关 威，杨紫嫣

(沈阳航空航天大学 自动化学院，沈阳 110136)

目前，无人机在农业植保、森林消防、遥感测绘、军事巡航等领域中担任着重要角色[1]。在无人机的使用中，导航系统是不可缺少的重要组成部分。

无人机定位技术主要依赖于GPS和惯性导航系统。但GPS定位会受到地形、人造建筑物等因素限制，易使系统信号被干扰中断[2-3]。惯性导航系统不依赖于外部信息，但定位误差随时间增大，每次使用之前都需要校准时间。因此，本文研究出一种更加稳定的定位技术，使无人机在外界干扰较强的环境下也能顺利完成任务，为无人机提供所需的位置信息[4-5]。视觉导航定位技术是通过景象匹配算法结合含有地理位置信息的卫星遥感图像实现的。与无人机通过卫星定位相比，具有不受外界电磁干扰、更加稳定等优点。但卫星遥感图像经过处理后具有数据量大和数据类型复杂多样的特点，为了降低工作量，本文在景象匹配的算法基础上，利用神经网络算法对卫星地图识别并分类[6-7]。

目前有许多种景象匹配的算法，如Harris、SIFT、SURF等[8]。SURF算法进行图像匹配时，即使图像间存在平移、旋转等变换都能取得精确的匹配效果。所以本文在利用SURF算法[9]的基础上，结合BP神经网络实现无人机的定位[10-11]。首先建立数据集，利用SURF算法获取无人机图形与瓦片的相似度参数，表示两幅图像相似程度的量化标准。提取无人机拍摄的图片与瓦片的不变矩，分别作为神经网络的输出与输入，建立神经网络模型并进行训练。……