基于异时异源图像匹配的车载自主定位修正方法

Inertial navigation location correction based multitemporal and multimodal image matching enables that the vehicle location and navigation system no longer relies on GPS services. This brings an "all weather", day or night autonomous vehicle location system that can meet the demands of real-time, high precision, and strategic security. Existing multitemporal and multimodal image matching methods can not address the challenging problems including the non-linear change of intensity, the inversion of intensity, and the degradation of noises. Besides that, existing algorithms are too computational expensive for real-time applications. This project aims at the research of multitemporal and multimodal image matching. For achieving a robust dense feature description, gradient tensor is proposed for extracting structure information that is invariant to non-linear gray change and a tensor voting scheme will be developed for reinforce the structure information to be adaptive to noise and tensor analyzing will be employed for capture the steady structures from images. In addition, basing on the convolution theorem, fast tensor matching will be developed based on fast Fourier transform to realize a robust and fast algorithm for multitemporal and multimodal image matching.

基于异时异源图像匹配的惯导定位修正方法可以让车载定位技术摆脱对GPS的依赖，实现全天时、全天候，并且满足实时、高精度要求和战略安全需要的自主定位技术。针对现有异时异源图像匹配算法难以适应非线性灰度畸变、景象变化、图像噪声和计算速度不足等技术难题。本项目研究基于梯度张量的异时异源图像匹配算法，提出利用梯度张量提取相对灰度畸变不变的结构信息，并利用张量投票增强结构信息并适应噪声干扰，然后利用张量分析对图像中的稳定结构特征进行提取，从而建立起可靠的密集特征描述。此外，算法根据卷积定理利用FFT变换对张量的匹配进行加速，从而实现快速可靠的异时异源图像匹配。

本项目经过3年研究，圆满完成了项目研究内容，主要包括：对异时异源图像非线性灰度畸变开展了分析与研究，建立了图像灰度畸变模型与相似性测量模型；提出了基于张量的图像结构特征提取方法，实现了异时异源图像稳定共性特征提取，能有效适应噪声和复杂灰度畸变的干扰。在此基础上，进一步提出了基于结构张量密集特征的异时异源图像匹配算法，并通过实图匹配测试，验证算法的可靠性和精度；开展了基于异时异源图像匹配算法的车载自主定位技术验证实验，对该自主定位技术的可行性、正确性和定位精度进行了验证。.取得的主要研究成果和结论：（1）提出了基于结构张量密集特征的异时异源图像匹配算法，能正确匹配存在强非线性灰度畸变和强噪声干扰的异源图像，比较现有图像匹配算法，能有效提高匹配的正确性和精度。（2）针对结构张量特征提取，提出了基于积分图像原理的快速SVD方法，能在不影响特征提取稳定性的前提下，大幅提升处理速度（速度可以提升1~2个数量级）。（3）针对结构张量特征匹配，提出了基于卷积定理的快速搜索匹配方法，能在不降低匹配可靠性和匹配精度的前提下，大幅提升匹配速度（速度可以提升1~2个数量级）。（4）提出了基于异时异源图像匹配的车载自主全局定位技术，实验验证结果显示提出方法能为载车提供高精度的全局定位（两组实验中，全局定位精度的标准误差都优于6米），解决了车载全局定位对卫星导航严重依赖的技术难题。（5）本项目提出的结构张量特征提取方法及其加速处理方法，能在跨模态数据间建立共性特征，对异源数据融合领域相关研究具有借鉴和促进作用。.项目研究期间共发表论文10篇，其中3篇EI收录的国际会议论文、SCI收录7篇，并发表了专著1本，培养了3名研究生和1名本科生。.