基于標(biāo)志物影像的導(dǎo)航方案設(shè)計(jì)

翟輝琴，郭海濤，魏旭東，路凌芝

（1. 32269部隊(duì)，甘肅 蘭州 730030；2.信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州 450052）

目前常用的導(dǎo)航系統(tǒng)主要是依靠GPS、北斗等衛(wèi)星信號(hào)進(jìn)行定位，但衛(wèi)星定位易受環(huán)境因素的影響，在阻擋對(duì)空視線的環(huán)境中，將受到阻礙，從而無(wú)法為用戶提供導(dǎo)航定位的服務(wù)[1]。戰(zhàn)爭(zhēng)期間，信號(hào)還會(huì)被干擾。而基于標(biāo)志物影像的單人手持平臺(tái)，具有重量輕、成本低、尺寸小、功耗低以及大眾化等優(yōu)點(diǎn)，為衛(wèi)星導(dǎo)航定位的缺點(diǎn)提供了新的補(bǔ)充思路，本方案正是在這種情況下產(chǎn)生的。該方案主要用于單個(gè)人員的自主導(dǎo)航和實(shí)時(shí)定位，其應(yīng)用對(duì)象非常廣泛，包括普通行人、緊急救援人員、野外勘測(cè)工作者及探險(xiǎn)者。

1 方案設(shè)計(jì)

該方案通過(guò)單人在陌生地域下利用手機(jī)對(duì)周邊標(biāo)志物拍攝一系列影像，首先利用結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)的分類算法對(duì)現(xiàn)時(shí)拍攝的標(biāo)志物影像進(jìn)行自動(dòng)場(chǎng)景分類，然后將該標(biāo)志物影像與預(yù)存在手機(jī)上的帶地理編碼的同類標(biāo)志物基準(zhǔn)影像精確匹配，精確匹配采用基于改進(jìn)ASIFT的具有仿射和尺度不變性的匹配算子進(jìn)行，最后依據(jù)匹配結(jié)果確定地理位置。對(duì)于標(biāo)志物不太明顯的地區(qū)，可以更換方位或標(biāo)志物多次進(jìn)行上述拍攝、分類和匹配，綜合匹配結(jié)果以獲取更為可靠的定位結(jié)果。確定地理位置后，結(jié)合目的地的位置，確定行進(jìn)方向和路線，流程如圖1所示。該方案具有成本低廉、便于普及、靈活機(jī)動(dòng)、適應(yīng)性強(qiáng)、自動(dòng)化程度高、易與其他導(dǎo)航手段互補(bǔ)使用等 特點(diǎn)。

圖1 方案流程圖

基準(zhǔn)標(biāo)志物影像可以預(yù)先制備，制備可以到實(shí)地拍攝。利用相機(jī)、平板、手機(jī)拍攝或使用傾斜角較大的偵察衛(wèi)星影像或無(wú)人機(jī)影像。值得注意的是，所制備影像必須具備地理編碼。方案的特點(diǎn)如表1所示。

表1 方案的特點(diǎn)

通過(guò)理論分析和初步試驗(yàn)，此方案的導(dǎo)航定位精度取決于標(biāo)志物的位置精度，能夠滿足導(dǎo)航定位的相關(guān)要求。

手持平臺(tái)建議采用華為、小米等智能手機(jī)，其核心性能參數(shù)建議不低（或相當(dāng)）于表2中的描述。

表2 單人手持平臺(tái)核心性能參數(shù)

2 技術(shù)實(shí)施

2.1 序列影像的獲取

此方案采取仿射和尺度不變的標(biāo)志物影像匹配方案，只需要對(duì)著標(biāo)志物或者場(chǎng)景較大的地面拍攝清晰的影像即可，建議更換位置拍攝不少于3張影像。

2.2 結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)的影像場(chǎng)景分類

單人可以在陌生地域?qū)ふ抑車臉?biāo)志性地物拍攝影像，與預(yù)存在手機(jī)等手持平臺(tái)上的基準(zhǔn)影像相匹配從而確定自己的位置。這種標(biāo)志性地物可以是水庫(kù)、湖泊、水井、道路交叉口、教堂、清真寺、敖包、標(biāo)志性建筑等地物。這些標(biāo)志性地物的多視角影像和地理位置需要預(yù)先存貯到手機(jī)等手持平臺(tái)中。首先通過(guò)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)的影像場(chǎng)景分類算法自動(dòng)識(shí)別所拍攝地物的類型（例如湖泊），算法自動(dòng)在手機(jī)等手持平臺(tái)中搜索所有可能的這種類型的地物的影像（已經(jīng)做過(guò)類型標(biāo)識(shí)），然后通過(guò)影像匹配來(lái)完成現(xiàn)時(shí)拍攝影像與基準(zhǔn)影像的多尺度匹配。

影像場(chǎng)景分類是指根據(jù)影像上不同影像塊的特點(diǎn)或其所覆蓋地面區(qū)域的功能，將各個(gè)影像塊劃分為若干類別，如橋梁、寺廟、湖泊等。通過(guò)對(duì)現(xiàn)時(shí)拍攝影像的場(chǎng)景分類，然后將該標(biāo)志物影像與預(yù)存在手機(jī)上的帶地理編碼的同類標(biāo)志物基準(zhǔn)影像精確匹配，縮小了匹配時(shí)的搜索范圍，提高了效率。

目前，基于卷積神經(jīng)網(wǎng)絡(luò)的影像場(chǎng)景分類算法在精度和效率上已經(jīng)大大超越了傳統(tǒng)算法，但訓(xùn)練一個(gè)完整的卷積神經(jīng)網(wǎng)絡(luò)依賴于數(shù)量巨大的訓(xùn)練數(shù)據(jù)，參數(shù)多、訓(xùn)練過(guò)程復(fù)雜。標(biāo)注大量訓(xùn)練數(shù)據(jù)需要耗費(fèi)大量的人力物力，訓(xùn)練數(shù)據(jù)的缺乏是制約場(chǎng)景分類性能的主要因素之一。針對(duì)上述問(wèn)題，基于手機(jī)等手持平臺(tái)的存儲(chǔ)和運(yùn)算能力，引入卷積神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)與集成學(xué)習(xí)的思想，利用一種結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)的遙感影像場(chǎng)景分類算法[2-5]，該方法綜合利用多種深層卷積神經(jīng)網(wǎng)絡(luò)所提取的高度抽象的語(yǔ)義特征，在較少訓(xùn)練數(shù)據(jù)情況下，可實(shí)現(xiàn)較高的場(chǎng)景分類 精度。

該分類算法主要利用了遷移學(xué)習(xí)和集成學(xué)習(xí)的思想，通過(guò)構(gòu)建集成學(xué)習(xí)分類器對(duì)深層卷積神經(jīng)網(wǎng)絡(luò)提取影像的特征進(jìn)行分類。該算法主要包括預(yù)處理、基于遷移學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的遙感影像特征提取、集成學(xué)習(xí)3個(gè)主要步驟。

2.3 仿射和尺度不變的多源影像匹配

陌生地域現(xiàn)時(shí)拍攝影像與標(biāo)志物基準(zhǔn)影像不可避免地存在平移、旋轉(zhuǎn)、縮放及其他變形（如仿射變換）等差異，尋求一種能夠顧及上述變形的改進(jìn)ASIFT匹配方法來(lái)完成兩者的穩(wěn)健匹配。實(shí)現(xiàn)過(guò)程包括建立圖像庫(kù)、影像預(yù)處理、分塊粗匹配、改進(jìn)的ASIFT精匹配等。下面重點(diǎn)介紹建立圖像庫(kù)和改進(jìn)的ASIFT精匹配兩個(gè)步驟。

2.3.1 建立圖像庫(kù)

在手持平臺(tái)中建立定位圖像庫(kù)，圖像庫(kù)標(biāo)注圖像準(zhǔn)確的位置坐標(biāo)和方向信息，后期通過(guò)特征提取、場(chǎng)景建模等將相應(yīng)的特征、場(chǎng)景類別信息加入圖像庫(kù)中。因此，完整的圖像庫(kù)中存有圖像及其場(chǎng)景、位置、方向信息、圖像特征，以及用于場(chǎng)景分類的判別信息。單人在陌生地域?qū)Ш蕉ㄎ粫r(shí)，由手持平臺(tái)自動(dòng)在圖像庫(kù)中尋找與現(xiàn)時(shí)拍攝照片同類型并有最佳匹配的圖像，并將其標(biāo)注的位置等信息反饋予人員。

2.3.2 改進(jìn)的ASIFT精匹配

ASIFT能夠準(zhǔn)確的模擬由攝像機(jī)光軸取向變化而引起的所有扭曲變形。模擬3個(gè)參數(shù)：尺度、攝像機(jī)經(jīng)度和緯度。雖然傾斜變形和模糊無(wú)關(guān)而導(dǎo)致其不可逆，但是可以通過(guò)數(shù)字模擬正交方向上一樣大小的傾斜值來(lái)彌補(bǔ)尺度大小的變化。對(duì)于同樣遇到此問(wèn)題的數(shù)字歸一化問(wèn)題，ASIFT模擬了完全仿射不變[6]。

利用ORSA 算法剔除初始匹配點(diǎn)集的錯(cuò)誤匹配點(diǎn)對(duì)。RANSAC 算法利用隨機(jī)抽樣得到匹配點(diǎn)坐標(biāo)，估計(jì)影像間的基本矩陣作為幾何約束模型來(lái)剔除外點(diǎn)。當(dāng)圖像中存在大量重復(fù)紋理結(jié)構(gòu)時(shí)，由于特征區(qū)域結(jié)構(gòu)相似，初始匹配中容易出現(xiàn)錯(cuò)誤匹配點(diǎn)對(duì)。為了解決這個(gè)問(wèn)題，本文在ORSA 算法的基礎(chǔ)上，利用以單應(yīng)矩陣作為幾何線性約束模型的RANSAC算法進(jìn)一步剔除剩余匹配中可能的錯(cuò)誤匹配[7]。

2.4 基于匹配結(jié)果的人員定位和導(dǎo)航

基于上述匹配結(jié)果，利用手機(jī)預(yù)存的帶地理編碼的基準(zhǔn)標(biāo)志物影像確定單人的位置；結(jié)合目的地的位置和地形圖數(shù)據(jù)，確定行進(jìn)方向和路線。

3 結(jié) 語(yǔ)

本文針對(duì)無(wú)衛(wèi)星信號(hào)環(huán)境下的室外導(dǎo)航提出的設(shè)計(jì)方案，在具體實(shí)施過(guò)程中還有很多細(xì)節(jié)需要改進(jìn)。實(shí)現(xiàn)本方案，可以為單人和執(zhí)行急救任務(wù)的人員在室內(nèi)或者利用衛(wèi)星信號(hào)無(wú)法進(jìn)行導(dǎo)航的地方解決自主定位的問(wèn)題，并利用獲得的導(dǎo)航定位信息重新規(guī)劃路徑，有效降低人員生命危險(xiǎn)，提高任務(wù)成功率。