CN115265545A - 基于决策分析的地图匹配导航方法、装置、设备及存储介质 - Google Patents

基于决策分析的地图匹配导航方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115265545A
CN115265545A CN202210940817.1A CN202210940817A CN115265545A CN 115265545 A CN115265545 A CN 115265545A CN 202210940817 A CN202210940817 A CN 202210940817A CN 115265545 A CN115265545 A CN 115265545A
Authority
CN
China
Prior art keywords
environment
navigation
target
bag
standard
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.)
Pending
Application number
CN202210940817.1A
Other languages
English (en)
Inventor
胡涛
姜峰
张宏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou View Zhihang Technology Co ltd
Original Assignee
Hangzhou View Zhihang Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou View Zhihang Technology Co ltd filed Critical Hangzhou View Zhihang Technology Co ltd
Priority to CN202210940817.1A priority Critical patent/CN115265545A/zh
Publication of CN115265545A publication Critical patent/CN115265545A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及无人机导航技术领域，具体涉及一种基于决策分析的地图匹配导航方法。所述方法包括以下步骤：根据获取的定位信息在预设的地图数据库中查找对应的环境数据；从获取的初始航拍视频中提取出初始航拍图序列，对初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；对标准航拍图序列进行轮廓提取，得到标准环境轮廓；对环境数据进行重合度匹配，得到重合环境数据，对重合环境数据进行数据修正，得到导航环境数据；利用预设的位移词袋模型对导航环境数据进行位置匹配航。本发明还提出一种基于决策分析的地图匹配导航装置、电子设备以及存储介质。本发明可以提高无人机地图导航的精确度。

Description

基于决策分析的地图匹配导航方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于决策分析的地图匹配导航方法、装置、电子设备及计算机可读存储介质。
背景技术
随着无人机技术的普及，无人机也在越来越多的领域得到了应用，但为了提升无人机的操作体验，减少用户的手动操作，需要对无人机进行地图导航，以方便用户操作。现有的无人机导航技术多为基于单一特征的导航技术，例如，通过检测无人机的运动轨迹而进行导航的惯性导航以及通过卫星定位的导航等。实际应用中，无人机的飞行环境较为复杂，基于单一特征的导航技术在应对多变环境时的局限性较大，鲁棒性较低，可能导致对无人机进行地图导航时的精确度较低。
发明内容
本发明提供一种基于决策分析的地图匹配导航方法、装置及计算机可读存储介质，其主要目的在于解决对无人机进行地图导航时的精确度较低的问题。
为实现上述目的，本发明提供的一种基于决策分析的地图匹配导航方法，包括：
获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航。
可选地，所述根据所述定位信息在预设的地图数据库中查找对应的环境数据，包括：
从所述定位信息中提取出经纬度信息，利用所述经纬度信息在所述地图数据库中检索出对应的地形数据；
从所述定位信息中提取出海拔信息，利用所述海拔信息对所述地形数据进行高度映射转化，得到环境数据。
可选地，所述从所述初始航拍视频中提取出初始航拍图序列，包括：
利用预设的视频转化工具将所述初始航拍视频转化为视频帧序列；
按照预设的时间间隔对所述视频帧序列进行视频节点标记，得到视频节点集合；
按照时序逐一从所述视频节点集合中选取一个视频节点作为目标节点，将所述目标节点对应的视频帧图片作为目标帧图片，并按照时序将所述目标帧图片排列成所述视频帧序列。
可选地，所述利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列之前，还包括：
获取预设的正常样本图集，对所述正常样本图集进行定位标注，得到正常定位图集；
利用所述摄像组件对所述正常定位图集进行拍摄，得到畸变定位图集；
根据所述正常定位图集中的定位标注点生成正常坐标集合，并根据所述畸变定位图集中的定位标注点生成畸变坐标集合；
利用如下的均方矫正算法对所述畸变坐标集合进行畸变校正，得到预测坐标集合：
Figure BDA0003778575600000031
Figure BDA0003778575600000032
其中，
Figure BDA0003778575600000033
是所述畸变坐标集合中第i个畸变坐标的横坐标，
Figure BDA0003778575600000034
是指所述畸变坐标集合中第i个畸变坐标的纵坐标，Xi是所述预测坐标集合中第i个预测坐标的横坐标，yi是所述预测坐标集合中第i个预测坐标的纵坐标，i是指所述预测坐标集合和所述畸变坐标集合中的第l个，J1是泰勒级数展开式的第一项，J2是泰勒级数展开式的第二项，d是指所述摄像组件的内参，k1是所述均方矫正算法的第一切向参数，K2是指所述均方矫正算法的第二切向参数：
计算所述正常坐标集合与所述预测坐标集合之间的距离差值，利用所述距离差值对所述均方矫正算法进行参数更新，直至所述距离差值小于预设的距离阈值时，将参数更新后的所述均方矫正算法作为所述均方矫正模型。
可选地，所述利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列，包括：
逐一选取所述初始航拍图序列中的一个初始航拍图片作为目标初始图片；
按照所述目标初始图片的图片尺寸生成对应的单位矩阵，并利用所述均方矫正模型计算出所述单位矩阵的映射向量；
将所述目标初始图片转化为目标图片矩阵，利用所述映射向量乘以所述目标图片矩阵，得到目标矫正矩阵，并将所述目标矫正矩阵转化为目标矫正图片；
按照所述初始航拍图序列的次序对所有的所述目标矫正图片进行排序，得到所述标准航拍图序列。
可选地，所述利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓，包括：
逐一选取所述标准航拍图序列中的一个标准航拍图片作为目标航拍图片；
对所述目标航拍图片进行灰度化处理，得到目标灰度图片；
对所述目标灰度图片进行二值化处理，得到目标二值图片；
利用所述轮廓提取模型对所述目标二值图片进行图片侵蚀，得到目标侵蚀图片；
分别对所述目标侵蚀图片进行图片去噪以及纹理增强，得到目标环境轮廓，并将所有的目标环境轮廓汇集成标准环境轮廓。
可选地，所述利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，包括：
根据所述定位信息确定所述无人机的运动方向，按照所述运动方向依次对所述环境数据进行投影映射，得到环境投影数据；
对所述环境投影数据进行轮廓提取，得到环境投影轮廓；
对所述标准环境轮廓进行特征提取，得到标准特征集，利用预设的归一化函数对所述标准特征集进行归一化编码，得到标准特征编码集；
对所述环境投影轮廓进行特征提取，得到环境特征集，利用所述归一化函数对所述环境特征集进行归一化编码，得到环境特征编码集；
从所述标准特征编码集中选取第一个标准特征编码作为目标标准编码，计算所述目标标准编码与所述环境特征编码集中的环境特征编码的汉明距离；
选取所述汉明距离小于预设汉明阈值的环境特征编码作为目标环境编码，并将所述目标环境编码所对应的环境投影数据作为重合环境数据。
为了解决上述问题，本发明还提供一种基于决策分析的地图匹配导航装置，所述装置包括：
定位信息模块，用于获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
视频矫正模块，用于获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
轮廓提取模块，用于利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
数据修正模块，用于利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
智能导航模块，用于获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航，其中，所述利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，包括：利用所述位移词袋模型对所述导航环境数据进行特征提取，得到所述导航环境数据的导航词袋特征；利用如下的词袋相似度公式计算所述导航词袋特征与预设词袋特征库中各词袋特征的相似度：
Figure BDA0003778575600000051
其中，S是指所述相似度，
Figure BDA0003778575600000052
是预设对抗系数，arccos是反余弦函数，
Figure BDA0003778575600000053
是指所述导航词袋特征，
Figure BDA0003778575600000054
是指所述预设词袋特征库中的词袋特征，T是转置符号；在所述预设词袋特征库中选取所述相似度小于预设相似度阈值的词袋特征作为目标词袋特征，将所述目标词袋特征对应的视觉单词集合作为目标单词集合；根据所述目标单词集合构建词袋树模型，并根据所述词袋树模型对所述导航环境数据进行回环检测，得到节点位置。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于决策分析的地图匹配导航方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于决策分析的地图匹配导航方法。
本发明实施例通过根据所述定位信息在预设的地图数据库中查找对应的环境数据，能够获得所述无人机所在处的地理环境信息，从而根据地理环境信息进行定位导航，通过利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列，能够完成对摄像模组鱼眼镜头畸形形变的矫正，确保后续的标准环境轮廓的准确性，为无人机提供更加精准的导航，通过利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓，能够有效地过滤标准航拍图序列中图片的多余信息，并进行图片增强，能够有效地提取当前无人机所述场景的图片特征，方便后续对所述环境数据进行重合度匹配，通过利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据，能够确定所述无人机当前所处环境模型，并结合所述环境数据模拟飞行路线之后的环境模型，从而保障所述导航环境数据的准确性，通过利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，可以生成最贴近当前环境数据的词袋树模型，以回环检测的方式生成路径，进而提升了无人机导航的效率，通过利用所述无人机的定位信息、航拍视频以及运动数据等，可以将定位导航、视觉导航以结为一体，为无人机提供更加准确的导航数据。因此本发明提出的基于决策分析的地图匹配导航方法、装置、电子设备及计算机可读存储介质，可以解决对无人机进行地图导航时的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于决策分析的地图匹配导航方法的流程示意图；
图2为本发明一实施例提供的提取初始航拍图序列的流程示意图；
图3为本发明一实施例提供的计算节点位置的流程示意图；
图4为本发明一实施例提供的基于决策分析的地图匹配导航装置的功能模块图；
图5为本发明一实施例提供的实现所述基于决策分析的地图匹配导航方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于决策分析的地图匹配导航方法。所述基于决策分析的地图匹配导航方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于决策分析的地图匹配导航方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于决策分析的地图匹配导航方法的流程示意图。在本实施例中，所述基于决策分析的地图匹配导航方法包括：
S1、获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
本发明实施例中，所述定位组件可以是所述无人机的GPS定位组件、无线电高度表、大气数据计算组件或者北斗导航定位组件等组件。
详细地，所述定位信息包括无人机的实时经纬度信息以及实时高度信息。
详细地，所述地图数据库可以是Google地图数据库或高德地图数据库等包含地形信息的地图数据库。
本发明实施例中，所述根据所述定位信息在预设的地图数据库中查找对应的环境数据，包括：
从所述定位信息中提取出经纬度信息，利用所述经纬度信息在所述地图数据库中检索出对应的地形数据；
从所述定位信息中提取出海拔信息，利用所述海拔信息对所述地形数据进行高度映射转化，得到环境数据。
本发明实施例中，通过根据所述定位信息在预设的地图数据库中查找对应的环境数据，能够获得所述无人机所在处的地理环境信息，从而根据地理环境信息进行定位导航。
S2、获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
本发明实施例中，所述摄像组件是指无人机中用于拍摄成像的组件，例如YT-A6500、GoPro以及Insta360等组件。
本发明实施例中，参照图2所示，所述从所述初始航拍视频中提取出初始航拍图序列，包括：
S21、利用预设的视频转化工具将所述初始航拍视频转化为视频帧序列；
S22、按照预设的时间间隔对所述视频帧序列进行视频节点标记，得到视频节点集合；
S23、按照时序逐一从所述视频节点集合中选取一个视频节点作为目标节点，将所述目标节点对应的视频帧图片作为目标帧图片，并按照时序将所述目标帧图片排列成所述视频帧序列。
具体地，所述视频转化工具可以是非线性特效制作软件(AE，Adobe AfterEffects)。
详细地，所述时间间隔可以是0.5s或者1s。
具体地，所述利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列之前，还包括：
获取预设的正常样本图集，对所述正常样本图集进行定位标注，得到正常定位图集；
利用所述摄像组件对所述正常定位图集进行拍摄，得到畸变定位图集；
根据所述正常定位图集中的定位标注点生成正常坐标集合，并根据所述畸变定位图集中的定位标注点生成畸变坐标集合；
利用如下的均方矫正算法对所述畸变坐标集合进行畸变校正，得到预测坐标集合：
Figure BDA0003778575600000091
Figure BDA0003778575600000092
其中，
Figure BDA0003778575600000093
是所述畸变坐标集合中第i个畸变坐标的横坐标，
Figure BDA0003778575600000094
是指所述畸变坐标集合中第i个畸变坐标的纵坐标，Xi是所述预测坐标集合中第i个预测坐标的横坐标，yi是所述预测坐标集合中第i个预测坐标的纵坐标，i是指所述预测坐标集合和所述畸变坐标集合中的第i个，j1是泰勒级数展开式的第一项，j2是泰勒级数展开式的第二项，d是指所述摄像组件的内参，k1是所述均方矫正算法的第一切向参数，k2是指所述均方矫正算法的第二切向参数：
计算所述正常坐标集合与所述预测坐标集合之间的距离差值，利用所述距离差值对所述均方矫正算法进行参数更新，直至所述距离差值小于预设的距离阈值时，将参数更新后的所述均方矫正算法作为所述均方矫正模型。
详细地，所述正常样本图集可以由纯色图片组成的图集或是由包含规则图形的图片组成的图集。
具体地，所述定位标注是指在所述正常样本图集的每个正常样本图片上标注上定位标注点。
详细地，可以通过两点距离公式计算所述正常坐标集合与所述预测坐标集合之间的距离差值。
具体地，可以利用梯度下降算法根据所述距离差值对所述均方矫正算法进行参数更新。
详细地，所述距离阈值可以是20像素或25像素。
本发明实施例中，通过所述均方矫正算法对所述畸变坐标集合进行畸变校正，得到预测坐标集合，能够精确地模拟所述摄像组件的镜头畸变，并对其进行矫正，使得无人机能够获得更加准确的当前环境数据。
详细地，所述利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列，包括：
逐一选取所述初始航拍图序列中的一个初始航拍图片作为目标初始图片；
按照所述目标初始图片的图片尺寸生成对应的单位矩阵，并利用所述均方矫正模型计算出所述单位矩阵的映射向量；
将所述目标初始图片转化为目标图片矩阵，利用所述映射向量乘以所述目标图片矩阵，得到目标矫正矩阵，并将所述目标矫正矩阵转化为目标矫正图片；
按照所述初始航拍图序列的次序对所有的所述目标矫正图片进行排序，得到所述标准航拍图序列。
详细地，可以利用python的PIL工具包将所述目标初始图片转化为目标图片矩阵，并将所述目标矫正矩阵转化为目标矫正图片。
本发明实施例中，通过利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列，能够完成对摄像模组鱼眼镜头畸形形变的矫正，确保后续的标准环境轮廓的准确性，为无人机提供更加精准的导航。
S3、利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
本发明实施例中，所述利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓，包括：
逐一选取所述标准航拍图序列中的一个标准航拍图片作为目标航拍图片；
对所述目标航拍图片进行灰度化处理，得到目标灰度图片；
对所述目标灰度图片进行二值化处理，得到目标二值图片；
利用所述轮廓提取模型对所述目标二值图片进行图片侵蚀，得到目标侵蚀图片；
分别对所述目标侵蚀图片进行图片去噪以及纹理增强，得到目标环境轮廓，并将所有的目标环境轮廓汇集成标准环境轮廓。
详细地，可以利用OpenCV的cv2.cvtcolor函数对所述目标航拍图片进行灰度化处理，得到目标灰度图片。
具体地，可以利用OpenCV的cv2.threshold函数对所述目标灰度图片进行二值化处理，得到目标二值图片。
具体地，所述轮廓提取模型可以是Canny边缘检测算法或蚁群算法。
详细地，可以利用Primal-dual算法或非局部均值去噪算法对所述目标侵蚀图片进行图片去噪。
具体地，可以利用drawContours函数对图片去噪后的所述目标侵蚀图片进行纹理增强，得到目标环境轮廓。
本发明实施例中，通过利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓，能够有效地过滤标准航拍图序列中图片的多余信息，并进行图片增强，能够有效地提取当前无人机所述场景的图片特征，方便后续对所述环境数据进行重合度匹配。
S4、利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
本发明实施例中，所述利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，包括：
根据所述定位信息确定所述无人机的运动方向，按照所述运动方向依次对所述环境数据进行投影映射，得到环境投影数据；
对所述环境投影数据进行轮廓提取，得到环境投影轮廓；
对所述标准环境轮廓进行特征提取，得到标准特征集，利用预设的归一化函数对所述标准特征集进行归一化编码，得到标准特征编码集；
对所述环境投影轮廓进行特征提取，得到环境特征集，利用所述归一化函数对所述环境特征集进行归一化编码，得到环境特征编码集；
从所述标准特征编码集中选取第一个标准特征编码作为目标标准编码，计算所述目标标准编码与所述环境特征编码集中的环境特征编码的汉明距离；
选取所述汉明距离小于预设汉明阈值的环境特征编码作为目标环境编码，并将所述目标环境编码所对应的环境投影数据作为重合环境数据。
所述对所述环境投影数据进行轮廓提取，得到环境投影轮廓的步骤与上述步骤S3中的所述利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓的步骤一致，这里不再赘述。
具体的，可以利用VGGNet模型对所述标准环境轮廓与所述环境投影轮廓进行特征提取。
详细的，所述归一化函数可以是softmax函数。
详细地，所述利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据是指根据所述标准环境轮廓构建标准环境模型，并利用所述标准环境模型替换所述重合环境数据中的3D环境模型。
本发明实施例中，通过利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据，能够确定所述无人机当前所处环境模型，并结合所述环境数据模拟飞行路线之后的环境模型，从而保障所述导航环境数据的准确性。
S5、获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航。
本发明实施例中，所述运动数据是指所述无人机的运动加速度，陀螺仪等数据。
本发明实施例中，参照图3所示，所述利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，包括：
S51、利用所述位移词袋模型对所述导航环境数据进行特征提取，得到所述导航环境数据的导航词袋特征；
S52、利用如下的词袋相似度公式计算所述导航词袋特征与预设词袋特征库中各词袋特征的相似度：
Figure BDA0003778575600000131
其中，S是指所述相似度，
Figure BDA0003778575600000132
是预设对抗系数，arccos是反余弦函数，
Figure BDA0003778575600000133
是指所述导航词袋特征，
Figure BDA0003778575600000134
是指所述预设词袋特征库中的词袋特征，T是转置符号；
S53、在所述预设词袋特征库中选取所述相似度小于预设相似度阈值的词袋特征作为目标词袋特征，将所述目标词袋特征对应的视觉单词集合作为目标单词集合；
S54、根据所述目标单词集合构建词袋树模型，并根据所述词袋树模型对所述导航环境数据进行回环检测，得到节点位置。
具体地，通过利用所述词袋相似度公式计算所述导航词袋特征与预设词袋特征库中各词袋特征的相似度，可以对多维特征向量进行向量方向与长度等对比，确保所述相似度计算的准确性。
详细地，所述位移词袋模型可以是brief词袋模型。
具体地，所述预设词袋特征库是利用所述位移词袋模型对大量环境数据进行词袋特征提取标注后得到的。
详细地，可以利用SLAM检测模型根据所述词袋树模型对所述导航环境数据进行回环检测，得到节点位置。
详细地，所述利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，包括：
根据所述节点位置生成所述无人机的路径网络图；
从所述运动数据提取出所述无人机的转向延迟以及所述无人机的运动速度，并利用所述转向延迟以及所述运动速度生成所述路径网络图的路径延迟权重；
从所述路径网络图中提取出所述无人机的导航路径集合，逐个从所述导航路径集合中选取一个导航路径作为目标路径，并根据所述路径延迟权重计算出所述目标路径对应的路径延迟，得到路径延迟集合；
从所述路径延迟集合中选取出数值最小的路径延迟作为目标路径延迟，将所述目标路径延迟对应的导航路径作为所述无人机的运动轨迹。
具体地，所述路径网络图是从所述无人机当前位置出发经过所述节点位置得到的有向图。
具体地，所述转向延迟是指无人机在转向时的延迟时间，所述延迟时间与转向角度呈线性关系。
详细地，可以利用拓扑排序算法从所述路径网络图中提取出所述无人机的导航路径集合。
本发明实施例中，通过利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，可以生成最贴近当前环境数据的词袋树模型，以回环检测的方式生成路径，进而提升了无人机导航的效率。
本发明实施例通过根据所述定位信息在预设的地图数据库中查找对应的环境数据，能够获得所述无人机所在处的地理环境信息，从而根据地理环境信息进行定位导航，通过利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列，能够完成对摄像模组鱼眼镜头畸形形变的矫正，确保后续的标准环境轮廓的准确性，为无人机提供更加精准的导航，通过利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓，能够有效地过滤标准航拍图序列中图片的多余信息，并进行图片增强，能够有效地提取当前无人机所述场景的图片特征，方便后续对所述环境数据进行重合度匹配，通过利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据，能够确定所述无人机当前所处环境模型，并结合所述环境数据模拟飞行路线之后的环境模型，从而保障所述导航环境数据的准确性，通过利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，可以生成最贴近当前环境数据的词袋树模型，以回环检测的方式生成路径，进而提升了无人机导航的效率，通过利用所述无人机的定位信息、航拍视频以及运动数据等，可以将定位导航、视觉导航以结为一体，为无人机提供更加准确的导航数据。因此本发明提出的基于决策分析的地图匹配导航方法，可以解决对无人机进行地图导航时的精确度较低的问题。
如图4所示，是本发明一实施例提供的基于决策分析的地图匹配导航装置的功能模块图。
本发明所述基于决策分析的地图匹配导航装置100可以安装于电子设备中。根据实现的功能，所述基于决策分析的地图匹配导航装置100可以包括定位信息模块101、视频矫正模块102、轮廓提取模块103、数据修正模块104及智能导航模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述定位信息模块101，用于获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
所述视频矫正模块102，用于获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
所述轮廓提取模块103，用于利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
所述数据修正模块104，用于利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
所述智能导航模块105，用于获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航，其中，所述利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，包括：利用所述位移词袋模型对所述导航环境数据进行特征提取，得到所述导航环境数据的导航词袋特征；利用如下的词袋相似度公式计算所述导航词袋特征与预设词袋特征库中各词袋特征的相似度：
Figure BDA0003778575600000161
其中，S是指所述相似度，
Figure BDA0003778575600000162
是预设对抗系数，arccos是反余弦函数，
Figure BDA0003778575600000171
是指所述导航词袋特征，
Figure BDA0003778575600000172
是指所述预设词袋特征库中的词袋特征，T是转置符号；在所述预设词袋特征库中选取所述相似度小于预设相似度阈值的词袋特征作为目标词袋特征，将所述目标词袋特征对应的视觉单词集合作为目标单词集合；根据所述目标单词集合构建词袋树模型，并根据所述词袋树模型对所述导航环境数据进行回环检测，得到节点位置。
详细地，本发明实施例中所述基于决策分析的地图匹配导航装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于决策分析的地图匹配导航方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于决策分析的地图匹配导航方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于决策分析的地图导航程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于决策分析的地图导航程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于决策分析的地图导航程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于决策分析的地图导航程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于决策分析的地图匹配导航方法，其特征在于，所述方法包括：
S1：获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
S2：获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
S3：利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
S4：利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
S5：获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航，其中，所述利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，包括：
S51：利用所述位移词袋模型对所述导航环境数据进行特征提取，得到所述导航环境数据的导航词袋特征；
S52：利用如下的词袋相似度公式计算所述导航词袋特征与预设词袋特征库中各词袋特征的相似度：
Figure FDA0003778575590000011
其中，S是指所述相似度，
Figure FDA0003778575590000012
是预设对抗系数，arccos是反余弦函数，
Figure FDA0003778575590000013
是指所述导航词袋特征，
Figure FDA0003778575590000014
是指所述预设词袋特征库中的词袋特征，T是转置符号；
S53：在所述预设词袋特征库中选取所述相似度小于预设相似度阈值的词袋特征作为目标词袋特征，将所述目标词袋特征对应的视觉单词集合作为目标单词集合；
S54：根据所述目标单词集合构建词袋树模型，并根据所述词袋树模型对所述导航环境数据进行回环检测，得到节点位置。
2.如权利要求1所述的基于决策分析的地图匹配导航方法，其特征在于，所述根据所述定位信息在预设的地图数据库中查找对应的环境数据，包括：
从所述定位信息中提取出经纬度信息，利用所述经纬度信息在所述地图数据库中检索出对应的地形数据；
从所述定位信息中提取出海拔信息，利用所述海拔信息对所述地形数据进行高度映射转化，得到环境数据。
3.如权利要求1所述的基于决策分析的地图匹配导航方法，其特征在于，所述从所述初始航拍视频中提取出初始航拍图序列，包括：
利用预设的视频转化工具将所述初始航拍视频转化为视频帧序列；
按照预设的时间间隔对所述视频帧序列进行视频节点标记，得到视频节点集合；
按照时序逐一从所述视频节点集合中选取一个视频节点作为目标节点，将所述目标节点对应的视频帧图片作为目标帧图片，并按照时序将所述目标帧图片排列成所述视频帧序列。
4.如权利要求1所述的基于决策分析的地图匹配导航方法，其特征在于，所述利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列之前，还包括：
获取预设的正常样本图集，对所述正常样本图集进行定位标注，得到正常定位图集；
利用所述摄像组件对所述正常定位图集进行拍摄，得到畸变定位图集；
根据所述正常定位图集中的定位标注点生成正常坐标集合，并根据所述畸变定位图集中的定位标注点生成畸变坐标集合；
利用如下的均方矫正算法对所述畸变坐标集合进行畸变校正，得到预测坐标集合：
Figure FDA0003778575590000031
其中，
Figure FDA0003778575590000032
是所述畸变坐标集合中第i个畸变坐标的横坐标，
Figure FDA0003778575590000033
是指所述畸变坐标集合中第i个畸变坐标的纵坐标，Xi是所述预测坐标集合中第i个预测坐标的横坐标，yi是所述预测坐标集合中第i个预测坐标的纵坐标，i是指所述预测坐标集合和所述畸变坐标集合中的第i个，j1是泰勒级数展开式的第一项，j2是泰勒级数展开式的第二项，d是指所述摄像组件的内参，k1是所述均方矫正算法的第一切向参数，k2是指所述均方矫正算法的第二切向参数：
计算所述正常坐标集合与所述预测坐标集合之间的距离差值，利用所述距离差值对所述均方矫正算法进行参数更新，直至所述距离差值小于预设的距离阈值时，将参数更新后的所述均方矫正算法作为所述均方矫正模型。
5.如权利要求1所述的基于决策分析的地图匹配导航方法，其特征在于，所述利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列，包括：
逐一选取所述初始航拍图序列中的一个初始航拍图片作为目标初始图片；
按照所述目标初始图片的图片尺寸生成对应的单位矩阵，并利用所述均方矫正模型计算出所述单位矩阵的映射向量；
将所述目标初始图片转化为目标图片矩阵，利用所述映射向量乘以所述目标图片矩阵，得到目标矫正矩阵，并将所述目标矫正矩阵转化为目标矫正图片；
按照所述初始航拍图序列的次序对所有的所述目标矫正图片进行排序，得到所述标准航拍图序列。
6.如权利要求1中任一项所述的基于决策分析的地图匹配导航方法，其特征在于，所述利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓，包括：
逐一选取所述标准航拍图序列中的一个标准航拍图片作为目标航拍图片；
对所述目标航拍图片进行灰度化处理，得到目标灰度图片；
对所述目标灰度图片进行二值化处理，得到目标二值图片；
利用所述轮廓提取模型对所述目标二值图片进行图片侵蚀，得到目标侵蚀图片；
分别对所述目标侵蚀图片进行图片去噪以及纹理增强，得到目标环境轮廓，并将所有的目标环境轮廓汇集成标准环境轮廓。
7.如权利要求1所述的基于决策分析的地图匹配导航方法，其特征在于，所述利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，包括：
根据所述定位信息确定所述无人机的运动方向，按照所述运动方向依次对所述环境数据进行投影映射，得到环境投影数据；
对所述环境投影数据进行轮廓提取，得到环境投影轮廓；
对所述标准环境轮廓进行特征提取，得到标准特征集，利用预设的归一化函数对所述标准特征集进行归一化编码，得到标准特征编码集；
对所述环境投影轮廓进行特征提取，得到环境特征集，利用所述归一化函数对所述环境特征集进行归一化编码，得到环境特征编码集；
从所述标准特征编码集中选取第一个标准特征编码作为目标标准编码，计算所述目标标准编码与所述环境特征编码集中的环境特征编码的汉明距离；
选取所述汉明距离小于预设汉明阈值的环境特征编码作为目标环境编码，并将所述目标环境编码所对应的环境投影数据作为重合环境数据。
8.一种基于决策分析的地图匹配导航装置，其特征在于，所述装置包括：
定位信息模块，用于获取无人机的定位组件上传的定位信息，根据所述定位信息在预设的地图数据库中查找对应的环境数据；
视频矫正模块，用于获取所述无人机的摄像组件拍摄的初始航拍视频，从所述初始航拍视频中提取出初始航拍图序列，利用训练后的均方矫正模型对所述初始航拍图序列进行镜头畸变矫正，得到标准航拍图序列；
轮廓提取模块，用于利用预设的轮廓提取模型对所述标准航拍图序列进行轮廓提取，得到标准环境轮廓；
数据修正模块，用于利用所述标准环境轮廓对所述环境数据进行重合度匹配，得到重合环境数据，并利用所述标准环境轮廓对所述重合环境数据进行数据修正，得到导航环境数据；
智能导航模块，用于获取所述无人机的运动数据，利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，并利用预设的模糊决策算法根据所述运动数据和所述节点位置生成所述无人机的运动轨迹，完成地图导航，其中，所述利用预设的位移词袋模型对所述导航环境数据进行位置匹配，得到节点位置，包括：利用所述位移词袋模型对所述导航环境数据进行特征提取，得到所述导航环境数据的导航词袋特征；利用如下的词袋相似度公式计算所述导航词袋特征与预设词袋特征库中各词袋特征的相似度：
Figure FDA0003778575590000051
其中，S是指所述相似度，
Figure FDA0003778575590000052
是预设对抗系数，arccos是反余弦函数，
Figure FDA0003778575590000053
是指所述导航词袋特征，
Figure FDA0003778575590000054
是指所述预设词袋特征库中的词袋特征，T是转置符号；在所述预设词袋特征库中选取所述相似度小于预设相似度阈值的词袋特征作为目标词袋特征，将所述目标词袋特征对应的视觉单词集合作为目标单词集合；根据所述目标单词集合构建词袋树模型，并根据所述词袋树模型对所述导航环境数据进行回环检测，得到节点位置。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于决策分析的地图匹配导航方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于决策分析的地图匹配导航方法。
CN202210940817.1A 2022-08-02 2022-08-02 基于决策分析的地图匹配导航方法、装置、设备及存储介质 Pending CN115265545A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210940817.1A CN115265545A (zh) 2022-08-02 2022-08-02 基于决策分析的地图匹配导航方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210940817.1A CN115265545A (zh) 2022-08-02 2022-08-02 基于决策分析的地图匹配导航方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115265545A true CN115265545A (zh) 2022-11-01

Family

ID=83748923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210940817.1A Pending CN115265545A (zh) 2022-08-02 2022-08-02 基于决策分析的地图匹配导航方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115265545A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115906637A (zh) * 2022-11-23 2023-04-04 富华智能(深圳)有限公司 基于ar与ai的户外光电设备调控选取方法、装置、设备
CN116740768A (zh) * 2023-08-11 2023-09-12 南京诺源医疗器械有限公司 基于鼻颅镜的导航可视化方法、系统、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115906637A (zh) * 2022-11-23 2023-04-04 富华智能(深圳)有限公司 基于ar与ai的户外光电设备调控选取方法、装置、设备
CN116740768A (zh) * 2023-08-11 2023-09-12 南京诺源医疗器械有限公司 基于鼻颅镜的导航可视化方法、系统、设备及存储介质
CN116740768B (zh) * 2023-08-11 2023-10-20 南京诺源医疗器械有限公司 基于鼻颅镜的导航可视化方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
US20200364554A1 (en) Systems and methods for deep localization and segmentation with a 3d semantic map
CN111046125A (zh) 一种视觉定位方法、系统及计算机可读存储介质
CN109658445A (zh) 网络训练方法、增量建图方法、定位方法、装置及设备
CN115265545A (zh) 基于决策分析的地图匹配导航方法、装置、设备及存储介质
CN112699775A (zh) 基于深度学习的证件识别方法、装置、设备及存储介质
CN112036292A (zh) 基于神经网络的文字识别方法、装置及可读存储介质
US20220309708A1 (en) System and method for automated estimation of 3d orientation of a physical asset
CN111639704A (zh) 目标识别方法、装置及计算机可读存储介质
US20220237908A1 (en) Flight mission learning using synthetic three-dimensional (3d) modeling and simulation
CN111767854B (zh) 一种结合场景文本语义信息的slam回环检测方法
CN111339976A (zh) 室内定位方法、装置、终端及存储介质
WO2023082588A1 (zh) 一种语义标注的方法、装置、电子设备、存储介质及计算机程序产品
CN117132649A (zh) 人工智能融合北斗卫星导航的船舶视频定位方法及装置
CN114238541A (zh) 敏感目标信息获取方法、装置和计算机设备
CN114385662A (zh) 路网更新方法、装置、存储介质及电子设备
US20220164595A1 (en) Method, electronic device and storage medium for vehicle localization
CN113704276A (zh) 地图更新方法、装置、电子设备及计算机可读存储介质
CN114708321B (zh) 一种基于语义的相机位姿估计方法及系统
CN115880448A (zh) 基于双目成像的三维测量方法、装置、设备及存储介质
CN114783042A (zh) 基于多移动目标的人脸识别方法、装置、设备及存储介质
CN115187614A (zh) 一种基于stdc语义分割网络的实时同时定位与建图方法
CN114463685A (zh) 行为识别方法、装置、电子设备及存储介质
CN111652226A (zh) 基于图片的目标识别方法、装置及可读存储介质
CN112434601A (zh) 基于行车视频的车辆违法检测方法、装置、设备及介质
CN112818837A (zh) 一种基于姿态校正和困难样本感知的航拍车辆重识别方法

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