[发明专利]一种基于计算机视觉的飞行器航向跟踪方法

说明书

技术领域

本发明属于飞行器导航技术领域，具体涉及一种基于计算机视觉的飞行器航向跟踪技术。

背景技术

目前视觉导航技术还处于研究阶段，在机器人、无人机等智能交通工具上视觉导航应用非常广泛。视觉导航首先要解决飞行器的姿态提取问题，对于飞行器的姿态稳定，国内外研究较多的是利用地平线算法得到横滚角以及与俯仰角相关的俯仰百分比及其变化信息，以此作为对飞行器的飞行姿态估计，而公开发表的基于前视视频获得的图像序列进行航向跟踪的文献还比较少。

美国弗罗里达大学的Jason W.Grzywna，Ashish Jain等人使用地平线算法获得微小型飞行器(Micro Air Vehicle，MAV)的俯仰百分比和横滚角信息，同时研究了一种地面物体追踪的方法，这一方法用于着陆过程的导引获得了满意的准确度和实时性。但是并没有对航向的跟踪方法进行研究。

南京航空航天大学航空宇航学院的季健、昂海松提出了一种通过对航空序列图像的分析来估计无人飞行器在空中的飞行轨迹的方法。在这其中，他提出一种基于像素对比度的区域特征比较因子的理论，给出了自动获取动态图像中适合用作姿态估计的特征区域的选取和更新策略，但是他们并没有进一步研究飞行器的航向跟踪方法。

北京航空航天大学自动化学院的耿丹提出一种航向估计方法：采用联合圆形检测区域抑制匹配中的图像旋转。在已经提取出地平线的基础上，在首帧图像中设定航向点，通过在地平线附近圈定圆形区域而实现图像序列的帧间匹配。匹配过程中充分考虑特征的选择、航向移出视场、航向的重新捕获以及航向移出视场后的防止发散等问题，并分别给出解决方案。但是该方法的匹配精度不是很高，而且运算时间较长。

发明内容

本发明的目的是提供一种基于计算机视觉的飞行器航向跟踪方法，针对现有航向跟踪方法，提供一种有效的改进方案，以提高其跟踪精度及速度，提高该航向跟踪方法的实用性。改进的主要内容有：

1.图像特征的改进

已有的航向跟踪方法是在原始图像的灰度图像上进行模板匹配。本发明在灰度图像上引入梯度运算。采用灰度梯度图像作为模板匹配的图像源，梯度的引入相当于引入了图像的边缘信息，丰富了模板的信息量，可以使匹配效果得到有效的改善。设一幅图像宽w、高h(以像素为单位)，f(i，j)为该图像中的一个像素点的像素值，i、j分别表示该像素点的横、纵像素坐标，S_x、S_y分别为x和y方向上的梯度分量，S为最终图像梯度值，图像梯度公式如下：