实验及分析

5.6　实验及分析

1.基于等深线走向的地形匹配实验及分析

选取5km×5km的多波束实测海区作为背景场，进行匹配试验。试验中，设定INS前期积累误差为(－1000m，－1000m)。选取特征等深线以及上、下各五条近邻特征等深线进行匹配，背景场及匹配结果如图5-16和表5-1所示。

5-16　基于等深线走向的地形匹配试验效果图

对表5-1中点位平移量ΔP求取标准偏差，并对其进行粗差检验。根据所得Δx和Δy，最终计算x方向的平移量为－986.3m，y方向的平移量为－991.5m，位移平移量为1398.5m。根据已知的预平移量，x方向匹配精度为13.7m，y方向为8.5m，位移确定精度为16.6m。

表5-1　基于等深线走向的地形匹配精度

以上实验针对单一区块内不同等深线实施匹配，最终确定了潜航器的当前位置。

根据潜航器在潜航过程中实测的连续区块，也可进行连续区块下的匹配导航定位。

在背景场中选择不同位置的6个连续航迹上的匹配区域进行了匹配实验，由于匹配在短时间内完成，设定每个匹配区实测数据的坐标偏移量仍为(－1000m，－1000m)，每个匹配区域大小500m×500m(如图5-17所示)，匹配结果统计如表5-2所示。

对表5-2中的匹配结果进行筛选，最终获得真实的匹配位置以及INS积累误差。

首先，根据点位平移量的分离程度，基于3σ原则，从ΔP序列中排除区域3匹配结果，认为区域3存在误匹配问题。

其次，对其他区内的不同类数据再进行统计，可以得到ΔP的标准偏差σ=±3.7m，再次利用3σ原则，认为区域6存在误匹配，剔除区域6的匹配结果。

最后，再进行参数统计，可以看出各个统计量的聚合程度加强，x方向的匹配精度达到了2.4m，y方向的匹配精度达到了1.2m，匹配的点位精度达到了4.3m。

从表5-2中的匹配结果可以看出，尽管单个匹配区块范围从1000m×1000m缩小到500m×500m，但可以根据各区块匹配情况，通过统计分析，仍可以识别出误匹配区块，得到精度更高的偏移量，即INS前期积累误差。

图5-17　连续区块匹配

表5-2　基于等深线走向的连续地形区块匹配精度

实际应用中，为确保该方法的匹配导航定位精度，需顾及如下几个方面的因素:

(1)特征等深线的选取

一般而言，匹配序列越长，匹配精度和可靠性越高，因此，对于匹配区内的多根等深线，选择较长的等深线进行匹配。同一区域内，可能存在同型值的多根等深线。同型值的多根等深线意味着匹配区域内存在相似地形，会增加匹配的难度，不利于匹配，应该加以回避;此外，对于环形等深线，也应予以回避。因此，有效的匹配应该采用单调变化、长度较长的特征等深线，并且选取等深线的编码数最多的等深线作为特征等深线。

(2)误匹配问题

如下两种情况下易出现误匹配:

①匹配区非常平坦，无等深线;

②匹配区内相似区域太多，即在区域内出现同型值的多根等深线。

图5-18显示了误匹配的情况。

为消除误匹配的影响，尽量寻找特征地物即特征等深线，利用几个有限的特征等深线对全区域实施匹配。此外，为了在特征相似区实现匹配，可以在绘制等深线时设置小间隔，以细化对地形起伏的描述。若仍没有特征的等深线，可以考虑对这类区域进行回避，以确保匹配定位的精度。

图5-18　误匹配示意图

(3)匹配区大小的影响

匹配区域大小由INS积累误差决定，但对匹配效率及匹配成果的可靠性有影响。

积累误差愈大，要将实际观测区包括在匹配区内，就必须扩大搜索区，这就增加了匹配的耗时量;此外，大区域匹配也增加了误匹配的可能性，尤其是对于区域内存在同型值、多根等深线、形状和走势基本相同的情况。因此，在首次匹配中选择特征海床地形区域时，搜索范围可以适当大一点，在多根等深线匹配稳定性相对较高的情况下，可认为该次匹配可靠;可靠的匹配可以获得较准确的平移量，进而可以实现对INS积累误差的有效修正，从而也缩小了后续匹配段的搜索范围，提高了匹配的效率以及精度。

(4)数据密度的影响

基于等深线的地形匹配，同型值等深线形状的一致性直接影响着匹配的精度和可靠性。数据密度越大，等深线越精细，对地形的反映就越全面;反之，则较粗糙。若背景地形数据和实测地形数据密度相差较大，同区域同型值等深线的差异则比较大，匹配的精度和可靠性则比较差。为消除数据密度对匹配的影响，要求实测和背景地形数据的密度应接近或相同，即水下地形测量比例尺相同。

通常，背景场数据的密度相对较小，而基于多波束的实测数据分辨率较大，可以在保证地形特征情况下，对实测数据进行抽稀处理，使其接近或等于背景场地形数据密度，以确保匹配精度。

需要注意的是，数据抽稀不得以损失海床特征地形信息为代价。

2.基于等深线图像的地形匹配实验

利用多波束实测的某海域海床地形数据为试验背景场，试验区范围为10km×10km。从背景场中抽取4组连续匹配区段，每组匹配段包括4个匹配块，块大小为1000m×1000m(如图5-19所示)。设置INS初始偏差为(1000m，1000m)。

图5-19　基于等深线图像的地形匹配导航试验示意图

对这4组连续地形区段进行匹配试验，试验结果如表5-3～表5-6所示。统计匹配精度，4组的匹配点位精度均优于2个像素。每像素的实际代表尺寸为10m，则基于等深线图像的地形匹配在导航试验中达到了20m的点位精度。

上述试验采用的图像分辨率较低，若在图像转换中，获取较高分辨率的海底地形等深线图像，则根据试验中的像素匹配精度，实际匹配导航精度可以随图像分辨率的提高而进一步的提高。

表5-3　第1组匹配定位精度

表5-4　第2组匹配定位精度

表5-5　第3组匹配定位精度

表5-6　第4组匹配定位精度

3.基于链码和形状特征的等深线综合匹配实验及分析

以3.8km×1.2km水域的水深测量数据为试验背景场，在该水域实测了2.0km×0.8km的水下地形，预设实测区域为独立坐标，与背景场坐标系统的平移量为(1230m，－350m)，如图5-20所示。借助基于链码和形状特征的等深线综合匹配算法实施匹配定位实验，下面给出匹配精度与数据分辨率关系、匹配的抗干扰能力及其改进方法。

图5-20　匹配区地形等深线分布

(1)匹配精度与数据分辨率关系

对数据进行格网化，格网间隔设置为10m，借助基于链码和形状特征的等深线综合匹配算法，实现了两个区域的完全匹配。不同格网间隔下的匹配精度如表5-7所示。

表5-7　不同格网间隔下的匹配精度

表5-7表明，在用链码表示等深线时，由于将等深线的方向只用八个整数来描述，因而会有一定的信息损失。若要基于该链接对等深线走向进行细化描述，那么对追踪等深线时所采用的网格尺度则提出了较高的要求。理论上，离散数据网格化时，格网密度越大，反映的等深线就越细致，反之则比较粗糙。与此伴随的是格网越细致，内插计算的时间越长。

图5-20是以10m间隔构造网格绘制的等深线。抽取背景场中的一块区域，分别以5m、10m、20m和30m间隔进行网格内插，形成等深线，作为实测区域，与背景场进行匹配，匹配精度如表5-7所示。由表5-7可以看出，随着格网间隔的增大，匹配精度变得越来越低。由此可见，使用该方法实施匹配定位，匹配定位精度对网格间隔比较敏感，当网格间隔较大时，匹配精度趋向于发散，因此，应用该方法，在提高内插网格密度的同时，对原始数据的密度要求也得相应提高。

(2)匹配的抗干扰性及算法改进

为测试该算法的抗干扰能力，对实测区域的数据进行了1/2抽稀，得到两个稀释数据集，分别是数据集1和2，对这两个数据集进行5米间隔格网化，并绘制出了如图5-21所示的等深线。

由于内插数据的密度不同，因此稀释后的等深线图与原图之间在细部存在较大差异，因此在与背景场进行内插匹配计算时，匹配结果的误差达到了500m。可见，当内插数据与背景场格网分辨率存在较大差异时，基于链码匹配的方法表现出了不稳定性。究其原因，主要是由于链码表示对等深线特性表现能力有限以及链码匹配算法对噪声干扰比较敏感。

为了克服以上缺陷，可增加计算闭合等深线的几何特性以改善该算法的性能。其原理是通过对实测地形和背景地形中所有的闭合等深线求周长、面积、长轴长度及走向、短轴长度及走向、多边形的高阶矩等几何不变量来描述闭合等深线的几何特性。据此，在背景地形和实测地形之间寻找闭合等深线匹配线对，并计算其质心之间的距离，以此综合计算背景场和实测场的几何位置关系。改善后的算法流程如图5-22所示。

在程序实现中分别计算每个闭合等深线周长、面积、长短轴及其走向等特性参量，在匹配时考虑两闭合等深线的各种特征参量的差值，如果所有特征的差值均小于设定的阈值，如10%，则可以认为这两条闭合曲线为匹配线对。

图5-21　实测区原始数据、数据集1和数据集2内插后绘制的等深线图

通过综合计算链码匹配和闭合等深线匹配的结果来求得实测地形和背景地形的几何位置关系。改进后的匹配精度如表5-8所示。从表5-8可以看出，采用闭合等深线辅助匹配算法，算法的抗差性有了明显提高，匹配定位精度也得到了很大改善，达到了45m以内。

图5-22　改进的链码等深线匹配算法

表5-8　改进算法后的匹配精度