[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

说明书

技术领域

本发明属于无人机导航领域。具体涉及一种基于视觉的无人机动态目标跟踪与定位方法。

背景技术

无人机通常通过视觉传感器感知周围环境，地面站对下传的传感器信息处理分析获取有效信息引导无人机飞行。无人机常常携带的光电设备包括CCD光电摄像机、红外热像仪、合成孔径雷达成像等。其中CCD摄像机不仅能够获得高解析度的图像情报，而且容易与红外焦平面阵列结合形成多光谱成像系统，因此成为小型无人机首选甚至是唯一的光电视觉传感器。

无人机利用机载CCD摄像机对飞行区域进行监控，获取的航空图像经过压缩后通过卫星链路下传回地面，地面站对数据进行解压缩处理，得到原始的无人机航空图像。对下传的航空视频进行预处理，图像增强、滤波和去噪，以提高图像的清晰度，经过图像分割、特征提取等步骤后标识出目标，在后续的视频帧中图像跟踪该运动目标，计算目标相应于光轴的偏差大小及方向，并将水平与俯仰方向的偏差信号上传给无人机机载光轴伺服系统，控制光轴角度，使所跟踪的目标始终保持在成像平面中央，从而可以进行长时间的锁定该目标，引导无人机跟踪飞行。

要实现在无人机飞行过程中实时监测地面，获取感兴趣目标的方位信息，首先需要从序列航空图像中检测出运动目标。无人机机载摄像机的运动使得航空视频的背景环境也是运动的，因此变化的背景对动态目标的检测将会造成极大的干扰。运动检测主要包括帧差法、背景差分法和光流法。前两种方法虽然实现简单，但是对动态场景中的运动目标之外的变化因素都非常敏感，不能满足动态背景下的动态目标的检测需求；光流法采用了运动目标随时间变化的光流特性，该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标，但计算量很大且易受噪声、光照等干扰，因此也不适合无人机机载视频处理的需求。针对动态背景中运动目标检测，不少文献也做了相关方面的研究。基本思想是通过机载传感器或者图像处理估计出背景的运动模型，补偿背景的运动，从而将动态背景下动态目标的检测问题转化为静态背景下动态目标的检测。

检测出运动目标之后，需要在后续视频中连续跟踪该运动目标，实时获取运动目标的位置信息。运动目标跟踪算法一般分为基于区域、基于特征和基于模型的跟踪算法。在无人机航空视频的图像跟踪中，为了满足引导无人机飞行的需求，跟踪算法需要精确锁定特定目标并且算法实时性要高。MeanShift算法是一种有效且常用的跟踪算法，其本质上属于基于特征的跟踪算法。分为以下几步：首先在初始帧中建立目标特征，使用颜色直方图来描述目标区域的特征；然后在后续帧中进行目标候选区域特征提取；最后通过相似性函数判断当前帧中候选区域是否为真实目标。MeanShift算法实时性较好；采用归一化核函数直方图建模，对边缘遮挡、目标形变以及背景变化不敏感，但其仍然存在使用上的局限性，一方面，由于MeanShift采用核函数颜色直方图建模，颜色直方图是一种比较弱的对目标特征的描述，当背景和目标的颜色分布较相似的时候，算法效果欠佳，搜索目标往往收敛于背景中与目标颜色分布比较相似的物体，另一方面不能跟踪快速运动的物体。Kalman滤波是在协方差估计误差最小的意义上的最优的递归算法，即只要获知上一时刻状态的估计值以及当前状态的观测值就可以计算出当前状态的估计值，视觉的跟踪看作推理的过程。缺点在于方法的鲁棒性还有待加强，需要有较为准确的初始值，适用于规律运动的目标跟踪。

CCD摄像机中呈现的只是运动目标二维的运动信息，因此需要加入其它传感器和采用一定的算法才能实现运动目标的相对定位。通常情况下用激光测距仪测量目标相对无人机的距离得到精确的目标相对位置和相对速度。激光测距是采用脉冲激光，无法做到实时的连续测距，因此我们应当考虑实时的测距算法。

在现有的技术中，复杂背景下无人机对运动目标的跟踪与定位，通常辅助人工搜索的方法检测特定运动目标，并用跟踪算法实现运动目标在图像中的跟踪，计算脱靶量，从而控制光轴伺服系统实现光轴稳定跟踪，是一种半自主的引导方式。并且对无人机的引导，大多数情况下是角度导引，并非位置导引，因此有一定的局限性。

发明内容

本发明以无人机导引飞行为应用背景，利用无人机携带的CCD摄像机获得视觉信息，在航空视频中检测出运动目标并在图像中稳定实时跟踪，计算脱靶量，自动调整机载云台的旋转和俯仰角度使被跟踪的地面运动目标始终保持在摄像机成像平面的中心，根据单目测距模型实时测量无人机与运动目标之间的距离，确定运动目标在三维世界中的位置坐标，引导无人机跟踪飞行。本发明在基本上或完全不依赖于地面设备的辅助，依靠视觉传感器和机载惯性设备实现无人机进入目标区域后，自主检测、跟踪并为目标精确定位功能，引导无人机跟踪飞行。