结合区域全局特征和Ann-SIFT的二阶段快速景象匹配算法
2023年电子技术应用第5期
辛瑞，张霄力，彭侠夫，陈锦文
（厦门大学 航空航天学院，福建 厦门 361005）
摘要：在GPS拒止环境下，提出了一种基于高清航拍图像的视觉定位方法。为了保证高分辨率图像匹配的实时性，结合粗粒度高级语义全局特征和细粒度点特征实现两阶段快速景象匹配。第一阶段，设计三元组网络针对图像区域提取具有尺度和旋转不变性的全局描述符进行区域预匹配。第二阶段，快速最近邻点搜索的Ann-SIFT对实时图和参考区域进行精确点匹配以实现定位。对于3 000×3 000的参考图像和500×500到1 000×1 000尺寸范围的实时图像，平均耗时可以从66.24 s降低到0.97 s。
中图分类号：TN967.2
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.223204
中文引用格式：辛瑞，张霄力，彭侠夫，等. 结合区域全局特征和Ann-SIFT的二阶段快速景象匹配算法[J]. 电子技术应用，2023，49(5)：135-141.
英文引用格式：Xin Rui，Zhang Xiaoli，Peng Xiafu，et al. Two-stage fast scene matching algorithm combining global descriptor and Ann-SIFT[J]. Application of Electronic Technique，2023，49(5)：135-141.
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.223204
中文引用格式：辛瑞，张霄力，彭侠夫，等. 结合区域全局特征和Ann-SIFT的二阶段快速景象匹配算法[J]. 电子技术应用，2023，49(5)：135-141.
英文引用格式：Xin Rui，Zhang Xiaoli，Peng Xiafu，et al. Two-stage fast scene matching algorithm combining global descriptor and Ann-SIFT[J]. Application of Electronic Technique，2023，49(5)：135-141.
Two-stage fast scene matching algorithm combining global descriptor and Ann-SIFT
Xin Rui，Zhang Xiaoli，Peng Xiafu，Chen Jinwen
(School of Aerospace Engineering， Xiamen University， Xiamen 361005， China)
Abstract：Under the circumstance of GPS-denied environment, a visual positioning method based on high-definition aerial images is proposed. In order to ensure the real-time performance of high-resolution image matching, two-stage fast scene matching is realized by combining coarse-grained high-level semantic global features and fine-grained point features. In the first stage, a triplet network is designed to extract scale and rotation-invariant global descriptors for referance image blocks for region pre-matching. In the second stage, Ann-SIFT for fast nearest neighbor search performs precise point matching on the real-time image and reference area to achieve localization. For reference images of 3 000×3 000 and real-time images in the size range from 500×500 to 1 000×1 000, the average time-consuming can be reduced from 66.24 s to 0.97 s.
Key words :scene matching；visual localization；deep learning；global descriptor
0 引言
无人机在工业检测、遥感测绘以及灾难救援等实际问题中都有广泛的应用，而完成这些复杂任务的基础是导航，在GPS信号良好的区域，GNSS与INS是高效的导航策略。而在某些GPS信号弱的区域，基于计算机视觉的自主导航系统因其可以通过图像提供丰富的在线环境信息而被采用。视觉辅助导航系统大致可以分为三类：无地图系统、地图构建系统和有地图系统。有地图系统可以通过景象匹配算法根据带有准确位置信息的参考图像辅助修正惯性导航产生的累积误差，与视觉导航结合可以实现高精度长时间的自主导航。
本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005310
作者信息：
辛瑞，张霄力，彭侠夫，陈锦文
（厦门大学 航空航天学院，福建 厦门 361005）
此内容为AET网站原创，未经授权禁止转载。