CN102636081B - 一种基于视觉运动建模的传递对准方法及装置 - Google Patents

Abstract

本发明公布了一种基于视觉运动建模的传递对准方法及装置，属于视觉导航以及传递对准领域的应用范畴。根据需求和实际情况在子惯导附近事先布置好高速摄像机，使得待测子惯导位于摄像机的拍摄视场内，摄像机与主惯导固连。利用摄像机采集子惯导设备上标识点的高准确性、高精度特征点信息，通过视觉摄像机获得的图像序列对主子惯导的相对运动甚至相对扰动进行动态参数建模。在动态模型快速建立基础上，利用传递对准建立卡尔曼滤波方程进而实现主子惯导的传递对准。本发明可以用在需要进行主子惯导对准的领域解决高精度传递对准问题。

Description

一种基于视觉运动建模的传递对准方法及装置

技术领域

本发明涉及数字摄像测量、计算机视觉、传递对准等领域，在利用摄像机测量的方法基础上进行速度匹配传递对准。

背景技术

传递对准技术是武器惯导系统准确定位，实施精确打击的保障，在军事领域已得到深入研究和广泛的应用。传递对准通常分粗对准(Coarse Alignment)和精对准(FineAlignment)两个阶段来完成。粗对准是将主惯导的位置、速度等导航信息直接传给子惯导，没有动态匹配的过程；精对准则要估计出主子惯导的失准角误差并做进一步的修正。目前，国外传递对准技术已经成功应用于各种类型的战术武器。例如美国的“捕鲸叉”空舰导弹、“哈姆”空地反辐射导弹、“SRAM”近距离空地导弹等。随着现代战争对快速反应和生存能力要求的不断提高，对传递对准的精度和快速性要求越来越高。

目前，国内学者对传递对准技术有着广泛而深入的研究，如国防科技大学、西北工业大学、北京航空航天大学、空军工程大学、东南大学、哈尔滨工程大学、南京航空航天大学等国内各大高校及研究所都取得了相应的研究成果。但是，目前的传递对准技术大多局限于利用各种匹配算法和滤波技术改进传递对准精度以实时估计并修正平台误差角，对于运动过程中主子惯导的相对扰动以及振动情况下的传递对准技术鲜有研究。并且，随着数字式高速摄像机为代表的光学测量设备的不断更新，计算机视觉已经在智能人机交互、视觉交通监管等领域有着广泛的应用。在不需要人为干预的情况下，借助计算机强大的数据处理功能，通过对摄像机对监控场景拍摄的图像序列进行自动分析和处理，实现对监控场景中目标检测与识别。由于摄像机具有低成本、高精度、非接触等众多优点，在航空领域也发挥了越来越重要的作用。但是，目前的计算机视觉主要都集中于已知环境地图信息进行追踪或者根据合作目标进行位姿检测。国内还未有学者将其利用到传递对准的研究上。考虑到以上情况，将计算机视觉运动建模与传递对准结合起来以进一步提高传递对准的的精度和快速性。

附录文献：

文献1：刘建业，曾庆化，赵伟，熊智等.导航系统理论与应用[M].西安：西北工业大学出版社，2010.

文献2：(美)Shapiro L G，Stockman G C.著.赵清杰，钱芳，蔡利栋译.计算机视觉[M].机械工业出版社，2005.

发明内容

本发明所要解决的技术问题是：克服现有技术不足，提供了一种基于视觉运动建模的传递对准方法及装置，该方法事先布置好摄像机，获得高准确性、高精度的特征点信息，通过拍摄的图像序列对主子惯导的相对扰动变化等情况建立实时的动态参数模型。在此基础上，利用传递对准建立卡尔曼滤波方程进而实现主子惯导的高精度传递对准。该发明适用于飞机、舰船、车辆等多种载体。

本发明为实现上述目的，采用如下技术方案：

一种基于视觉运动建模的传递对准方法，包括以下步骤：

第一步：对高速摄像机进行建模，获得从世界坐标系到图像坐标系的投影关系，并对高速摄像机的畸变进行非线性优化，再用两步法对高速摄像机进行标定；

第二步：根据需求和实际情况在子惯导附近事先布置好高速摄像机，使得待测子惯导位于高速摄像机的拍摄视场内。高速摄像机与主惯导固连，利用高速摄像机采集子惯导设备上标识点的特征点信息，通过高速摄像机获得的图像序列对主子惯导的相对运动和相对扰动进行动态参数建模；

第三步：采用捷联惯性测量单元中陀螺与加速度计分别采集得到子惯导的角速度和比力；

第四步：在第二步得到的视觉动态参数模型的基础上，利用传统的传递对准算法，将主惯导经补偿后得到的参数值传递给子惯导计算机，经卡尔曼滤波实时估计并修正姿态失准角实现主子惯导的对准，完成高精度传递对准的全过程。

所述卡尔曼滤波包括系统连续状态方程和系统观测方程的建立如下：

在飞行器起飞准备或者起飞时，建立系统连续状态方程：其中，X(t)为导航系统误差状态量，A(t)为状态转移矩阵，G(t)系统噪声系数矩阵，W(t)为导航系统噪声向量；建立系统观测方程：Z(t)＝H(t)X(t)+V(t)，其中Z(t)为量测系统的量测值，H(t)为量测系数矩阵，V(t)为观测白噪声矢量。

一种基于视觉运动建模的传递对准方法的装置，其特征在于包括子惯导和高速摄像机，所述高速摄像机安装于子惯导附近处，使得待测子惯导位于高速摄像机的拍摄视场内，高速摄像机与主惯导固连，根据拍摄视场的需求合理调整摄像机的位置；事先在子惯导设备上喷绘若干个黑色直角十字架作为标识点，在运动前标定好摄像机，运动过程中将摄像机记录得到的含标识点的子惯导设备图像送给计算机进行分析，得到主子惯导的相对运动模型。

本发明与现有技术相比有益效果体现在：

(1)本发明为基于视觉运动建模的传递对准方法研究，最终可用于需要进行主子惯导高精度对准的领域；

(2)本发明采用的视觉对主子惯导的相对运动甚至相对扰动进行动态参数建模，与传统的传递对准算法相比，在运动参数模型的基础上建立传递对准方案对主子惯导的相对运动状态或者突发的扰动能够产生快速的响应，有利于高精度的进行主子惯导的传递对准。

(3)本发明利用卡尔曼滤波最优加权平均的本质，通过对载机上主惯导和子惯导的速度误差进行观测，实现对子惯导系统平台失准角的最优估计与补偿，实现了高精度的姿态校准。

附图说明

图1是本发明整体流程图。

图2是摄像机成像模型。

图3是基于视觉运动建模的方案原理图。

具体实施方式

摄像测量方法由于其具有非接触、精度高的优点，在许多领域都有着广泛的研究和应用。而随着现代战争对快速反应和生存能力要求的不断提高，对传递对准的精度和快速性要求也越来越高。将这两者相结合部署在各种传递对准的场合，能够有助于提高各种制导设备的性能，大大提高对准精度。

下面结合附图对发明的技术方案进行详细说明：

本方法的流程图如图1所示，通过视觉摄像机获得的图像序列对主子惯导的相对运动甚至相对扰动进行动态参数建模，在此基础上，利用传递对准方案建立卡尔曼滤波方程进而实现主子惯导的传递对准。为了完成高精度的传递对准，需要完成以下工作：

1、摄像机模型的建立与标定

要从摄像机获得的图像中解算出目标的三位信息，必须获得摄像机的成像模型。如图2所示，在这个模型中有四个坐标系：世界坐标系o_w-x_wy_wz_w，摄像机坐标系o_c-x_cy_cz_c，图像坐标系o₁-xy，计算机图像坐标系o-uv。当摄像机成像时，空间内任意一点在图像上的成像位置可用针孔模型近似表示，如点P(x_w，y_w，z_w)在图像上的投影位置p(u，v)，为光心o_c与P的连线与图像平面的交点，这种关系称透视投影。依据中心透视投影模型中的三角关系，像点p的图像坐标(u，v)与物点P的像机坐标系坐标(x_c，y_c，z_c)的关系为：

$\left\{\begin{array}{c}\frac{u-u_0}{f_u}=\frac{x_c}{z_c}\\ \frac{v-v_0}{f_v}=\frac{y_c}{z_c}\end{array}\right.---\left(1\right)$

其中，(u₀，v₀)为图像中心坐标，(f_u，f_v)为横、纵向等效焦距，是实际光学焦距f分别与像元的横向尺寸dx、纵向尺寸dy之比。式(1)用齐次坐标表达为：

$z_c\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{cccc}{f}_u& 0& u_0& 0\\ 0& f_v& v_0& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\\ 1\end{array}\right]---\left(2\right)$

世界坐标系与摄像机坐标系存在如下变换：

$\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\\ 1\end{array}\right]=\left[\begin{array}{cc}{R}_{3\×3}& T_{3\×1}\\ 0& 1\end{array}\right]\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]---\left(3\right)$

其中，R_3×3和T_3×1分别为世界坐标系和摄像机坐标系之间的旋转矩阵和平移向量。则空间中任意点到成像平面的投影可以用如下公式表示：

$z_c\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{cccc}\frac{f}{\mathrm{dx}}& 0& u_0& 0\\ 0& \frac{f}{\mathrm{dy}}& v_0& 0\\ 0& 0& 1& 0\\ & & & \end{array}\right]\left[\begin{array}{cc}{R}_{3\×3}& T_{3\×1}\\ 0& 1\end{array}\right]\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]=M_{3\×4}\left[\begin{array}{c}{x}_w\\ y_w\\ z_w\\ 1\end{array}\right]---\left(4\right)$

其中，M_3×4为投影矩阵。图像中心坐标和等效焦距是像机的内参数，描述的是像机本身的特性；平移向量和旋转角、旋转矩阵是像机的外参数，描述的是像机坐标系与参考坐标系间的相对位置、姿态关系。考虑图像成像过程中会存在畸变，主要考虑径向像差和切向像差，图像物理坐标的影响可以如下表示：

X_d＝X+δ_x(X，Y)＝(1+k₁R²+k₂R⁴)X+2k₃XY+k₄(R²+2X²)

                                                                     (5)

Y_d＝Y+δ_y(X，Y)＝(1+k₁R²+k₂R⁴)X+2k₄XY+k₃(R²+2X²)

其中，(X_d，Y_d)表示经过畸变矫正的图像物理坐标系，R²＝X²+Y²，k₁，k₂表示径向畸变参数，k₃，k₄表示切向畸变参数。

本发明采用两步法对摄像机参数进行标定。第一步，利用径向准直约束条件：无论径向畸变如何，向量和向量方向相同，则

采集靶标上的每一个特征点，都可以得到相对应的一对坐标(x_w，y_w，z_w)和(u，v)，结合(6)式所示的正交矩阵约束条件，用最小二乘法求解得到除T_z外的大部分外部参数和一些主要内部参数的初始逼近值。第二步，基于非线性畸变模型，利用非线性优化算法得到余下参数的优化解。

根据获取特征点的不同，该标定方法分为共面标定和非共面标定，其中非共面标定的精度比较高，它要求采集靶标在镜头光轴的垂直方向上的几个不同位置的图像。将靶标在一个固定导轨上每移动一段距离Δz采集一次图像，得到若干非共面的特征标定点。对这些点建立合适的空间坐标系，就可以得到每个特征点在空间坐标系的坐标(x_w，y_w，z_w)和在计算机图像坐标系中的坐标(u，v)，最后应用两步法进行求解。

2、视觉测量系统

本发明运用了基于视觉的相互运动或扰动建模，精度更高，快速性也得到保证。如图3所示，它要求在子惯导附近事先布置好高速摄像机，其与主惯导固连。根据拍摄视场的需求合理调整摄像机的位置，使得待测子惯导系统位于摄像机的拍摄视场内。事先在子惯导设备上喷绘若干个黑色直角十字架作为标识点，在运动前标定好摄像机，运动过程中将摄像机记录得到的含标识点的子惯导设备图像送给计算机进行分析，得到主子惯导的相对姿态。

在子惯导上标记N个特征点，假设N＝4。特征点(j＝1，2，3，4)在世界坐标系下的坐标为P_aj＝(x_aj，y_aj，z_aj)^T，特征点对称且点O在它们的中心。根据安装条件P_a1，P_a2，P_a3不共线，因此向量组P_a2-P_a1，P_a3-P_a1，(P_a2-P_a1)×(P_a3-P_a1)也是线性无关的。可得：

A_a123＝[P_a2-P_a1 P_a3-P_a1(P_a2-P_a1)×(P_a3-P_a1)]    (7)

当子惯导发生姿态变换以后，特征点的坐标发生改变，有：

A_b123＝[P_b2-P_b1 P_b3-P_b1(P_b2-P_b1)×(P_b3-P_b1)]    (8)

考虑到刚体旋转变换中保持点之间的相对位置，则：

A_a123＝R_ab123A_b123                              (9)

从而得到：

$R_{\mathrm{ab}123}=A_{a123}{A}_{b123}^{-1}---\left(10\right)$

特征点喷绘时，A_a123就已经确定，因此它是已知的常数矩阵。进一步利用P_bj(j＝1，2，3，4)的测量值就可以确定A_b123，进而可以得到R_ab123。同理可以得到R_ab124，R_ab134，R_ab234，取它们的均值作为R_ab的近似值。

$R_{\mathrm{ab}}=\frac{1}{4}(R_{\mathrm{ab}123}+R_{\mathrm{ab}124}+R_{\mathrm{ab}134}+R_{\mathrm{ab}234})---\left(11\right)$

记R_ab的元素为r_ij(i，j＝1，2，3)，依据公式(12)可以得到俯仰角θ，横滚角以及航向角ψ，即求出了主子惯导的相对姿态。

θ＝arcsinr₁₃， $\mathrm{\ψ}=-\arcsin \left(\frac{r_{23}}{\cos \mathrm{\θ}}\right)---\left(12\right)$

3、运动参数模型

运动参数建模目的是在视频流中将运动产生变化的区域提取出来，以建立更精确的主子惯导的相对运动模型，为传递对准做铺垫。

假设在时刻t_k成像刚体的某一点的坐标为(X，Y，Z)，在时刻t_k+1该点运动到(X′，Y′，Z′)，这一运动可用矩阵R描述的旋转和矢量T表示的平移来合成，有：

$\left[\begin{array}{c}{X}^{\′}\\ Y^{\′}\\ Z^{\′}\end{array}\right]=R\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]+T=\left[\begin{array}{ccc}{r}_{11}& r_{12}& r_{13}\\ r_{21}& r_{22}& r_{23}\\ r_{31}& r_{32}& r_3\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]+\left[\begin{array}{c}{t}_1\\ t_2\\ t_3\end{array}\right]---\left(13\right)$

而在成像平面上，相应的点从时刻t_k、的坐标(x，y)变化为时刻t_k+1的坐标(x′，y′)，从相邻两帧的图像得到相应点坐标变换的关系是解决问题的关键。在正交投影模型中，成像平面中的目标点坐标(x，y)与目标三维点坐标(X，Y，Z)的关系为：

(x，y)＝(X，Y)，(x′，y′)＝(X′，Y′)            (14)

由式(13)、(14)有：

x′＝r₁₁x+r₁₂y+(r₁₃Z+t₁)                          (15)

y′＝r₂₁x+r₂₂y+(r₂₃Z+t₂)                          (16)

进一步有：

x′＝a₁x+a₂y+a₃                                   (17)

y′＝a₄x+a₅y+a₆                                   (18)

利用当前帧和前一帧的图像信息对此六个参数进行估计，就可以得到图像的运动参数。

4、传递对准方案

为了精确获得主、子惯导系统姿态信息，在视觉测量中的运动参数模型上进一步实现主子惯导姿态的传递对准，该方案是可以是计算参数匹配也可以是测量参数匹配，利用主子惯导的输出，采用卡尔曼滤波器估计主、子惯导失准角用以修正子惯导姿态矩阵。这里采用“比力积分匹配”方案作为示例。通过主、子惯导比力差的积分作为观测量，比力数据直接来源自加速度计输出。目前，加速度计精度已得到很大提高，实现同样的观测效果所需要的机动幅度减小。与常规的“速度匹配”方案相比，基于主、子惯导比力差积分值的匹配方案在对准过程中子惯导系统仅作比力积分计算，而无需进行完整的捷联解算流程，简化了子惯导系统在对准期间的计算量。

“比力积分匹配”方案研究中所用到的坐标系如下：

t：理想地理坐标系。t系三轴指向为东(x_t)、北(y_t)、天(z_t)，该坐标系作为惯性导航系统的导航坐标系。

t′：主惯导系统地理系。t′与理想地理系t相差一个约几个角秒的误差角即为主惯导平台与理想地理系t之间的误差。在传递对准中，t′为子惯导对准的基准。

t′_s：子惯导数学平台模拟的导航坐标系。

b：飞机的载体坐标系。x_b沿飞机右翼方向，y_b沿飞机纵轴向前、z_b垂直x_b和y_b，并与x_b、y_b构成右手直角坐标系。

(1)主、子惯导比力误差数学模型

主、子惯导间的绝对准线速度误差值δV是观测系统观测的重要状态矢量，必须准确描述比力积分误差δV(即：绝对准线速度误差值)的动态运动方程。根据比力误差的定义：

$\mathrm{\δ}\stackrel{\·}{V}=\mathrm{\δf}\stackrel{\mathrm{\Δ}}{=}{f}_s^{{\mathrm{ts}}^{\′}}-f_m^{t^{\′}}---\left(19\right)$

式中：

包含引力加速度g在内的准线加速度误差，即比力误差δf。

子惯导加速度计输出的比力值。

主惯导加速度计输出的比力值。

(2)主、子惯导平台误差角数学模型

根据定义，平台误差角的动态变化角速度为：

式中：

——在没有安装挠曲变形情况下，主、子惯导平台间的误差角速度。

——子惯导数学平台系t′_s偏离理想地理系t的误差角速度。

——主惯导实际平台系t′偏离理想地理系t的误差角速度。

(3)安装挠曲变形角数学模型

主、子惯导安装平台之间存在明显的挠曲变形角ρ^b时，就会导致子惯导敏感到的姿态数据严重失真，大大影响了对准精度。准静态挠曲变形角的变化模型均属“马尔可夫随机过程”性质。挠曲变形角ρ^b的马尔可夫过程的阶次取决于安装结构外形尺寸的大小、长短，以及吊挂情况等多种因素。常见的这种随机过程模型有三种：一阶马尔可夫过程；二阶马尔可夫过程；三阶马尔可夫过程。这里采用较为通用的“一阶马尔可夫过程”。一阶马尔可夫随机噪声ρ^b可以看作是一个由白噪声W_ρ驱动的线性系统所产生的相关噪声。其数学模型可表示为：

$\stackrel{\·}{{\mathrm{\ρ}}^b\left(t\right)}=-{\mathrm{\β}}^{*}{\mathrm{\ρ}}^b\left(t\right)+W_{\mathrm{\ρ}}\left(t\right)---\left(21\right)$

式中：

β^*——随机过程ρ^b的相关函数的相关频率；

W_ρ——激励线性系统的白噪声干扰。

(4)主、子惯导惯性器件误差数学模型

传递对准过程中，陀螺仪与加速度计的误差模型是影响主、子惯导系统误差模型准确性的重要因素。

陀螺仪随机误差考虑为随机常值和白噪声：

$\mathrm{\δ}\stackrel{\·}{{\mathrm{\ϵ}}^{t^{\′}}}=0---\left(22\right)$

加速度计随机误差考虑为一阶马尔可夫和白噪声：

(5)传递对准量测方程的数学模型

比力积分误差δV的量测方程为：

$Z_v\stackrel{\mathrm{\Δ}}{=}{\∫}_t^{t+T_m}(f_s^{{\mathrm{ts}}^{\′}}-f_m^{t^{\′}})\mathrm{dt}={\∫}_t^{t+T_m}\mathrm{\δfdt}=\mathrm{\δV}+V_n---\left(24\right)$

式中：

子惯导和主惯导加速度计比力测量值，其中包括加速度计的随机误差。

δV：比力差δfⁱ的积分值，即比力积分误差。

V_n：比力积分误差值δV的观测误差，可近似为白噪声。

利用视觉可以测得主子惯导相对姿态的变化角度，将其作为机翼挠曲变形角ρb的观测量。其量测方程为：

$Z_{\mathrm{\ρ}}\stackrel{\mathrm{\Δ}}{=}{\mathrm{\ρ}}^b+W_n---\left(25\right)$

式中：

ρ^b：机翼挠曲变形角；

W_n：机翼挠曲变形角ρ^b的观测误差，可近似为白噪声。

利用视觉相对运动建模可以测得主子惯导相对相对运动参数。其量测方程为：

$Z\stackrel{\mathrm{\Δ}}{=}\left(\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right)=\left[\begin{array}{cccccc}x& y& 1& 0& 0& 0\\ 0& 0& 0& x& y& 1\end{array}\right]\left[\begin{array}{c}{a}_1\\ a_2\\ a_3\\ a_4\\ a_5\\ a_6\end{array}\right]---\left(26\right)$

式中：

a₁-a₆：视觉相对运动模型参数；

(x，y)：相应的点在时刻t_k对应的图像坐标；

(x′，y′)：相应的点在时刻t_k+1对应的图像坐标；

(6)卡尔曼滤波方程

按照上述各误差模型建立卡尔曼滤波方程，其状态变量为：

$X=\left[\begin{array}{cccccccccc}\mathrm{\δ}{V}_x& \mathrm{\δ}{V}_y& \mathrm{\δ}{V}_z& \mathrm{\δ}{\mathrm{\φ}}_x^{t^{\′}}& \mathrm{\δ}{\mathrm{\φ}}_y^{t^{\′}}& \mathrm{\δ}{\mathrm{\φ}}_z^{t^{\′}}& {\mathrm{\ρ}}_x^b& {\mathrm{\ρ}}_y^b& {\mathrm{\ρ}}_z^b& \mathrm{\δ}{\mathrm{\ϵ}}_x^{t^{,}}\end{array}\right.$

${\left.\begin{array}{ccccccccccc}\mathrm{\δ}{\mathrm{\ϵ}}_y^{t^{,}}& \mathrm{\δ}{\mathrm{\ϵ}}_z^{t^{,}}& \mathrm{\δ}{\▿}_x^{t^{,}}& \mathrm{\δ}{\▿}_y^{t^{,}}& \mathrm{\δ}{\▿}_z^{t^{,}}& a_1& a_2& a_3& a_4& a_5& a_6\end{array}\right]}^T$

其中：

δV：主、子惯导的比力差积分值；

主、子惯导的平台误差角；

ρ^b：机翼挠曲变形角；

δε^t’：主、子惯导陀螺仪随机漂移误差之差；

主、子惯导加速度计零位随机偏置误差之差。

a₁-a₆：视觉相对运动模型参数；

连续型状态方程为：

$\stackrel{g}{X}\left(t\right)=A\left(t\right)X\left(t\right)+G\left(t\right)W\left(t\right)---\left(27\right)$

连续型观测方程为：

Z＝H(t)X+V_n                        (28)

至此，通过视觉信息获得主子惯导的相对运动模型，再联合基于“比力积分”传递对准状态方程和量测方程，通过卡尔曼滤波器即可对该传递对准过程中的状态量进行最优滤波估计，从而精确估算出主子惯导之间的误差角，实现高精度传递对准。

Claims (2)

1.一种基于视觉运动建模的传递对准方法，其特征在于包括以下步骤：

第一步：对高速摄像机进行建模，获得从世界坐标系到图像坐标系的投影关系，并对高速摄像机的畸变进行非线性优化，再用两步法对高速摄像机进行标定；

第二步：根据需求和实际情况在子惯导附近事先布置好高速摄像机，使得待测子惯导位于高速摄像机的拍摄视场内；高速摄像机与主惯导固连，利用高速摄像机采集子惯导设备上标识点的特征点信息，通过高速摄像机获得的图像序列对主子惯导的相对运动和相对扰动进行动态参数建模；

第三步：采用捷联惯性测量单元中陀螺与加速度计分别采集得到子惯导的角速度和比力；

第四步：在第二步得到的视觉动态参数模型的基础上，利用传统的传递对准算法，将主惯导经补偿后得到的参数值传递给子惯导计算机，经卡尔曼滤波实时估计并修正姿态失准角实现主子惯导的对准，完成高精度传递对准的全过程。

2.根据权利要求1所述的一种基于视觉运动建模的传递对准方法，其特征在于所述卡尔曼滤波包括系统连续状态方程和系统观测方程的建立如下：

在飞行器起飞准备或者起飞时，建立系统连续状态方程：其中，X(t)为导航系统误差状态量，A(t)为状态转移矩阵，G(t)系统噪声系数矩阵，W(t)为导航系统噪声向量；建立系统观测方程:Z(t)＝H(t)X(t)+V(t),其中Z(t)为量测系统的量测值，H(t)为量测系数矩阵，V(t)为观测白噪声矢量。