图像匹配在海底地图匹配中的应用

北京大学学报（自然科学版）

图像匹配在海底地图匹配中的应用

于家城^1,2,3,陈家斌¹,晏磊²,刘岳峰²

¹北京理工大学信息科学技术学院自动控制系,北京,100081;²北京大学空间信息集成与3S工程应用北京市重点实验室,北京,100871;³通讯作者,E-mail:sdyjc@163.com

收稿日期:2006-11-12 出版日期:2007-11-20 发布日期:2007-11-20

Application of Image Matching to Seabed Terrain Map

YU Jiacheng^1,2,3CHEN Jiabin¹YAN Lei²LIU Yuefeng²

¹Department of Automatic Control, School of Information Science and Technology, Beijing Institute of Technology, Beijing, 100081; ²Beijing Key Laboratory of Spatial Information Integration and Its Applications, Peking University, Beijing, 100871;³Corresponding Author, E-mail: sdyjc@163.com

Received:2006-11-12 Online:2007-11-20 Published:2007-11-20

摘要/Abstract

摘要： 应用海底地图匹配技术提高水下载体(AUV)定位精度。通过双三次B-样条曲面插值重建参考地图(RDM)，选取RDM中部分地图附加正态白噪声模拟当地水深地图(LDM)。将两块地图同时转化为8位256级灰度图像，应用图像相关法进行匹配。仿真显示，该方法具有较高的匹配精度和一定的抗差特性，具有适应大面积海底地形，包括平坦区域和复杂区域的特点。

关键词: 匹配, 网格图像, B-样条曲面插值, RDM

Abstract: Seabed terrain matching is applied to increase the localization accuracy for autonomous underwater vehicles (AUV). By bicubic B-spline surface interpolation, reference depth map (RDM) is reconstructed to represent actual terrain. A plot is taken from RDM plus white noise to mimic local depth map (LDM). Then two maps are transformed to 8-bit,256-grey images. In this stage, the two images are matched with correlation, thus image and terrain are connected tightly. Simulation results show that the matching is greatly accurate with certain robusticity, suitable to large seabed terrain areas, including flat and complex regions.

Key words: matching, gridding image, B-spline surface interpolation, RDM

中图分类号:

P 204

于家城,陈家斌,晏磊,刘岳峰. 图像匹配在海底地图匹配中的应用[J]. 北京大学学报（自然科学版）.

YU Jiacheng,CHEN Jiabin,YAN Lei,LIU Yuefeng. Application of Image Matching to Seabed Terrain Map[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2007/V43/I6/733

[1]	邹晓博, Soumya Mohanty, 谢群英, 陈弦, 罗洪刚, 刘玉孝, 韩文标, 矫佳庚, 张学昊, 赵少东, 郭意扬, 王瀚之, 金书竹. 极端质量比旋近数据分析方法综述[J]. 北京大学学报自然科学版, 2025, 61(1): 181-194.
[2]	罗威, 刘钰, 黄强, 武志昊. 融合图结构学习和轻量级循环建模的地图匹配方法[J]. 北京大学学报自然科学版, 2024, 60(6): 979-988.
[3]	刘立超, 胡天跃, 李徯徯, 刘依谋, 梁上林, 黄建东. 基于无监督神经网络匹配算法的叠前表面多次波压制方法[J]. 北京大学学报自然科学版, 2024, 60(3): 453-463.
[4]	丁娜, 刘鹏, 邵惠鹏, 王学奎. 双向注意力文本关键词匹配法条推荐[J]. 北京大学学报自然科学版, 2024, 60(1): 79-88.
[5]	张文慧, 汪美玲, 侯志荣. 融合语境语义差异特征的短文本匹配模型[J]. 北京大学学报自然科学版, 2023, 59(1): 30-38.
[6]	姚远, 杨周胜, 姜金钟, 周仕勇. 云南小江断裂带中段的微震活动性――PALM自动检测方法在密集台阵中的应用[J]. 北京大学学报自然科学版, 2022, 58(5): 829-838.
[7]	陈源, 丘心颖. 结合自监督学习的多任务文本语义匹配方法[J]. 北京大学学报自然科学版, 2022, 58(1): 83-90.
[8]	刘旻, 李梅, 徐晓宇, 毛善君. 一种基于HMM模型改进的地图匹配算法[J]. 北京大学学报自然科学版, 2018, 54(6): 1235-1241.
[9]	刘璐, 胡天跃, 安圣培, 吴静. 虚同相轴法预测地震层间多次波在实际应用中的可行性分析[J]. 北京大学学报自然科学版, 2017, 53(1): 26-36.
[10]	张瑞洁, 田原, 刘思叶, 王雯夫. 即时通信文本中地理信息提取——以微信为例[J]. 北京大学学报（自然科学版）, 2016, 52(6): 985-989.
[11]	魏云鹏, 赵红颖, 辛甜甜, 郑鸿云. 应用于无人机视频影像密集匹配的特征描述方法[J]. 北京大学学报（自然科学版）, 2016, 52(6): 990-998.
[12]	刘颖滨, 孙燕南, 荀恩东. 一种基于三维空间信息的字形匹配方法[J]. 北京大学学报（自然科学版）, 2016, 52(1): 81-88.
[13]	符松平, 吕肖庆, 刘璐, 冯天骁, 李克强, 汤帜. 平面几何图形检索的关键问题研究[J]. 北京大学学报（自然科学版）, 2015, 51(6): 1008-1016.
[14]	宋文杰,顾彦慧,周俊生,孙玉杰,严杰,曲维光. 多策略同义词获取方法研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 301-306.
[15]	严伟,王雨辰,王振宇,时广轶. 低噪声放大器通过匹配网络的ESD保护设计[J]. 北京大学学报（自然科学版）, 2014, 50(4): 745-752.