[发明专利]基于BRISK检测器最大值响应的无人机自主着陆目标检测方法

说明书

本发明公开了一种基于BRISK检测器最大值响应的无人机自主着陆目标检测方法，其步骤为：(1)输入：无人机飞行序列图I；(2)生成BRISK尺度空间；根据无人机飞行序列图I中的图像，生成尺度空间图；(3)图像特征点检测；通过对BRISK尺度空间的每一层进行FAST角点检测，确定视觉图像中的特征点；(4)目标稳定特征点提取；在图像特征点中提取目标的稳定特征点，即，对于所有特征点，筛选出响应值最大的特征点，该响应值最大的特征点的图像坐标为无人机目标图像检测位置。本发明具有稳定性好，准确性高、实时性强、适用性好等优点。

技术领域

本发明主要涉及到无人机的控制领域，特指一种基于BRISK(BRISK：BinaryRobust Invariant Scalable Keypoints，尺度不变性二进制描述关键点检测算法)检测器最大值响应的无人机自主着陆目标检测方法。

背景技术

无人机在降落过程中存在平台运动、晃动、场地狭小、气象条件复杂多变等问题，无人机末端引导控制失误将可能造成人员伤亡或设备损毁等安全事故。因此，如何实现自动、安全、快速地定位和引导是决定无人机使用成本、频率和效能的关键问题。基于光学的导引技术主要研究如何实现无人机在进入回收区后进行跟踪和定位，及引导其按照设定航线平稳降落的问题。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种稳定性好，准确性高、实时性强、适用性好的基于BRISK检测器最大值响应的无人机自主着陆目标检测方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于BRISK检测器最大值响应的无人机自主着陆目标检测方法，其步骤为：

(1)输入：无人机飞行序列图I；

(2)生成BRISK尺度空间；根据无人机飞行序列图I中的图像，生成尺度空间图；

(3)图像特征点检测；通过对BRISK尺度空间的每一层进行FAST角点检测，确定视觉图像中的特征点；

(4)目标稳定特征点提取；在图像特征点中提取目标的稳定特征点，即，对于所有特征点，筛选出响应值最大的特征点，该响应值最大的特征点的图像坐标为无人机目标图像检测位置。

作为本发明的进一步改进：所述步骤(2)为读入第num张无人机飞行采集图像I_num，将其转化为灰度图像I_{num_gray}；生成n层尺度图像c_i，图像c_i由c_i-1半采样得到；生成n-1层中间层图像d_i，d₀由原始图像c₀进行1.5倍降采样，d_i由d_i-1进行半采样得到。

作为本发明的进一步改进：所述步骤(3)的流程为：

(3.1)对BRISK尺度空间的每一层进行FAST角点检测；即，根据下式对层c_i与d_i中的每一个像素点P，以P点为中心，3为半径的16个圆形邻域像素点作FAST角点检测，并统计圆周上状态全部为d或全部为b的最长圆弧的像素个数S，记满足S≥N条件的点为p，其图像坐标为(x,y)，并记录其FAST积分值s(x,y)：

其中，δ为FAST角点检测阈值。当满足条件S≥N时，中心点P为FAST角点，S为圆周上状态全部为d或全部为b的最长圆弧的像素点个数，N为FAST算子参数；

(3.2)根据下式对待测点p进行同层内非极大值抑制，如果不是极大值，则去除该角点；

s(x,y)>s(x±1,y±1)