[发明专利]一种基于视觉的无人机自主着陆地标实时检测跟踪方法

说明书

本发明公开了一种基于视觉的无人机自主着陆地标实时检测跟踪方法，对检测到的目标图像进行网格撒点，以像素点来代替目标图像，用金字塔L‑K光流法进行跟踪，而非使用特征点提取算法来提取易跟踪特征点，从而节省时间，提高算法实时性。采用双向金字塔L‑K光流法跟踪特征点，同时对每一个特征点采用归一化相关性匹配校验，确保特征点跟踪的准确性。以上一帧跟踪到的目标为模板，与本帧跟踪到的目标图像进行归一化相关性匹配检测，确保本帧跟踪目标的完整性与准确性。

技术领域

本发明属于无人机视觉导航、计算机视觉处理技术领域，涉及一种基于视觉的无人机自主着陆地标实时检测跟踪方法。

背景技术

无人机由于具备成本较低、易操作、隐蔽性好、可携带其它载物等优点，近年来作为研究热点，得到快速发展。随着近年来智能化技术的快速发展，无人机自主飞行进展迅速；而无人机自主着陆作为无人机自主飞行中最危险、要求最高的一环，受到广泛关注。

现有的无人机常用的着陆导航方式有GPS(Global Positioning System，全球定位系统)导航、INS(Inertial Navigation System，惯性导航系统)导航和GPS/INS组合导航。GPS导航精度较高、使用简单，但易受电子及环境干扰，极易丢失信号；INS导航是通过积分迭代运算得到相关导航信息，会不断地累计误差；GPS/INS组合导航虽然提高了导航精度，但在电子或环境干扰，极易丢失GPS信号，此时单靠INS导航，仍会不断的累积误差，影响无人机自主着陆。近年来，基于视觉进行无人机自主导航着陆的提出为这一问题的解决提供了新的思路，其具备抗干扰性能较好、易装备、功耗低、精度高等优点，受到广泛关注。而基于视觉进行无人机自主导航着陆过程中，对着陆地标的检测与实时跟踪是最为重要的一环。

对于动态目标跟踪，背景帧插法最简单、实时性最高，但其极其依赖背景检测，而无人机搭载摄像系统对着陆地标进行跟踪，目标随背景运动，无法分割出来。而不依赖背景的目标检测与跟踪方法，如基于特征点的目标跟踪算法，提取目标图像特征点，通过光流法进行跟踪或进行帧间不变特征匹配进行跟踪，上述方法跟踪性能较好，但无法将长时间跟踪的特征点归类为目标图像。而基于先验知识进行机器学习训练分类器，进行每一帧目标分类跟踪，虽然识别率较高，但实时性较差，无法满足无人机视觉导航要求，比较适合作为辅助检测手段使用。对于TLD这类在线学习跟踪算法，通过在线学习更新分类器，用分类器来修正跟踪错误目标，可实现对但目标长时间跟踪，但每一帧都需在线学习，较为耗时。

参考文献：

[1]Bouguet J Y.Pyramidal implementation of the Lucas Kanade featuretracker description of the algorithm[J].Opencv Documents,1999,22(2):363-381.

发明内容

针对上述现有技术中存在的问题，本发明的目的在于，提供一种基于视觉的无人机自主着陆地标实时检测跟踪方法，以解决无人机自主着陆过程中对着陆地标无法长时间准确、实时且稳定的跟踪的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于视觉的无人机自主着陆地标实时检测跟踪方法，包括以下步骤：

步骤一，利用无人机上的机载摄像机采集着陆区域图像；着陆区域图像中包含有多个疑似目标；

步骤二，对着陆区域图像进行预处理得到包含有多个轮廓的预处理后的图像，每个轮廓对应一个疑似目标；

步骤三，针对预处理后的图像中的每个轮廓设置最小矩形框，提取所有的最小矩形框所在区域图像构成疑似目标图像集；

步骤四，利用着陆地标图像分类器对疑似目标图像集中的所有疑似目标图像进行分类识别，若识别得到目标图像，则执行步骤五，否则，执行步骤一；