鲁棒序列图像匹配算法：导航中的飞行位置与航向解算

"茹江涛、冷雪飞等人提出了一种鲁棒的序列图像匹配算法，用于解决飞行位置和航向的求解问题。该算法结合了Harris角点检测和平均Hausdorff距离，能适应图像间的平移和旋转变换。通过在极坐标和笛卡尔坐标下描述角点并利用极径集合的旋转不变性，算法可以有效地计算旋转角度和平移距离。在高斯噪声环境下，即使特征点数量变化，该算法仍能保持较高的匹配精度和实时性，满足导航系统的需求。" 文章内容展开如下： 在序列图像匹配在导航系统中的应用中，由于相邻图像可能会受到平移和旋转的影响，因此需要一个能够同时估计位置和航向的匹配算法。针对这一需求，研究者们提出了一个创新的算法，它基于Harris角点检测和改进的Hausdorff距离。Harris角点检测是一种经典的特征检测方法，能有效识别图像中的关键点，这些点在图像变换后依然稳定，适合于图像匹配。 在该算法中，首先在极坐标和笛卡尔坐标系下对Harris角点进行描述。利用极径的旋转不变性，可以确保角点在旋转后的图像中仍然可以被正确地匹配。接着，通过计算序列图像的极径集合之间的Hausdorff距离，可以确定两个图像间的旋转角度和平移距离。Hausdorff距离是衡量两个几何对象之间最大距离的方法，适用于处理存在几何变形的情况。 为了验证算法的性能，进行了大量的仿真实验，考虑了不同高斯噪声水平和特征点数量的影响。结果表明，即使在高斯白噪声方差为0.01的情况下，该算法在0度、45度和90度的旋转条件下仍能完成匹配任务。位置误差保持在1像素以内，航向误差控制在5度以内，匹配时间大约为4秒。这样的性能满足了导航系统对于匹配算法的精度、实时性和鲁棒性的严格要求。 总结来说，这篇首发论文提出的序列图像匹配算法是一种高效且适应性强的解决方案，尤其适用于航空导航领域，能够可靠地处理飞行器位置和航向的实时估计问题，为图像导航提供了有力的技术支持。关键词包括序列图像匹配、Harris角点、Hausdorff距离和导航技术，这表明该研究的核心内容和应用领域。