[发明专利]一种基于视觉的无人机动态目标跟踪与定位方法

权利要求书

1.一种基于视觉的无人机动态目标跟踪与定位方法，其特征在于，包括如下步骤：

第一步，视频处理，进行动态目标的检测和图像跟踪；

（1）动态目标检测：在连续两帧图像中，第一帧图像中提取特征点集，在第二帧图像中对这些特征点进行跟踪，得到第一帧图像中特征点集的对应特征点集，进一步去除对应特征点集中属于动态目标的特征点；用剩余的有效特征点集对中的各特征点对的运动矢量估计全局的运动，得到变换矩阵，从而补偿背景的运动，将动态背景下的动态目标检测转换为静态背景下的动态目标检测，帧差补偿背景后的两帧图像，用最小类间方差阈值法自动选取阈值产生相应的二值图像，对二值图像进行滤波处理，接着用最小外接矩形描述该动态目标，实现动态目标的检测；

（2）对检测出的动态目标在后续帧中采用融合基于偏移的均值向量跟踪和卡尔曼先验预估的算法连续跟踪，首先用卡尔曼滤波预估出动态目标在当前帧图像中的位置，然后将该位置信息传递给基于偏移的均值向量跟踪算法，该算法在该位置附近搜索目标，判定搜索结果是否有效，若是有效则进一步传递给卡尔曼滤波作为观测值进行下一步的预测；

第二步，云台伺服控制，实时调整云台的俯仰偏转角度，使目标保持在图像的中央；

第三步，建立影像中目标与现实环境中目标的对应关系，进一步测量摄像机与动态目标之间的距离，完成动态目标的精确定位；

第四步，无人机飞控系统进行自主跟踪地面动态目标飞行。

2.根据权利要求1所述的一种基于视觉的无人机动态目标跟踪与定位方法，其特征在于，去除对应特征点集中属于动态目标的特征点，得到有效特征点集，有效性判定法则如式(1)所示：

fi∈Finif|||Vi||-μ||·|||<3·σ||·||and|Ang(Vi)-μAng|<3·σAngfi∈Foutotherwise---(1)]]>

其中，f_i代表特征点集F^t中第i个特征点，V_i代表第i个特征点在连续帧图像中的运动光流向量，||V_i||，Ang(V_i)分别代表该运动光流向量的模和方向，(μ_||·||，σ_||·||)代表KLT特征点检测算法选定特征点在连续两帧图像中所有光流向量的模的期望和方差，(μ_Ang，σ_Ang)代表KLT特征点检测算法选定特征点在连续两帧图像中所有光流向量的方向的期望、方差，F_in代表有效特征点，F_out代表无效特征点。