下载文档原格式
航天返回与遥感第42卷第2期130SPACECRAFT RECOVERY & REMOTE SENSING2021年4月一种基于卫星图像匹配的无人机自主定位算法刘欣1吴俊娴2张占月1（1 航天工程大学，北京 101416）（2 空装驻北京地区第一军事代表室，北京 100854）摘要针对基于图象匹配的无人机自主定位易失效的问题，文章提出了一种基于卫星图像辅助的由粗到精的无人机自主定位框架。
首先设计了一种CNN-LSTM联合分类器，利用CNN网络抽取图像特征的优势，结合无人机图像时间维度上的连续性，实现无人机图像与卫星基准图像的区域匹配；然后从匹配后的区域提取同名点，结合光学成像的共线约束，设计了一种基于多点加权约束的无人机自主定位算法。
试验结果表明提出的算法鲁棒性好、精度高，适合用于无人机自主定位。
关键词无人机自主定位卷积神经网络图像匹配加权最小二乘估计遥感应用中图分类号: V279文献标志码: A 文章编号: 1009-8518(2021)02-0130-09DOI: 10.3969/j.issn.1009-8518.2021.02.015A UA V Autonomous Positioning Algorithm Based onSatellite Image MatchingLIU Xin1 WU Junxian2 ZHANG Zhanyue1（1 Space Engineering University, Beijing 101416, China）（2 The 1th Military Office in Beijing, Equipment Department of PLA Air Force, Beijing 100854, China）Abstract For the problem that autonomous positioning of UAVs based on image matching is easily invalid, the paper proposed a coarse-to-fine autonomous UAV positioning framework based on the assist by satellite images. Firstly, a CNN-LSTM joint classifier is designed to achieve regional matching between UAV image and satellite reference image, utilizing the advantage of CNN network to extract image features and combining with the continuity of UAV image in time dimension. Then, an autonomous UAV positioning algorithm based on multi-point weighted constraints is designed by extracting points of the same name from the matched region and combining with the collinear constraint of optical imaging. The experimental results show that this proposed algorithm is suitable for UAV autonomous positioning with good robustness and high precision.Keywords unmanned aerial vehicle (UA V); autonomous positioning; convolutional neural network; image matching; weighted least square estimation; remote sensing application0 引言无人机在执行任务时首先要解决的问题是确定自身在工作环境中的准确位置。
第24卷第4期(总第109期)机械管理开发2009年8月Vol.24No．4(SUM No．109)MECHANICAL MANAGEMENT AND DEVELOPMENT Aug．20090引言有限元法（FEA）是随着电子计算机的发展而迅速发展起来的一种现代计算方法，但FEA是基于网格的数值方法，在分析涉及特大变形（如加工成型、高速碰撞、流固耦合）、奇异性或裂纹动态扩展等问题时遇到了许多困难。
同时，复杂的三维结构的网格生成和重分也是相当困难和费时的。
近年来，无网格得到了迅速的发展，受到了国际力学界的高度重视。
与有限元的显著特点是无网格法不需要划分网格，只需要具体的节点信息，采用一种权函数（或核函数）有关的近似，用权函数表征节点信息。
克服了有限元对网格的依赖性，在涉及网格畸变、网格移动等问题中显示出明显的优势。
1无网格方法的概述无网格方法（Meshless Method）是为有效解决有限元法在数值模拟分析时网格带来的重大问题而产生的，其基本思想是将有限元法中的网格结构去除，完全用一系列的节点排列来代之，摆脱了网格的初始化和网格重构对问题的束缚，保证了求解的精度[1]。
是一种很有发展的数值模拟分析方法。
目前发展的无网格方法有：光滑质点流体动力学法（SPH）、无网格枷辽金法（EFGM）、无网格局部枷辽金法（MLPGM）、扩散单元法（DEM）、Hp－clouds无网格方法；有限点法（FPM）、无网格局部Petrov－Galerkin 方法（MLPG）、多尺度重构核粒子方法（MRKP）、小波粒子方法（WPM）、径向基函数法（RBF）、无网格有限元法（MPFEM）、边界积分方程的无网格方法等。
这些方法的基本思想都是在问题域内布置一系列的离散节点，然后采用一种与权函数或核函数有关的近似，使得某个域上的节点可以影响研究对象上的任何一点的力学特性，进而求得问题的解。
2无网格方法国内外研究的进展无网格法起源于20世纪70年代。
