(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211075196.1 (22)申请日 2022.09.04 (71)申请人 中国电子科技 集团公司第五十四研 究所 地址 050081 河北省石家庄市中山西路589 号第五十四所航 天信息应用技术重点 实验室 (72)发明人 耿虎军　刘宇　孙方德　武晓博　 王港　 (74)专利代理 机构 河北东尚律师事务所 13124 专利代理师 王文庆　曲佳颖 (51)Int.Cl. G06T 7/73(2017.01) G06T 17/05(2011.01) G06V 20/10(2022.01)G06V 20/17(2022.01) G06V 20/62(2022.01) G06V 10/25(2022.01) G01C 21/20(2006.01) (54)发明名称 一种基于语义地图的无人机城市内自主定 位方法 (57)摘要 本发明属于无人机自主定位领域， 涉及一种 基于语义地图的无人机城市内自主定位方法， 包 括语义地图构建、 无人机图像语义要素提取、 语 义要素匹配和拓扑关系限制下的无人机定位。 语 义地图构建过程中寻找在城市中普遍存在且能 够高精度提取的要素； 针对低空无人机， 从无人 机图像中识别标志牌、 路标及其上的文字， 针对 中高空无人机， 从无人机图像中识别语义地图中 的面状语义要素； 针对低空无人机， 将识别到的 文字与语义地图匹配， 针对高空无人机， 从语义 地图中检索出提取的局部空间场景， 匹配成功即 检索到了 无人机成像区域的地理位置； 最后使用 拓扑关系对多个无人机场景定位进行确认。 本发 明计算量小、 准确率高， 同时能够满足高中低空 无人机的自主定位。 权利要求书1页 说明书3页 附图1页 CN 115375766 A 2022.11.22 CN 115375766 A 1.一种基于语义 地图的无 人机城市内自主定位方法， 其特 征在于， 包括以下步骤： (1)获取高空无人机自主定位需求数据以及各个地物 的经纬度信息和属性信息， 获取 低空无人机自主定位需求数据以及各个点位的经纬度信息和名称， 构建语义地图； 其中， 高 空无人机自主定位需求数据包括建筑轮廓数据、 篮球场轮廓数据、 足球场轮廓、 水体轮廓数 据、 道路数据、 大面积草地轮廓数据和大面积林地轮廓数据， 低空无人机自主定位需求数据 包括POI点位数据和道路标志牌 点位数据； (2)针对高空无人机， 利用人工智能算法， 从无人机拍摄的图像 中提取建筑、 篮球场、 足 球场、 水体、 道路、 草地和林地信息； 针对低空无人机， 利用人工智能算法从无人机拍摄的图 像中区分出 单个的标志牌和路牌， 并识别标志牌文字和路牌文字； (3)针对中高空无人机， 利用空间场景检索算法， 将提取出的建筑、 篮球场、 足球场、 水 体、 道路、 草地和林地轮廓与语义地图进 行匹配， 匹配过程考虑不同语义斑块间的拓扑关系 和距离关系， 匹配成功的场景即为无人机图像成像场景， 场景的地理位置即无人机成像场 景位置； 针对低空无人机， 利用提取到的单个标志 牌或路牌的文字与语义地图中的POI点位 数据和道路标志牌点位数据进行相关性检索， 检索到的POI或道路标志牌位置即为无人机 成像场景位置； (4)返回步骤(2)， 获取其他场景下的无人机成像场景位置， 并计算场景位置间的空间 距离， 并以无人机运动时间估算无人机的运动距离范围， 若场景位置间的空间距离在无人 机的运动距离范围内， 则 利用语义信息 定位的无 人机成像场景位置是正确的。 2.根据权利要求1所述的基于语义地图的无人机城市内自主定位方法， 其特征在于， 步 骤(1)中高空无人机自主定位需求数据以面shapefile文件存储， 低空无人机自主定位需求 数据以点shapefi le文件存储。权　利　要　求　书 1/1 页 2 CN 115375766 A 2一种基于语 义地图的无人机城市内自主定位方 法 技术领域 [0001]本发明属于无人机自主定位领域， 特别涉及一种基于语义地图的无人机城市内自 主定位方法， 用于实现GNS S拒止条件下的无 人机自主定位。 背景技术 [0002]高效精准的定位系统是无人机能否成功执行任务的重要影响因素。 目前常用的无 人机定位技术多为卫星导航定位技术(GNSS)与惯性导航技术(IMU)相组合的导航方式。 但 GNSS信号通常易受到干扰被恶意损坏， 对GNSS信号过度依赖会导致无人机定位导航的可靠 性和安全性降低。 若失去GNSS信号的支持， 单一的惯性导航方式由于自身的器件属性会在 定位过程产生误差累积， 无人机仅依靠惯性导航系统无法实现长航时飞行过程中的精确定 位。 [0003]目前最广泛应用的室外无人机自主定位方法时基于异源图像匹配的视觉定位， 即 以高分辨率遥感图像为底图， 将无人机拍摄的图像配准到底图上， 进 行无人机图像定位， 并 最终实现无人机定位。 这一类方法由于成像时间的差异、 光照的差异、 图像分辨率的差异 等 导致匹配精度难以满足甚至无法匹配， 尤其是当无人机飞行高度很低时， 无法进行无人机 定位； 此外， 由于高分辨率遥感图像数据量大， 直接对图像进 行特征提取与匹配， 计算量大， 难以进行 大范围的无 人机自主定位。 [0004]为了提升无人机自主定位精度， 同时提升定位效率， 本发明从人类识别陌生地点 的方式出发， 提出了一种基于语义 地图的无 人机城市内自主定位方法。 发明内容 [0005]本发明的目的在于解决室外无人机在丢失GNSS信号下无法进行自主定位的问题， 提出了一种基于语义地图的无人机城市内 自主定位方法， 利用多源地理信息数据构建语义 地图， 利用无 人机图像自动识别语义要素， 与语义 地图进行匹配， 以实现无 人机自主定位。 [0006]为了实现上述目的， 本发明采用的技 术方案如下： [0007]一种基于语义 地图的无 人机城市内自主定位方法， 包括以下步骤： [0008](1)获取高空无人机自主定位需求数据以及各个地物的经纬度信息和属性信息， 获取低空无人机自主定位需求数据以及各个点位的经纬度信息和名称， 构建语义地图； 其 中， 高空无人机自主定位需求数据包括建筑轮廓数据、 篮球场轮廓数据、 足球场轮廓、 水体 轮廓数据、 道路数据、 大面积草地轮廓数据和大面积林地轮廓数据， 低空无人机自主定位需 求数据包括POI 点位数据和道路标志牌 点位数据； [0009](2)针对高空无人机， 利用人工智能算法， 从无人机拍摄的图像中提取建筑、 篮球 场、 足球场、 水体、 道路、 草地和林地信息； 针对低空无人机， 利用人工智能算法从无人机拍 摄的图像中区分出 单个的标志牌和路牌， 并识别标志牌文字和路牌文字； [0010](3)针对中高空无人机， 利用空间场景检索算法， 将提取出的建筑、 篮球场、 足球 场、 水体、 道路、 草地和林地轮廓与语义地图进行匹配， 匹配过程考虑不同语义斑块间的拓说　明　书 1/3 页 3 CN 115375766 A 3