摘要
图像自主导航技术具有隐蔽性高，自主性强的优势，在飞行器自主导航领域中具有重要的研究价值。深度学习具有应用范围广泛，实时性强的特点，近年来，利用深度学习研究图像自主导航技术成为研究的热点。本文针对自主导航实时性要求设计了快速图像匹配算法；同时改进了传统的端到端的导航参数预测的深度学习模型，减小了预测误差，提高了深度学习在图像导航系统的有效性；最后设计了组合导航系统，实现了深度学习图像匹配导航技术和惯性导航技术的信息融合。 本文首先设计了基于深度图像特征的快速图像匹配算法。通过Yolov3算法，完成图像特征的提取，并根据标签值完成图像的粗匹配；然后根据提取的图像特征的尺寸进行精匹配图像的预处理，并使用Hausdorff距离的图像匹配算法进行精匹配。最后，针对不同传感器获取的图像设计并完成了仿真实验，验证算法的实时性和有效性。 然后，基于本文推算出的序列图像导航系统模型，设计了基于序列图像和深度学习的导航参数预测算法；同时改进了深度学习的网络模型，使得网络可以同步预测飞行器运动状态和导航参数。该算法利用利序列图像减少回归数据的数量级，并且通过分类算法进行运动状态预测，改善导航参数的预测误差。 针对设计的导航参数预测网络，通过建立不同的数据集，验证算法在二维图像和三维点云图像下算法的有效性。经过实验验证，本文设计的算法可以有效减小导航参数的预测误差。最后将本文设计的导航参数预测算法与惯性导航系统进行融合，建立了深度学习辅助导航系统和惯性导航系统的组合导航系统，并设计实验验证了组合导航系统的有效性。
NETL