戶指令后，在航跡規(guī)劃模塊中選擇并打開地形數(shù)字圖片文件并在圖像顯示模塊進行顯示，然后，設置地形圖片的地理位置，再選擇地形區(qū)域中的航路點，獲得該地形區(qū)域的航路點信息，完成航跡規(guī)劃；航跡規(guī)劃模塊的輸出信號輸入飛行控制模塊，在飛行控制模塊中，首先利用公式head＝a tan(RNcos Lδλ/RMδL)其中head為航向角，a為航向角變化率，L為經(jīng)度，λ為緯度，RN為卯酉圈半徑，RM為子午圈半徑，計算出當前航跡點和下一個航跡點之間的航向角，與當前導航輸出的航向角進行比較，根據(jù)航向差值，調(diào)整航跡發(fā)生器IMU仿真中的航向角速率仿真值，從而實現(xiàn)對航跡的控制；航跡發(fā)生器的輸出一路輸入慣性導航模塊，慣性導航模塊通過航跡發(fā)生器仿真的IMU數(shù)據(jù)，通過慣性導航算法，獲得慣性導航數(shù)據(jù)；另一路輸入地形景象匹配模塊，其中的組合導航系統(tǒng)需要使用航跡發(fā)生器仿真的IMU數(shù)據(jù)，獲得組合導航數(shù)據(jù)，同時，實測圖和參考圖進行匹配，輸出匹配結(jié)果，利用濾波算法，修正慣性導航結(jié)果，并將此過程的數(shù)據(jù)進行保存；地形景象匹配模塊的輸出數(shù)據(jù)輸入到圖像顯示模塊，此模塊動態(tài)顯示實測圖和參考圖，對導航結(jié)果進行可視化顯示，并三維顯示飛行器的飛行狀態(tài)。
圖像顯示模塊包括二維航跡局部顯示模塊、二維航跡全局顯示模塊、三維導航顯示模塊和可視化數(shù)據(jù)顯示模塊。二維航跡顯示模塊的主要目的是對真實航跡和慣性導航輸出航跡進行可視化顯示，從兩個航跡的變化直觀的表現(xiàn)地形景象匹配的結(jié)果和對慣性導航的修正。其中的二維航跡局部顯示模塊使導彈進入地形區(qū)域后，用戶能夠直觀的看到航跡按照航跡規(guī)劃模塊設置的航跡飛行，動態(tài)的反映了導彈的運動過程。二維航跡全局顯示模塊使用戶能夠直觀的看到整個導航過程的航跡大體變化過程。三維導航顯示模塊用于顯示飛行器的飛行狀態(tài)?？梢暬瘮?shù)據(jù)顯示模塊用于顯示導航數(shù)據(jù)和匹配結(jié)果的數(shù)據(jù)。
本實施例為實現(xiàn)本發(fā)明的組合導航仿真系統(tǒng)的雙機仿真系統(tǒng)，基本工作原理就是將航跡發(fā)生器的IMU仿真數(shù)據(jù)，通過串口或者網(wǎng)絡通訊技術發(fā)送給慣性導航仿真計算機，然后慣性導航仿真計算機將慣性導航結(jié)果發(fā)送給景象匹配計算機，最后完成地形的景象匹配和慣性導航結(jié)果的修正。景象匹配輔助導航雙機仿真系統(tǒng)的基本工作原理圖如圖28所示。
1)串口通訊的實現(xiàn)本發(fā)明采用多線程和Windows串口通訊API函數(shù)實現(xiàn)高效的串口通訊。景象匹配輔助仿真計算機串口通訊實現(xiàn)流程圖如圖29所示，慣性導航仿真計算機串口通訊實現(xiàn)流程圖如圖30所示，串口通訊的實現(xiàn)可采用圖29、圖30所示的流程中的一種。
2)網(wǎng)絡通訊的實現(xiàn)首先服務器在一個公網(wǎng)IP上等待景象匹配輔助仿真計算機和慣性導航仿真計算機的連接。一旦這兩個主機連接之后，服務器從接收到的IP數(shù)據(jù)包獲得這兩臺主機的IP地址，從UDP協(xié)議中，獲得這兩臺主機的通訊端口號。然后將一方的IP地址和端口號發(fā)送給另一方。實現(xiàn)的流程圖如圖31所示。連接服務器之后，景象匹配輔助仿真計算機和慣性導航仿真計算機都獲得了對方的外網(wǎng)IP地址和對應的端口號。但是這個時候還不能直接進行通訊，因為現(xiàn)在的網(wǎng)關是不允許外部的數(shù)據(jù)進入內(nèi)網(wǎng)的，除非內(nèi)網(wǎng)中有主機對該數(shù)據(jù)有需求。所以，經(jīng)過服務器的連接之后，這兩個主機還需要向各自的網(wǎng)關發(fā)送請求，允許對方的數(shù)據(jù)到達。為此，本實施例設計了一個數(shù)據(jù)傳輸請求的過程，實現(xiàn)的流程如圖32所示。
經(jīng)過服務器和數(shù)據(jù)通訊申請流程之后，景象匹配輔助仿真計算機和慣性導航仿真計算機便可以通過圖29和圖30的通訊流程來進行數(shù)據(jù)交換。實現(xiàn)了在不同局域網(wǎng)之間的仿真功能。
經(jīng)過串口和網(wǎng)絡的測試，景象匹配輔助導航雙機仿真系統(tǒng)不但能夠滿足實時性的要求，而且比單機系統(tǒng)的性能得到大大的提高。
本實施例的景象匹配輔助導航仿真系統(tǒng)驗證了景象匹配算法，演示了圖像匹配輔助導航的全過程，其總體結(jié)構(gòu)圖如圖16所示。其軟件設計流程圖如圖17所示。從整個系統(tǒng)的功能以及操作對系統(tǒng)進行功能劃分，其中主要可以分為以下幾個模塊航跡規(guī)劃模塊、飛行控制模塊、航跡發(fā)生器、慣性導航模塊、地形景象匹配模塊和圖像顯示模塊。選擇了微軟公司的Windows XP/2000操作系統(tǒng)，程序設計語言采用C/C++，開發(fā)平臺采用Visual C++6.0，使用Visual C++6.0自帶的MFC4.2標準類庫進行編程。
1、圖像顯示模塊實現(xiàn)景象匹配輔助導航仿真系統(tǒng)的界面顯示主要包括二維航跡局部顯示、二維航跡全局顯示、三維導航顯示和可視化數(shù)據(jù)顯示，界面設計規(guī)劃如圖18所示。使用分割窗口的方法對四個窗口的位置和顯示進行管理。
利用Visual C++6.0開發(fā)工具，首先將CMyView和CMatchingStatic分割在主窗口的左邊和右邊，然后將三維顯示窗口CMyOpenGlStatic和可視化數(shù)字顯示窗口CShowNavValueView分割在CMyView的上部和下部。程序?qū)崿F(xiàn)代碼如下m_wndSplitter.CreateStatic(this，1，2)；m_wndSplitter.SetColumnInfo(0，350，350)；m_wndSplitter.CreateView(0，1，RUNTIME_CLASS(CShowMatching)，CSize(600，0)，pContext)；m_wndSplitter1.CreateStatic(&m_wndSplitter，2，1，WS_CHILD|WS_VISIBLE，m_wndSplitter.IdFromRowCol(0，0))；m_wndSplitter1.CreateView(0，0，RUNTIME_CLASS(CMyView)，CSize(0，125)，pContext)；m_wndSplitter1.CreateView(1，0，RUNTIME_CLASS(CShowNavValueView)，CSize(0，500)，pContext)；SetActiveView((CView*)m_wndSplitter.GetPane(0，1))；2、航跡規(guī)劃模塊實現(xiàn)本實施例采用Visual C++6.0中的MFC對話框類來實現(xiàn)航跡規(guī)劃模塊，利用MFC的CFileDialog類選擇地形文件，利用CDib類加載和顯示地形圖片。實現(xiàn)的流程圖如圖19所示。航跡規(guī)劃模塊的界面顯示圖如圖20所示。
首先用戶通過航跡規(guī)劃模塊的文件選擇對話框打開所需要的地形數(shù)字圖片文件，然后可以選擇普通和邊緣兩種模式對地形圖片進行顯示。普通模式顯示地形的8位灰度原始圖；邊緣顯示主要是利用景象匹配算法中的提取圖片邊緣圖算法實現(xiàn)，通過邊緣圖，可以直觀的了解到地形圖片中哪些區(qū)域比較適合進行景象匹配。調(diào)用地形設置對話框設置地形圖片的地理位置之后，用戶可以通過鼠標選擇地形區(qū)域中的航路點，程序通過計算獲得該地形區(qū)域的航路點信息，然后通過表9格式的航跡配置文件格式將所需要的航跡信息寫入文件。實現(xiàn)了對飛行航跡的規(guī)劃。
3、航跡二維可視化顯示模塊實現(xiàn)實現(xiàn)的流程圖如圖21所示。
局部顯示實現(xiàn)本發(fā)明對航跡進行了局部顯示。實現(xiàn)的方法為將分辨率disting設置為一個合適的分辨率，根據(jù)實際需要，本文默認設置為0.0001，即能將航跡分辨到10米的動態(tài)變化。用戶可以根據(jù)自己的需要，調(diào)用設置分辨率對話框CSetDistinguishDlg進行修改。
全局顯示實現(xiàn)實現(xiàn)的方法為將分辨率disting設置為一個合適的分辨率，根據(jù)實際需要，本文默認設置為0.01，即能將分辨1000米的動態(tài)航跡變化。用戶可以根據(jù)自己的需要，調(diào)用設置分辨率對話框CSetDistinguishDlg進行修改。這樣雖然分辨率降低了，但是用戶能夠直觀的看到整個導航過程的航跡大體變化過程。
地形圖片顯示實現(xiàn)首先讀入地形配置文件中的地形圖片文件路徑和地形經(jīng)緯度，文件格式如表9所示。然后將當前航跡的經(jīng)緯度與地形圖片的經(jīng)緯度進行比較，根據(jù)公式1判斷航跡是否進入地形區(qū)域，ΔL1＞0、ΔL2＜0、ΔL3＞0及ΔL4＜0時表示進入了地形區(qū)域。如果進入地形區(qū)域，計算地形的經(jīng)緯度在二維航跡局部顯示坐標系中的位置，最后采用CDib類對地形圖片進行顯示。
ΔL1=longtitude_track-longtitude_terrain_littleΔL2=longtitude_track-longtitude_terrain_bigΔL3=latitude_track-latitude_terrain_littleΔL4=latitude_track-latitude_terrain_big]]>航跡二維可視化顯示的界面截圖如圖22所示。
4、飛行控制模塊實現(xiàn)首先在航跡控制點，程序從航跡配置文件中讀入下一個航路點的航跡信息。然后利用式2計算出當前航跡點和下一個航跡點之間的航向角，與當前導航輸出的航向角進行比較。根據(jù)航向差值，調(diào)整航跡發(fā)生器IMU仿真中的航向角速率仿真值，從而實現(xiàn)對航跡的控制。根據(jù)仿真的需要，本發(fā)明對航向角速率的最大控制值為30度/秒。如果當前航跡點和下一個航跡點之間的航向角與當前導航輸出的航向角的差值大于30度，則按30度/秒的航向變化率進行控制；否則按照兩者的差值大小作為控制值進行航向轉(zhuǎn)向控制。由于航向控制過程需要經(jīng)過多個航路點，所以對接下來的飛行航跡點進行循環(huán)修正，直到兩者差值在控制范圍之內(nèi)為止。本發(fā)明根據(jù)實際情況出發(fā)，默認的航向差值范圍為-0.01～0.01度之間。飛行控制模塊的實現(xiàn)流程圖如圖23所示。
head＝a tan(RNcos Lδλ/RMδL)其中head為航向角，a為航向角變化率，L為經(jīng)度，λ為緯度，RN為卯酉圈半徑，RM為子午圈半徑。
權利要求
1.一種利用景象匹配提高導航系統(tǒng)導航精度的方法，其特征在于包括下列步驟1.1組合導航系統(tǒng)中的地形景象匹配模塊根據(jù)地形數(shù)字圖片讀入地形數(shù)據(jù)1.2根據(jù)當前慣性導航系統(tǒng)得到的經(jīng)緯度，在步驟1.1中的地形圖片中找到映射點；1.3以步驟1.2中所述的映射點為中心點，根據(jù)匹配時間的要求，從地形圖片數(shù)據(jù)中截取和當前慣導誤差范圍相當大小的參考圖的數(shù)據(jù)；1.4對實測圖和參考圖進行匹配，該步驟包括下列步驟1.4.1進行抗變形粗匹配設步驟1.4中的實測圖上任意一點為ai(i＝1，2，...，n)，參考圖上與之最匹配的點為bj(j＝1，2，...，m)，將實測圖以ai為中心，進行對數(shù)極坐標變換，根據(jù)其他n-1個點在極徑和極角映射圖中分布的數(shù)據(jù)N來匹配參考圖上的bj；為了增強匹配結(jié)果的抗干擾性，本步驟分別以欲匹配的點本身和它的4-鄰域點為中心計算其相應的對數(shù)極坐標映射圖，形成5組數(shù)據(jù)，共同參與匹配；本步驟通過下列公式實現(xiàn)笛卡兒坐標系下的圖像中的某一點(x，y)到極坐標系下圖像中的某一點(ρ，θ)的變換關系為ρ=log(x-xc)2+(y-yc)2]]>θ=arctan|y-ycx-xc|]]>其中，ρ為對數(shù)極坐標系中的極徑，θ為極角，(xc，yc)為旋轉(zhuǎn)發(fā)生的中心點；設ρ∈[1，2，...，k]，令實測圖極坐標變換得到的映射數(shù)組為BH1，參考圖上任一點的映射數(shù)組為BH2，為了度量這兩個數(shù)組之間的相似程度，選用相關系數(shù)方法Rc和平均絕對值方法Rm，公式如下Rc=Σi=1kBH1(i)gBH2(i)[Σi=1kBH12(i)]12[Σi=1kBH22(i)]12---(1)]]>Rm=1kΣi=1k|BH1(i)-BH2(i)|---(2)]]>當Rc達到最大值所對應的點和Rm達到最小值所對應的點一致時，此點就是參考圖上與實測圖ai最匹配的點；兩幅圖像在粗匹配后，將進行初步的配準，并在數(shù)字地圖中裁減出相應大小的參考圖，用于下一步的精匹配；1.4.2利用基于分支點的加權Hausdorff多級匹配方法進行精匹配1.4.2.1提取分支點本步驟首先采用Canny算子獲得步驟1.4所得的實測圖和參考圖的邊緣特征二值圖，再對所得的二值圖像進行細化，先進行第一次掃描(1)從左到右，從上到下順序掃描整幅圖像，計算當前像素點P的8鄰域像素點值；(2)令NC為P1、P2、P3、P4、P5、P6、P7、P8、P1中0值變1值的次數(shù)；(3)令NB＝P1+P2+P3+P4+P5+P6+P7+P8；(4)若當前像素點為1(保證為特征點)；NC＝1(保證連通性)且2≤NB≤6(排除P為端點和內(nèi)部點)；P1×P3×P7＝0且P1×P5×P7＝0(檢測東南邊界)；當P3或P5已標記時，若視P3、P5為0，依然有NC＝1(保證寬度為2的線條不斷開)，當上述4個條件全部滿足，則將該中心像素作標記；第二次掃描的基本步驟同第一次掃描，若當前像素點為1(保證為特征點)；NC＝1(保證連通性)且2≤NB≤6(排除P為端點和內(nèi)部點)；P1×P3×P5＝0且P3×P5×P7＝0(檢測西北邊界)；當P1或P7已標記時，若視P1、P7為0，依然有NC＝1，上述4個條件全部滿足，則將該中心像素作標記；兩次掃描完成后，去掉作標記的像素再重復第一、二次掃描，直到所有點都不可刪除為止，即完成了二值圖像細化；最后，再提取分支特征點分支點周圍像素的值從0變到1或從1變到0的次數(shù)T為6次，判斷公式如下T=Σi=18|Pi-Pi+1|,]]>其中，Pi＝0或1，P9＝P11.4.2.2運用加權Hausdorff精匹配方法進行匹配按照公式采用加權Hausdorff距離WHD的方法hWHD(A,B)=1NaΣa∈Aw(a)·d(a,B)]]>Σa∈Aw(a)=Na---(3)]]>其中，A、B是兩個點集，Na是點集A中特征點的總數(shù)，a是屬于A中的一個特征點，d(a，B)是點集A中的特征點a到點集B的距離，w(a)是此距離的權值；在邊緣特征二值圖像中，特征點分為一般特征點、分支點和欲排除的點三類，分別令其權值為w(c)、w(b)和w(e)，其中，w(e)為0，w(c)為1，將點集A中所有點到點集B的距離將按由小到大的順序排序，若取其中序號為k的距離為dk(A，B)，則可通過調(diào)整k的大小，將點集A的一個部分與點集B進行匹配，就可排除由噪聲點和漏檢點引起的匹配影響，其中k＝f×Na，0≤f≤1，同時令A中分支點的個數(shù)為no，即可得分支點的權值w(b)=Na-kno+1---(4)]]>1.4.2.3小波多級實時景象匹配方法設給定用于匹配的數(shù)字地圖為A，用于匹配的景物圖像為B，設定多級匹配的級數(shù)為j，且j＝1，2，...J，其中J表示最大匹配級數(shù)，并規(guī)定以兩倍抽取減小用于匹配的圖像尺寸大小，定義Aj為數(shù)字地圖A的第j級特征圖像，同理定義Bj為數(shù)字地圖B的第j級特征圖像，景象匹配首先從第J級開始，即j＝J開始，則多級景象匹配步驟如下(1)利用小波變換提取數(shù)字地圖A和景物圖像B的第j級特征圖像Aj和Bj；(2)利用加權Hausdorff距離對第j級特征圖像Aj和Bj進行景象匹配，按如下方式進行處理①如果j＝J，則利用特征圖像Aj和Bj逐一計算Aj上每一個平移點上的加權Hausdorff距離值，并從中選擇由最小值所確定的平移點(xj，yj)作為第j級的匹配位置點，且定義此時的加權Hausdorff距離值為τj，則τj就反映了在該匹配位置點上的匹配精度，即匹配位置點相對于精確匹配位置點的距離；②如果j＜J，則僅利用特征圖像Aj和Aj計算Aj上以點(2×xj+1，2×yj+1)為中心，以2×τj+1為半徑的鄰域內(nèi)的每一個平移點上的加權Hausdorff距離值，并從中選擇由最小值所確定的平移點(xj，yj)作為第j級的匹配位置點，且定義此時的加權Hausdorff距離值為τj，其含義同①；(3)當j＝1時，此時獲取的平移點(xj，yj)即為最終的匹配位置點，且此時的匹配參數(shù)τj即為最終的匹配定位參數(shù)；如果j≠1，則令j＝j-1，并重復上述(1)～(2)步。1.5利用上述的匹配結(jié)果對慣導進行修正1.5.1建立組合導航系統(tǒng)的數(shù)學模型采用非等間隔并解決滯后的卡爾曼濾波器進行組合，則組合導航系統(tǒng)的狀態(tài)方程為INS的誤差方程，導航坐標系選為東北天地理坐標系，慣性導航系統(tǒng)的誤差狀態(tài)方程為X·(t)=F(t)X(t)+G(t)W(t)---(5)]]>其中系統(tǒng)狀態(tài)變量定義為X＝[φE，φN，φU，δvE，δvN，δvU，δL，δλ，δh，εbx，εby，εbz，εrx，εry，εrz，x，y，z]T其中φE，φN，φU為平臺誤差角；δvE，δvN，δvU為速度誤差；δL，δλ，δh為緯度、經(jīng)度和高度誤差；εbx，εby，εbz，εrx，εry，εrz分別為陀螺常值漂移誤差和一階馬爾可夫漂移誤差；x，y，z為加速度計零偏；在組合系統(tǒng)中，量測值有兩組，一組為水平方向的量測值，由INS輸出的航向角度、緯度和經(jīng)度與景象匹配給出的航向角度、緯度和經(jīng)度的差值構(gòu)成，如式(6)；另一組為高度方向的量測值，由INS輸出的高度和氣壓高度表輸出的高度的差值構(gòu)成，如式(7)Z1=ψI-ψs(LI-Ls)RM(λI-λs)RNcosL=φURMδLRN6cosLδλ+V1V2V3M100000M03×2M0000RM0M03×10M00000RNcosLMX+V1V2V3---]]>式中V1為景象匹配輸出時的航向角度誤差，V2為東向位置誤差，V3為北向的位置誤差，其大小依賴于所采用的景象匹配定位方法的精度。Z2＝[hI-he]＝δh+V2＝
X+V4(7)式中V4為氣壓高度表輸出時的高度誤差。由上述式(6)和(7)可以獲得組合導航系統(tǒng)的量測方程Z(t)＝H(t)X(t)+V(t)，其具體形式如式(8)Z=Z1ΛZ2=φURMδLRNcosLδλΛδ8h=M100000M03×2M0000RM0M03×10M00000RNcosLMΛΛΛΛΛΛΛΛΛΛ01×8M1M01×9X+V1V2V3ΛV4---]]>由此，建立了組合導航系統(tǒng)數(shù)學模型中的狀態(tài)方程和量測方程；1.5.2非等間隔及解決量測滯后的濾波方法得到步驟1.5.1中的數(shù)學模型后，進行濾波，在慣性導航系統(tǒng)和景象匹配系統(tǒng)兩個系統(tǒng)輸出的基礎上，利用濾波技術去估計系統(tǒng)的各種誤差，再用誤差的估值去校正系統(tǒng)，即可達到組合兩個系統(tǒng)的目的；首先，采用解決非等間隔量測的濾波方法進行濾波定義INS的計算周期為TINS，非等間隔量測周期為TSAR，狀態(tài)方程的離散化周期為T，并令T＝N×TINS，且TSAR＝M×T，式中M、N均為正整數(shù)，這樣的關系總可以通過合理的M、N選擇而得到保證，采用下列公式進行濾波在tk(i)(i＝0，1，2，...，M-1)時刻，相應的卡爾曼濾波時間更新方程為X^k(i)=Φk(i),k(i-1)X^k(i-1)---(9)]]>Pk(i)＝Φk(i)，k(i-1)Pk(i-1)Φk(i)，k(i-1)T+Γk(i-1)Qk(i-1)Γk(i-1)T(10)在tk(M)時刻，相應的卡爾曼濾波時間更新和量測更新方程為X^k(M)|k(M-1)=Φk(M),k(M-1)X^k(M-1)---(11)]]>X^k(M)=X^k(M)|k(M-1)+Kk(M)[Zk(M)-Hk(M)X^k(M)|k(M-1)]---(12)]]>Pk(M)＝Φk(M)，k(M-1)Pk(M-1)Φk(M)，k(M-1)T+Γk(M-1)Qk(M-1)Γk(M-1)T(13)Kk(M)=Pk(M)|k(M-1)Hk(M)T(Hk(M)Pk(M)|k(M-1)Hk(M)T+Rk(M))-1---(14)]]>Pk(M)=(I-Kk(M)Hk(M))Pk(M)|k(M-1)(I-Kk(M)Hk(M))T+Kk(M)Rk(M)Kk(M)T---(15)]]>其中，tk為某次景象匹配的開始時刻，tk+1為該次景象匹配的結(jié)束時刻，tk(i)表示tk+i×T(i＝0，1，2，...，M)時刻；再采用解決量測滯后的濾波方法進行濾波利用一個數(shù)組A記錄下tk(i)(i＝0，1，2，...，M)時刻的所有INS狀態(tài)信息，當在tk+1時刻有量測信息輸出時，利用該量測信息和數(shù)組A中記錄下來的tk時刻的INS狀態(tài)信息進行卡爾曼濾波處理，獲得tk時刻的卡爾曼濾波修正參數(shù)和相應的估計誤差均方誤差陣；然后利用系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣的特性，與上述非等間隔卡爾曼濾波時間更新方程類似，計算出tk+1時刻的修正參數(shù)和相應的估計誤差均方誤差陣，并利用該修正參數(shù)對tk+1時刻的INS狀態(tài)進行修正；設在tk時刻，相應的卡爾曼濾波方程為X^k(0)|k(-1)=Φk(0),k(-1)X^k(-1)---(16)]]>X^k(0)=X^k(0)|k(-1)+Kk(0)[Zk(0)-Hk(0)X^k(0)|k(-1)]---(17)]]>Pk(0)＝Φk(0)，k(-1)Pk(-1)Φk(0)，k(-1)T+Γk(-1)Qk(-1)Γk(-1)T(18)Kk(0)=Pk(0)|k(-1)Hk(0)T(Hk(0)Pk(0)|k(-1)Hk(0)T+Rk(0))-1---(19)]]>Pk(0)=(I-Kk(0)Hk(0))Pk(0)|k(-1)(I-Kk(0)Hk(0))T+Kk(0)Rk(0)Kk(0)T---(20)]]>在tk+1時刻的修正參數(shù)和相應的估計誤差均方誤差陣計算方程為X^k(M)=Πi=1MΦk(i),k(i-1)X^k(i-1)---(21)]]>Pk(M)=Πi=1M[Φk(i),k(i-1)Pk(i-1)Φk(i),k(i-1)T+Γk(i-1)Qk(i-1)Γk(i-1)T]---(22)]]>至此，完成了一個航跡點的景象匹配輔助導航系統(tǒng)的全過程，當出現(xiàn)新的航跡點時，再進行上述景象匹配方法，不斷地循環(huán)下去則完成利用景象匹配提高導航系統(tǒng)導航精度的目的。
2.如權利要求1所述的利用景象匹配提高導航系統(tǒng)導航精度的方法，其特征在于步驟1.4.2.1中的利用基于分支點的加權Hausdorff多級匹配方法進行精匹配步驟中，在進行分支點的提取前，先進行去噪處理，具體步驟如下計算得到當前像素點P的8鄰域像素點值；設標志位flag1＝P1+P3+P5+P7，flag2＝(P1+P2+P3)(P5+P6+P7)+(P3+P4+P5)(P7+P8+P1)；若P＝0且flag1≥3，即P的4鄰域中有3個以上的值為1的點，則P＝1；否則，若P＝1且flag2＝0，則P＝0。
3.一種如權利要求1所述的利用景象匹配提高導航系統(tǒng)導航精度的方法的組合導航仿真系統(tǒng)，其特征在于，包括航跡規(guī)劃模塊、飛行控制模塊、航跡發(fā)生器、慣性導航模塊、地形景象匹配模塊和圖像顯示模塊，其中，本系統(tǒng)接受用戶指令后，在航跡規(guī)劃模塊中選擇并打開地形數(shù)字圖片文件并在圖像顯示模塊進行顯示，然后，設置地形圖片的地理位置，再選擇地形區(qū)域中的航路點，獲得該地形區(qū)域的航路點信息，完成航跡規(guī)劃；航跡規(guī)劃模塊的輸出信號輸入飛行控制模塊，在飛行控制模塊中，首先利用公式head＝atan(RNcosLδλ/RMδL)其中head為航向角，a為航向角變化率，L為經(jīng)度，λ為緯度，RN為卯酉圈半徑，RM為子午圈半徑，計算出當前航跡點和下一個航跡點之間的航向角，與當前導航輸出的航向角進行比較，根據(jù)航向差值，調(diào)整航跡發(fā)生器IMU仿真中的航向角速率仿真值，從而實現(xiàn)對航跡的控制；航跡發(fā)生器的輸出一路輸入慣性導航模塊，慣性導航模塊通過航跡發(fā)生器仿真的IMU數(shù)據(jù)，獲得慣性導航數(shù)據(jù)，另一路輸入地形景象匹配模塊，其中的組合導航系統(tǒng)需要使用航跡發(fā)生器仿真的IMU數(shù)據(jù)，獲得組合導航數(shù)據(jù)，同時，實測圖和參考圖進行匹配，輸出匹配結(jié)果，利用濾波算法，修正慣性導航結(jié)果，并將此過程的數(shù)據(jù)進行保存；地形景象匹配模塊的輸出數(shù)據(jù)輸入到圖像顯示模塊，此模塊動態(tài)顯示實測圖和參考圖，對導航結(jié)果進行可視化顯示，并三維顯示飛行器的飛行狀態(tài)。
4.如權利要求3所述的組合導航仿真系統(tǒng)，其特征在于，圖像顯示模塊包括二維航跡局部顯示模塊、二維航跡全局顯示模塊、三維導航顯示模塊和可視化數(shù)據(jù)顯示模塊。
全文摘要
本發(fā)明公開了一種利用景象匹配提高導航系統(tǒng)導航精度的方法，包括下列步驟1.1組合導航系統(tǒng)中的地形景象匹配模塊根據(jù)地形數(shù)字圖片讀入地形數(shù)據(jù)1.2根據(jù)當前慣性導航系統(tǒng)得到的經(jīng)緯度，在步驟1.1中的地形圖片中找到映射點；1.3以步驟1.2中所述的映射點為中心點，從地形圖片數(shù)據(jù)中截取參考圖的數(shù)據(jù)；1.4對實測圖和參考圖進行匹配；1.5利用上述的匹配結(jié)果對慣導進行修正，本方法可以大幅度提高慣導系統(tǒng)的導航精度。本發(fā)明還公開了一種利用該方法的組合導航仿真系統(tǒng)，包括航跡規(guī)劃模塊、飛行控制模塊、航跡發(fā)生器、慣性導航模塊、地形景象匹配模塊和圖像顯示模塊，具有很高的定位精度和較強的自主性，具有良好的人機操作界面。
文檔編號G01S1/00GK101046387SQ20061004113
公開日2007年10月3日 申請日期2006年8月7日 優(yōu)先權日2006年8月7日
發(fā)明者冷雪飛, 劉建業(yè), 熊智, 賴際舟, 曾慶化, 李榮冰, 孫永榮, 趙偉 申請人:南京航空航天大學