一种地理矢量图与SAR图像匹配辅助惯性导航方法

本发明属于飞行器组合导航，具体涉及一种地理矢量图与sar图像匹配辅助惯性导航方法。

背景技术：

1、自主、高精度导航是长航时无人飞行器的核心技术。惯性导航系统是飞行器自主导航的核心系统，是导航精度的决定者。惯性导航系统虽然具有短时导航精度高的特点，但惯性导航系统工具误差对导航误差的影响具有累积效应，导航误差随着时间呈级数增长，长航时条件下导航误差累积效应使得飞行器根本无法满足导航精度的要求。因此，必须采取有效手段修正惯性系统误差，解决飞行器长航时自主导航精度难题。

2、景象匹配辅助惯性导航系统进行误差修正，是主要的组合导航方式之一。目前的景象匹配主要采用可见光、红外、sar等栅格图像进行匹配定位，但栅格图像数据量巨大，一幅5m分辨率10km*10km的灰度栅格图像数据量高达3.8gb，受飞行器存储条件的限制，无法实现大范围匹配定位的需求；同时，基于栅格图像的匹配方法容易受到环境及人为因素干扰，抗干扰能力差，无法满足实际应用的需求。

技术实现思路

1、本发明利用地理矢量图数据量小、易于获取、无损变换的特点，根据仿生导航的原理建立双任务监督孪生神经网络匹配模型，在飞行前装订大范围的地理矢量基准数据，在飞行中利用地理矢量图与sar图像进行匹配定位，修正长航时条件下的惯性系统导航误差，提高长航时条件下飞行器导航精度。

2、为了实现上述的技术效果，本发明第一方面提供一种地理矢量信息与sar图像匹配辅助惯性导航方法，包括：

3、s1：建立基于地理矢量图与sar图像端到端的双任务监督孪生神经网络匹配模型；

4、s2：训练s1建立的双任务监督孪生神经网络匹配模型；

5、s3：将s2训练后的双任务监督孪生神经网络匹配模型装订到飞行器；

6、s4：将匹配区地理矢量图装订到飞行器；

7、s5：将s4装订的匹配区地理矢量图转换为视场基准图；

8、s6：利用s3装订的双任务监督孪生神经网络匹配模型对飞行器相机拍摄sar图像和s5的视场基准图进行匹配，得到双任务监督孪生神经网络输出的匹配点坐标；

9、s7：计算s6双任务监督孪生神经网络匹配点坐标所对应的地面距离，进而计算匹配点坐标，用匹配点坐标更换惯性导航系统坐标，从而修正惯性导航误差，提高飞行器导航精度。

10、优选地，双任务监督孪生神经网络匹配模型包括特征提取层、分割层和卷积互相关层；

11、其中，双任务监督孪生神经网络匹配模型的输入分别为sar图像和地理矢量图，通过权重共享的孪生特征提取层，分别输出sar特征矩阵tf和地理矢量特征矩阵tg，通过分割层对sar特征矩阵tf提取分割二值图，sar特征矩阵tf和地理矢量特征矩阵tg通过卷积互相关输出相关预测热度图w。

12、优选地，s2包括：

13、s2.1：匹配损失loss1为：

14、

15、

16、其中，y代表sar图像在矢量图像中的相对位置作为标签生成的标签二值图像，|y-|和|y+|分别表示标签二值图像正确匹配位置标签值和错误匹配位置标签值，pr(yj＝1,w)表示yj＝1处相关预测热度图w的数值，pr(yj＝0,w)表示yi＝0处预测热度图w的数值，y＝{yj,j＝1,…,n}，yj∈{0,1}，n＝(ws-wt+1)*(hs-ht+1)，ws、hs分别表示地理矢量图的宽和高，wt、ht分别表示sar图像的宽和高，yj表示第j个像素值；

17、s2.2：分割损失函数loss2为：

18、

19、

20、loss2＝bceloss+diceloss

21、其中，n表示sar图像的像素点总数，logp(yi＝1)表示预测类别的对数概率；|a|和|b|分别表示sar图像经过双任务监督孪生神经网络匹配输出的二值分割预测图a和匹配标签二值图b中道路像素点的个数，|a∩b|表示a和b之间的交集像素点个数；

22、s2.3：损失函数loss为匹配损失loss1和分割损失loss2的加权和：

23、loss＝βloss1+(1-β)loss2,β∈[0,1]

24、β为加权系数；

25、根据损失函数采用批训练方法，对样本集进行100轮训练，得到最终训练好的双任务监督孪生神经网络匹配模型snet。

26、优选地，s4具体为：根据飞行器飞行航迹，装订长航时飞行ts后的纬度、经度和高程计算惯性导航误差分布范围，装订惯性导航误差范围内的地理矢量图作为匹配区；装订匹配区左上角点的纬度、经度(b0,l0,h0)；装订匹配区纬度方向1m地面距离对应的纬度变化量kb、经度方向1m地面距离对应的经度变化量kl。

27、优选地，s5具体为：

28、根据惯性导航系统输出的纬度、经度和高程(b,l,h)，当与装订的距离小于100m时，提取装订的匹配区地理矢量图，根据高程投影为原始基准图g，根据惯性导航系统输出的航向角a计算视场转换矩阵ca：

29、

30、将原始基准图g转换为视场基准图ga：

31、ga＝cag。

32、优选地，s6具体为：

33、飞行器相机拍摄sar图像f，利用装订后的双任务监督孪生神经网络匹配模型snet对sar图像和视场基准图ga进行匹配：

34、(xa,ya)＝snet(f,ga)

35、式中，(xa,ya)为双任务监督孪生神经网络输出的匹配点坐标，xa、ya分别为匹配点距离视场基准图ga左上角点在宽和高方向上的像素距离。

36、优选地，s7包括：

37、s7.1：根据惯性导航系统输出的高程h和装订的匹配区高程h0，计算飞行器离地高程：

38、h＝h-h0；

39、s7.2：根据飞行器相机成像宽度方向视场半锥角λw、成像高度方向视场半锥角λh、宽度成像分辨率pw、高度成像分辨率ph，计算双任务监督孪生神经网络输出的匹配点坐标(xa,ya)对应的地面距离(δxa,δya)：

40、

41、将地面距离(δxa,δya)转换到原始基准图坐标系下的地面距离(δx,δy)：

42、

43、式中，tg为三角函数tan，为视场转换矩阵ca的转置矩阵，δx为匹配点沿纬度方向距离原始基准图左上角点的地面距离，δy为匹配点沿经度方向距离原始基准图左上角的地面距离；

44、s7.3：计算匹配点坐标

45、

46、式中，为匹配点纬度，为匹配点经度；

47、s7.4：用匹配点坐标更换惯性导航系统坐标(b,l,h)，从而修正惯性导航误差，提高飞行器导航精度。

48、本发明第二方面还提供一种地理矢量信息与sar图像匹配辅助惯性导航系统，实现辅助惯性导航，所述辅助惯性导航的实现是基于地理矢量信息与sar图像匹配辅助惯性导航方法。

49、本发明第三方面还提供一种地理矢量信息与sar图像匹配辅助惯性导航设备，实现辅助惯性导航，所述控制设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现地理矢量信息与sar图像匹配辅助惯性导航方法。

50、本发明第四方面还提供一种计算机可读存储介质，实现辅助惯性导航，所述存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现地理矢量信息与sar图像匹配辅助惯性导航方法。

51、与现有技术相比，本发明的有益效果是：

52、①本发明的地理矢量信息与sar图像匹配辅助惯性导航方法，采用地理矢量图与sar图像进行匹配，解决了大范围导航匹配区数据装订存储量不足的难题(因为大范围导航匹配区采用可见光图像作为基准图需要)，提高飞行器任务灵活性。

53、②本发明的地理矢量信息与sar图像匹配辅助惯性导航方法，利用仿生学原理(仿照候鸟迁徙时延河流、山川线等地理矢量进行导航)进行匹配导航，该方法具有较强的抗环境干扰和抗人为干扰影响的能力。

54、③本发明的地理矢量信息与sar图像匹配辅助惯性导航方法，利用合成孔径雷达实时探测，该方法具有全天时、全天候的探测能力和匹配能力。

55、④本发明的地理矢量信息与sar图像匹配辅助惯性导航方法，采用地理矢量信息作为导航基准，数据获取容易，飞行保障难度小。