CN110207721B - 一种考虑残差分布的无效地形匹配结果识别方法 - Google Patents
一种考虑残差分布的无效地形匹配结果识别方法 Download PDFInfo
- Publication number
- CN110207721B CN110207721B CN201910492181.7A CN201910492181A CN110207721B CN 110207721 B CN110207721 B CN 110207721B CN 201910492181 A CN201910492181 A CN 201910492181A CN 110207721 B CN110207721 B CN 110207721B
- Authority
- CN
- China
- Prior art keywords
- terrain
- area
- map
- elevation
- extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Abstract
本发明属于图像处理领域,公开了一种考虑残差分布的无效地形匹配结果识别方法,包含如下步骤:步骤(1):计算重叠区域高程残差序列;步骤(2):绘制直方图,判断高程残差序列是否满足指定的高斯分布;步骤(3):将重叠区域所有残差大于μ±σ的网格节点提取出来作为提取区域1,将所有未被提取的网格节点作为提取区域2;步骤(4):分别计算提取区域1和提取区域2的平均高程残差、地形信息量以及有效节点的个数;步骤(5):将提取区域1和提取区域2的平均高程残差、地形信息量、有效节点的个数输入神经网络中,若神经网络输出值大于预设值,该地形匹配结果有效,否则该地形匹配结果无效。本发明不需要其他信息辅助,算法易于实现。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种考虑残差分布的无效地形匹配结果识别方法。
背景技术
惯性导航系统由于能自主、连续、实时、准确地向潜艇提供导航信息,已成为水下航行器综合导航系统的必要设备。然而,由于惯性导航系统的导航误差随时间而累积,必须定期用外部信息对其进行校准。目前多采用天文导航信息、无线电导航信息和卫星导航信息来校准惯导。为接收外部校准信息,水下航行器需浮出或接近水面,从而牺牲了隐蔽性,使水下航行器的安全受到威胁。另外,无线电导航和卫星导航在战时极易受电磁干扰而失去作用。海底地形匹配是为解决惯导系统水下校准问题而提出的一种新技术。该技术利用数字海底地形图和水下地形特征探测仪作为辅助手段来修正惯导系统的误差,从而构成一种新型导航系统——海底地形匹配辅助导航系统。该系统是一种完全自主式导航系统,水下航行器无需浮出或接近水面,即可在水下完成对惯导设备的校正,从而满足水下航行器对导航系统的要求。
随着多波束声纳等高精度海底地形测量设备的发展,应用多波束声纳为环境感知设备的水下机器人地形匹配导航技术得到了世界各国的广泛重视。但由于海底地形趋于平缓,同时多波束声纳通过接收声学回波数据感知地形高程信息,其测量效果受海洋环境和载体运动影响严重,因而无效的地形匹配定位结果时有出现。因而需要对无效地形匹配结果进行识别,以提高水下机器人的海底地形匹配导航精度。本发明提出了一种考虑残差分布的无效地形匹配结果识别方法,该方法不需要除地形匹配结果外其他信息辅助,通过对地形匹配得到的两块地图重叠区域高程残差的分布,可以实现对无效地形匹配结果的识别。
目前现有地形匹配结果识别方法主要针对于同步定位与建图过程中两块任务过程中测绘得到的地图之间的匹配结果有效性判别,但地形匹配导航中需要对实时测绘得到的地图与先验地图间匹配结果进行判定,由于先验地图无实时测绘得到的地图所包含的里程计数据,因而该过程无法使用同步定位与建图过程中两块任务过程中实时测绘得到的地图之间的匹配结果有效性判别方法进行实现。
公开号为CN107132521A的专利公开了一种BSLAM中地形匹配结果正确性判别方法,该方法中涉及到的地形匹配过程中所包含的是两块实时测绘得到的地图,且两块地图均包含里程计数据,因而可以使用里程计数据对地形匹配结果正确性进行判别。但是该方法数据处理量大,实时性不好。
发明内容
本发明的目的在于公开不需要信息辅助、可靠性高的一种考虑残差分布的无效地形匹配结果识别方法。
本发明的目的是这样实现的:
一种考虑残差分布的无效地形匹配结果识别方法,包含如下步骤:
步骤(1):针对地形匹配结果给出的地图1和地图2重叠区域中M个网格节点,若在网格节点j处,j=1,2,...,M,地形匹配中地图1具有有效测深数据地图2具有有效测深数据则网格节点j为有效节点且网格节点j高程残差若有效节点有K个,则重叠区域高程残差序列ΔH={Δh1,Δh2,...,ΔhK};
步骤(2):绘制直方图,判断高程残差序列ΔH是否满足均值在-0.5到0.5之间、协方差不大于0.4的高斯分布,若满足则计算该高斯分布的均值μ和协方差σ并执行步骤(3),否则判断该地形匹配结果无效;
步骤(3):将重叠区域所有残差大于μ±σ的网格节点提取出来作为提取区域1,将所有未被提取的网格节点作为提取区域2;
步骤(4):分别计算提取区域1和提取区域2的平均高程残差、地形信息量以及有效节点的个数;
步骤(4.1):针对提取区域i,i=1,2,根据步骤(1)的结果统计提取区域i的有效节点的个数L;针对L个有效节点,将有效节点处的地图1的地形高程表示为地图2的地形高程表示为将高程残差表示为Δhi,l,l=1,2,...,L;
提取区域i的地形高程标准差σi为:
提取区域i的地形粗糙度Ri为:
步骤(4.4):对于提取区域i,将提取区域i信息序列表示为xi=[Ri,σi](i=1,2),计算最优序列x0=[max(Ri),max(σi)](i=1,2),再计算灰色关联系数ζi,j:
上式中,ρ∈[0,1]是分辨系数;
提取区域i的地形信息量为:
上式中,w1和w2为地形熵和地形高程标准差对应的权重;
步骤(5):将提取区域1的平均高程残差、提取区域1的地形信息量、提取区域1的有效节点的个数、提取区域2的平均高程残差、提取区域2的地形信息量和提取区域2的有效节点的个数输入神经网络中,若神经网络输出值大于预设值,该地形匹配结果有效,否则该地形匹配结果无效。
如图2,神经网络结构具体为:
神经网络的输入单元为提取区域1的平均高程残差、提取区域1的地形信息量、提取区域1的有效节点的个数、提取区域2的平均高程残差、提取区域2的地形信息量和提取区域2的有效节点的个数,输出单元输出值在0到1之间;神经网络的隐层由14个隐单元组成,具有两个偏置项b1和b2,偏置项b1输入至隐层,偏置项b2输入至输出单元。
本发明的有益效果为:
本发明不需要依赖于除地形匹配结果外其他信息辅助,输入量仅为地形匹配得到的重叠区域地形信息,对匹配算法本身无任何要求,算法本身易于实现,可以作为附件搭载在任何地形匹配导航系统中。
附图说明
图1是一种考虑残差分布的无效地形匹配结果识别方法流程图;
图2是神经网络结构图。
图3是本发明的原理图。
具体实施方式
下面结合附图来进一步描述本发明:
如图1,一种考虑残差分布的无效地形匹配结果识别方法,包含如下步骤:
步骤一、针对地形匹配结果给出的地图1和地图2重叠区域中M个网格节点,若在网格节点j(j=1,2,...,M)处,地形匹配中两块地图均有有效测深数据和则该点为有效节点且其高程残差可以计算为假设共检测到K个有效节点,则重叠区域高程残差序列ΔH可以计算为ΔH={Δh1,Δh2,...,ΔhK}。
步骤二、通过绘制直方图的方法,判断高程残差序列ΔH是否满足均值在-0.5到0.5之间、协方差不大于0.4的正态分布,若满足则计算该高斯分布对应的均值μ和协方差σ并执行步骤三,否则判断该地形匹配结果无效。
步骤三、将重叠区域所有残差大于μ±σ的网格节点提取出来作为提取区域1,将所有未被提取的网格节点作为提取区域2,执行步骤四。
步骤四、分别计算2个提取区域对应的平均高程残差、地形信息量以及有效测点个数,并执行步骤五。步骤四具体为:
步骤4.2、计算提取区域i(i=1,2)的平均高程残差,并执行步骤4.3计算公式如下所示。
步骤4.4、对于提取区域i(i=1,2),将其信息序列表示为xi=[Ri,σi](i=1,2),计算最优序列x0=[max(Ri),max(σi)](i=1,2)并通过下式计算灰色关联系数ζi,j。
其中,ρ∈[0,1]是分辨系数,取值为0.5。提取区域i(i=1,2)的地形信息量可以表示为
其中w1和w2为地形熵和地形高程标准差对应的权重,均设定为0.5。
步骤五、将2个提取区域对应的平均高程残差、地形信息量以及有效测点个数输入至神经网络中,若神经网络输出值大于0.1,该地形匹配结果有效,否则该地地形匹配结果无效。步骤五中的神经网络结构具体为:
神经网络的输入单元为2个提取区域的平均高程残差、地形信息量以及有效测点个数,输出单元输出值为0到1之间的自然数;该神经网络包括由14个隐单元组成的隐层以及两个偏置项,两个偏置项分别输入至隐层和输出单元。
综上,本发明公开的是一种考虑残差分布的无效地形匹配结果识别方法,主要是一种对水下机器人的海底地形匹配定位结果有效性进行判别的方法。主要步骤包括:步骤一是计算地形匹配结果给出的地图1和地图2重叠区域高程残差序列ΔH和有效测点个数;步骤二是判断高程残差序列ΔH是否满足均值在-0.5到0.5之间、协方差不大于0.4的正态分布,若满足则计算该高斯分布对应的均值μ和协方差σ并执行步骤三,否则判断该地形匹配结果无效;步骤三是将重叠区域所有残差大于μ±σ的网格节点提取出来作为提取区域1,将所有未被提取的网格节点作为提取区域2,执行步骤四;步骤四是分别计算2个提取区域对应的平均高程残差、地形信息量以及有效测点个数,并执行步骤五;步骤五是将2个提取区域对应的平均高程残差、地形信息量以及有效测点个数输入至神经网络中,若神经网络输出值大于0.1,该地形匹配结果有效,否则该地地形匹配结果无效。
Claims (2)
1.一种考虑残差分布的无效地形匹配结果识别方法,其特征在于:包含如下步骤:
步骤(1):针对地形匹配结果给出的地图1和地图2重叠区域中M个网格节点,若在网格节点j处,j=1,2,...,M,地形匹配中地图1具有有效测深数据地图2具有有效测深数据则网格节点j为有效节点且网格节点j高程残差若有效节点有K个,则重叠区域高程残差序列为ΔH={Δh1,Δh2,...,ΔhK};
步骤(2):绘制直方图,判断高程残差序列ΔH是否满足均值在-0.5到0.5之间、协方差不大于0.4的高斯分布,若满足则计算该高斯分布的均值μ和协方差σ并执行步骤(3),否则判断该地形匹配结果无效;
步骤(3):将重叠区域所有残差大于μ±σ的网格节点提取出来作为提取区域1,将所有未被提取的网格节点作为提取区域2;
步骤(4):分别计算提取区域1和提取区域2的平均高程残差、地形信息量以及有效节点的个数;
步骤(4.1):针对提取区域i,i=1,2,根据步骤(1)的结果统计提取区域i的有效节点的个数L;针对L个有效节点,将有效节点处的地图1的地形高程表示为地图2的地形高程表示为将高程残差表示为Δhi,l,l=1,2,...,L;
步骤(4.3):针对提取区域i内地图1的地形高程计算提取区域i内地图1的地形高程标准差和提取区域i内地图1的地形熵针对提取区域i内地图2的地形高程计算提取区域i内地图2的地形高程标准差和提取区域i内地图2的地形熵再计算提取区域i的地形高程标准差σi和提取区域i的地形粗糙度Ri;
步骤(4.4):对于提取区域i,将提取区域i信息序列表示为xi=[Ri,σi](i=1,2),计算最优序列x0=[max(Ri),max(σi)](i=1,2),再计算灰色关联系数ζi,j:
上式中,ρ∈[0,1]是分辨系数;
提取区域i的地形信息量为:
上式中,w1和w2为地形熵和地形高程标准差对应的权重;
提取区域i的地形高程标准差σi为:
提取区域i的地形粗糙度Ri为:
步骤(5):将提取区域1的平均高程残差、提取区域1的地形信息量、提取区域1的有效节点的个数、提取区域2的平均高程残差、提取区域2的地形信息量和提取区域2的有效节点的个数输入神经网络中,若神经网络输出值大于预设值,该地形匹配结果有效,否则该地形匹配结果无效。
2.根据权利要求1所述的一种考虑残差分布的无效地形匹配结果识别方法,其特征在于:所述的神经网络:神经网络的输入单元为提取区域1的平均高程残差、提取区域1的地形信息量、提取区域1的有效节点的个数、提取区域2的平均高程残差、提取区域2的地形信息量和提取区域2的有效节点的个数,输出单元输出值在0到1之间;神经网络的隐层由14个隐单元组成,具有两个偏置项,两个偏置项分别输入至隐层和输出单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492181.7A CN110207721B (zh) | 2019-06-06 | 2019-06-06 | 一种考虑残差分布的无效地形匹配结果识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492181.7A CN110207721B (zh) | 2019-06-06 | 2019-06-06 | 一种考虑残差分布的无效地形匹配结果识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110207721A CN110207721A (zh) | 2019-09-06 |
CN110207721B true CN110207721B (zh) | 2022-06-21 |
Family
ID=67791426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910492181.7A Active CN110207721B (zh) | 2019-06-06 | 2019-06-06 | 一种考虑残差分布的无效地形匹配结果识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110207721B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110763234B (zh) * | 2019-10-15 | 2022-10-28 | 哈尔滨工程大学 | 一种水下机器人海底地形匹配导航路径规划方法 |
CN114216465B (zh) * | 2021-12-08 | 2022-11-01 | 哈尔滨工程大学 | 一种海底地形导航并行匹配方法 |
CN114322856B (zh) * | 2021-12-16 | 2023-09-15 | 青岛慧拓智能机器有限公司 | 矿区路面平整度的检测方法、装置、存储介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5272639A (en) * | 1992-01-14 | 1993-12-21 | Honeywell Inc. | Terrain referenced navigation electromagnetic-gravitational correlation |
CN103576147A (zh) * | 2012-08-02 | 2014-02-12 | 中国科学院电子学研究所 | 合成孔径雷达大斜视模式下成像方法 |
CN104729529A (zh) * | 2013-12-24 | 2015-06-24 | 北京市测绘设计研究院 | 地形图测量系统误差判断的方法和系统 |
CN105180938A (zh) * | 2015-06-03 | 2015-12-23 | 北京理工大学 | 一种基于粒子滤波的重力采样矢量匹配定位方法 |
CN106767834A (zh) * | 2017-01-24 | 2017-05-31 | 哈尔滨工程大学 | 一种基于模糊熵值的auv水下地形匹配适配区划分方法 |
CN107504974A (zh) * | 2017-09-15 | 2017-12-22 | 哈尔滨工程大学 | 地形分块与地形测点加权的地形匹配定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8509965B2 (en) * | 2006-12-12 | 2013-08-13 | American Gnc Corporation | Integrated collision avoidance system for air vehicle |
US9404754B2 (en) * | 2013-03-25 | 2016-08-02 | Raytheon Company | Autonomous range-only terrain aided navigation |
-
2019
- 2019-06-06 CN CN201910492181.7A patent/CN110207721B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5272639A (en) * | 1992-01-14 | 1993-12-21 | Honeywell Inc. | Terrain referenced navigation electromagnetic-gravitational correlation |
CN103576147A (zh) * | 2012-08-02 | 2014-02-12 | 中国科学院电子学研究所 | 合成孔径雷达大斜视模式下成像方法 |
CN104729529A (zh) * | 2013-12-24 | 2015-06-24 | 北京市测绘设计研究院 | 地形图测量系统误差判断的方法和系统 |
CN105180938A (zh) * | 2015-06-03 | 2015-12-23 | 北京理工大学 | 一种基于粒子滤波的重力采样矢量匹配定位方法 |
CN106767834A (zh) * | 2017-01-24 | 2017-05-31 | 哈尔滨工程大学 | 一种基于模糊熵值的auv水下地形匹配适配区划分方法 |
CN107504974A (zh) * | 2017-09-15 | 2017-12-22 | 哈尔滨工程大学 | 地形分块与地形测点加权的地形匹配定位方法 |
Non-Patent Citations (5)
Title |
---|
"Prospectivity mapping for high sulfidation epithermal porphyry deposits using an integrated compositional and topographic remote sensing dataset";Ferrier, Graham等;《Ore Geology Reviews》;20190430;第107卷;353-363 * |
"Topography Retrieval From Single-Pass POLSAR Data Based on the Polarization-Dependent Intensity Ratio";Li, Yang等;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20151231;第53卷(第6期);3160-3177 * |
"Underwater digital elevation map gridding method based on optimal partition of suitable matching area";Wang Rupeng等;《International Journal of Advanced Robotic Systems》;20190527;第16卷(第2期);1-16 * |
"基于残差的RVOG模型植被地形反演";史磊,等;《《2011成像雷达对地观测高级学术研讨会》;20111231;162-170 * |
"水下地形匹配定位置信区间估计";王汝鹏,等;《武汉大学学报·信息科学版》;20190605;第44卷(第6期);830-836转916 * |
Also Published As
Publication number | Publication date |
---|---|
CN110207721A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110207721B (zh) | 一种考虑残差分布的无效地形匹配结果识别方法 | |
CN110823217B (zh) | 一种基于自适应联邦强跟踪滤波的组合导航容错方法 | |
CN101354253B (zh) | 一种基于匹配度的地磁辅助导航方法 | |
WO2023045357A1 (zh) | 一种基于统计相似度量的组合导航鲁棒滤波方法 | |
CN106052688B (zh) | 基于地形轮廓匹配的惯性导航系统速度累积误差修正方法 | |
CN110057354B (zh) | 一种基于磁偏角修正的地磁匹配导航方法 | |
CN109724599A (zh) | 一种抗野值的鲁棒卡尔曼滤波sins/dvl组合导航方法 | |
CN106646564A (zh) | 一种基于低轨卫星增强导航方法 | |
CN110132281B (zh) | 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 | |
CN110726415B (zh) | 一种自适应的水下多波束同步定位与建图方法 | |
CN114061591B (zh) | 一种基于滑动窗数据回溯的等值线匹配方法 | |
CN110567455B (zh) | 一种求积更新容积卡尔曼滤波的紧组合导航方法 | |
CN109738902B (zh) | 一种基于同步信标模式的水下高速目标高精度自主声学导航方法 | |
CN112285745B (zh) | 基于北斗三号卫星导航系统的三频模糊度固定方法及系统 | |
CN113916225B (zh) | 一种基于稳健权因子系数的组合导航粗差抗差估计方法 | |
CN116819580B (zh) | 一种惯性辅助的双天线gnss海上船舶姿态确定方法 | |
CN115096303A (zh) | 一种gnss多天线与ins紧组合定位定姿方法和设备 | |
CN102590843B (zh) | 一种短基线下基于分级小型搜索空间添加的tcar改进方法 | |
CN115930977A (zh) | 特征退化场景的定位方法、系统、电子设备和可读存介质 | |
Deng et al. | Underwater map-matching aided inertial navigation system based on multi-geophysical information | |
CN116358566B (zh) | 一种基于抗差自适应因子的粗差探测组合导航方法 | |
CN110487276B (zh) | 一种基于相关分析的采样矢量匹配定位方法 | |
Zhuangsheng et al. | Study on initial gravity map matching technique based on triangle constraint model | |
CN113821766B (zh) | 一种海洋声学导航系统误差改正方法 | |
CN115371705A (zh) | 一种基于特殊正交群和鲁棒不变扩展卡尔曼滤波的dvl标定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |