刘欣 吴俊娴 张占月

（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）

0 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。因此，定位是无人机导航技术的基础和关键。传统的卫星定位方式依赖外部卫星信号而易受环境和敌方干扰，尤其是低空无人机，卫星信号易受高层建筑物的遮挡而无法提供准确的定位信息[1]。无人机作为一种重要的航空器，通过搭载光电载荷对地成像是其主要功能之一。与其他平台相比，无人机平台成像具有分辨率高的特点，可以对同一目标场景进行多次观察，形成多视角、多位置的成像，在军事和民用领域发挥着十分重要的作用。

基于图像匹配的定位技术是一种自主性和精度均很高的导航定位技术，是导航定位的一种重要手段，也是视觉领域的前沿方向。本文提出一种基于卫星图像匹配的无人机自主定位的技术方案，该技术通过将两种图像进行配准实现无人机自主定位，要解决的核心问题是稳健的特征匹配。由于在成像机理、光照、视角等诸多方面存在差异，无人机光电载荷和卫星传感器两种来源的图像间具有明显的不一致性。因此，直接采用传统人工设计的基于影像梯度的算子（如SIFT[2]、ASIFT[3]、AKAZE[4]等）很难实现这类异源影像的可靠匹配。近年来，基于深度学习的卷积神经网络（Convolutional Neural Network，CNN）[5-8]在图像特征提取方面取得了显著的进展。相对于人工设计的特征描述子，CNN特征可以通过网络模型进行训练，使深层网络能够自动发现更合适的特征提取和表示方式，使得所提取的图像特征具有更好的鲁棒性，一定程度上克服了由于图像不一致而导致的特征匹配困难。……