[发明专利]基于细粒度分类的无人机识别与定位方法

说明书

本发明公开了一种基于细粒度分类的无人机识别与定位方法，基于物体粗粒度检测后的细粒度分类，将识别出的无人机型号与无人机型号库信息对应检索出无人机的具体的外在结构信息，并结合摄像机的内参数，将无人机的二维坐标映射成三维坐标确定无人机立体空间中的位置，还可以通过帧图片的连续三维坐标信息，在立体空间中得到无人机的轨迹信息。本发明解决现有技术无人机的识别与定位不准确的问题。

技术领域

本发明属于无人机技术领域，特别涉及一种基于细粒度分类的无人机识别与定位方法。

背景技术

近年来，无人机技术快速发展，被广泛用于各领域，对无人机的探测、识别与定位技术也提出了更高的要求。目前，针对无人机的探测、识别与定位有多种方案，包括卫星定位的方式、雷达和摄像头结合的方式等，探测效果差，易受外界信号干扰。

为此，技术人员做了改进。如申请号为2016111441100的发明专利，公开了一种基于电子信息无人机控制用无人机身份识别系统，包括遥感飞行器、卫星、地面信号收发基站和遥感操控器，满足GPS定位和北斗定位，遥感飞行器具有定位子系统、无线收发单元和身份信息存储单元等，并通过卫星与地面信号收发基站进行信息交互，获取飞行器的位置信息和飞行状态，与预存信息实时比较，方便追踪遥感飞行器。申请号为2017109352832的发明专利，公开了一种对民用无人机的无源定位和识别系统，使用无源雷达探测、定位和跟踪无人机，并接收无人机的遥控遥测信号，通过对遥控遥测信号的分析，完成无人机识别，虽然能避免不良天气的影响，但是，也仅局限在能探测、识别出是否是无人机，对于无人机身份的匹配、识别，准确度比较低。

现有技术的无人机识别与检测，仅仅局限在能够准确识别检测出这个物体是否是无人机以及无人机在二维平面图中的位置及大小，并没有准确的判断出是哪种型号的无人机以及无人机的外在结构大小，更无法得知无人机在实际场景空间的三位坐标。我们针对此问题，设计本技术方案。

发明内容

针对现有技术存在的不足，本发明提供一种基于细粒度分类的无人机识别与定位方法，基于物体检测后的细粒度分类，将识别出的无人机型号与无人机型号库信息对应检索出相关外在结构信息，并结合摄像机的内参数，将无人机的二维坐标映射成三维坐标确定无人机立体空间中的位置，解决无人机的识别与定位不准确的问题。

为了解决上述技术问题，本发明采用的技术方案是：基于细粒度分类的无人机识别与定位方法，包括以下步骤：

(a)建立无人机数据集库：通过采集无人机机型及参数信息，建立满足细粒度分类的计算机视觉数据库；

(b)粗粒度检测：通过YOLO网络结构对摄像机拍摄的视频进行端到端的实时物体识别与检测，准确判断物体是否无人机；

(c)细粒度分类：在步骤(a)所述的无人机数据集库中的数据集的基础上采取强监督学习的方法完成深度学习，进而完成细粒度分类，细粒度分类完成后，精确地得到检测到的无人机类别和无人机型号；

(d)匹配检索型号：得出无人机的具体型号后，在无人机数据集库中匹配检索该型号无人机的具体信息，得到该无人机的所有信息，包括材料信息和结构信息，得知无人机的外在视觉特征；

(e)摄像机标定：获得摄像机的内参数；

(f)空间定位：将无人机的外在视觉特征结合摄像机的内参数得到无人机在立体空间的位置。

进一步的，步骤(b)中，优化YOLO网络结构，每个格子预测四个bounding box，输出向量为7*7*23的向量，实现基于流视频下的物体检测，以60-70FPS/S的速率检测出镜头内的物体是否是无人机，从而完成粗粒度检测。