[发明专利]基于卷积神经网络和图像形态学的无人机障碍物检测方法

权利要求书

1.一种基于卷积神经网络和图像形态学的无人机障碍物检测方法，其特征在于，包括以下步骤：

(1)无人机对图像信息进行采集；

(2)对采集到的图像信息进行预处理；

(3)对预处理后的图像进行假设生成目标区域；

(4)对得到的图像进行形态学处理；

(5)利用卷积神经网络检验判定形态学处理后得到的假设生成目标区域；

(6)输出图像处理结果。

2.根据权利要求1所述的基于卷积神经网络和图像形态学的无人机障碍物检测方法，其特征在于，所述步骤(1)中通过安装在无人机前方的摄像机以设定的拍摄时间周期进行拍摄以采集图像信息。

3.根据权利要求1所述的基于卷积神经网络和图像形态学的无人机障碍物检测方法，其特征在于，所述步骤(2)中的预处理包括灰度化处理和滤波去噪处理。

4.根据权利要求2所述的基于卷积神经网络和图像形态学的无人机障碍物检测方法，其特征在于，所述灰度化处理具体为：将图像信息的RGB三个分量进行加权平均得到灰度值；所述滤波去噪处理具体为：对于原图像中的每一个像素点使用其邻域的像素点的加权平均值代替原像素点，其中权值是根据高斯函数的函数形状来决定的。

5.根据权利要求1所述的基于卷积神经网络和图像形态学的无人机障碍物检测方法，其特征在于，所述步骤(3)具体为：通过无人机区别于背景图像的显著性特征将无人机从图像中检测出来，得到无人机的假设生成区域，判断无人机可能存在的大致区域。

6.根据权利要求1所述的基于卷积神经网络和图像形态学的无人机障碍物检测方法，其特征在于，所述步骤(4)中的形态学处理为开运算处理。

7.根据权利要求1所述的基于卷积神经网络和图像形态学的无人机障碍物检测方法，其特征在于，所述步骤(5)中卷积神经网络的结构为：第一层为输入层，输入层接收形态学处理后得到的假设生成目标区域；第二层为卷积层C1，由32个特征图组成，使用大小为5×5的卷积核，步长为1；第三层为池化层S2，由32个特征图所构成，其对应卷积层中的32个特征图，使用的采样区域大小为3×3，采样过程步长为2，使用Max-Pooling的重叠采样；第四层为卷积层C3，由32个特征图组成，卷积核大小为5×5；第五层为池化层S4，采样区域大小为3×3进行Mean-Pooling采样，步长为2，最终形成32个特征图；第六层为卷积层C5，使用卷积核大小为5×5的卷积核，最终形成64个卷积特征图；第七层为下采样层S6，使用2×2大小的区域对第四层卷积层进行Mean-Pooling采样，得到64个特征图；网络的最后两层采用全连接神经网络，FC1的100个神经元与下采样层S6中的所有特征图的神经元相连接，并使用概率为0.5的Dropout方法，输出层的2个神经元与FC1的100个全部相连接，最后一层采用Softmax回归模型。