[发明专利]无人机系统对运动物体的识别追踪方法在审

专利信息
申请号: 201811492747.8 申请日: 2018-12-07
公开(公告)号: CN109726640A 公开(公告)日: 2019-05-07
发明(设计)人: 张逗;周映江;蒋国平;胡雨馨 申请(专利权)人: 南京邮电大学
主分类号: G06K9/00 分类号: G06K9/00;G06T7/00;G06T7/292;G06T7/136;G06T7/187;G06T7/90;G05D1/10
代理公司: 南京苏科专利代理有限责任公司 32102 代理人: 姚姣阳
地址: 210003 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 运动控制模块 无人机系统 视觉模块 运动物体 运动控制信息 通信模块 追踪 检测 采集图像信息 连通区域检测 图像识别算法 图像阈值化 系统初始化 定位圆盘 结果选择 控制指令 实时提供 颜色物体 过滤 通信
【说明书】:

发明揭示了一种无人机系统对运动物体的识别追踪方法,无人机系统包括运动控制模块、通信模块及无人机视觉模块,包括如下步骤:S1、系统初始化,无人机视觉模块采集图像信息,检测定位圆盘的颜色及位置,随后完成对运动物体的识别检测;S2、运动控制模块依据识别检测的结果选择相应的识别模式,计算无人机运动所需的运动控制信息;S3、运动控制模块借助通信模块与无人机视觉模块进行控制指令通信,实时提供运动控制信息。本发明通过图像阈值化、连通区域检测和过滤等图像识别算法,实现了对多个不同颜色物体在多种模式下的识别与追踪。

技术领域

本发明涉及一种目标识别跟踪方法,具体而言,涉及一种无人机系统对运动物体的识别追踪方法,属于模式识别和图像处理技术领域。

背景技术

物体的检测与识别是计算机视觉中的一项重要技术,目前已经在多个领域得到了广泛地运用,如车牌识别、人脸识别、人流量检测、图像搜索等。在机器人领域中,物体识别是机器视觉的重要任务,它使机器人对外界物体的感知更加智能化,能够使其对所处的环境更好地“理解”,因此,可以说,物体识别的研究能够为机器人创造更加丰富的功能。

近年来,无人机系统在农业监控、濒危动物保护、物流运输、抢险救援、疾病监控、地质勘测、电力巡查、采访报道、影视作品拍摄等等方面都有应用,也正是由于其具有适用范围广、使用方式多样等优点,世界各国、尤其是发达国家目前都在积极扩展其应用范围与技术水平。

对于无人机平台而言,物体的检测与识别起到了十分重要的作用。现阶段的无人机还不能够完全脱离手动控制进行飞行,它们除了依据事先设置的模式和路线飞行外,还必须人为地进行远程操作,需要通过操控者直接观察其飞行状态或采用无线设备传送图像进行实时监控。所以,视野受阻挡或无线信号中断可能会在飞行的过程中极大地影响人的判断和实时监控的准确率,从而造成无人机的安全性的下降和应用范围的缩小。如果必须要对无人机操控者进行专门的训练才能够使用无人机,当今社会人力成本的日益提高必定使得其的使用成本有所增加,也必定会增加其向多个使用领域进行拓宽的难度。

综上所述,如何在现有技术的基础上提出一种具备有效的物体检测、识别功能的无人机视觉系统,实现对现有无人机技术的进一步发展与完善,使其能够在更多的领域内充分发挥作用,也就成为了本领域内技术人员亟待解决的问题。

发明内容

鉴于现有技术存在上述缺陷,本发明的目的是提出一种无人机系统对运动物体的识别追踪方法,无人机系统包括运动控制模块、通信模块及无人机视觉模块,包括如下步骤:

S1、系统初始化,无人机视觉模块采集图像信息,检测定位圆盘的颜色及位置,随后完成对运动物体的识别检测;

S2、运动控制模块依据识别检测的结果选择相应的识别模式,计算无人机运动所需的运动控制信息;

S3、运动控制模块借助通信模块与无人机视觉模块进行控制指令通信,实时提供运动控制信息。

优选地,所述无人机视觉模块包括无人机、OpenMV组件以及Pixhawk飞控板,所述OpenMV组件及Pixhawk飞控板二者均设置于所述无人机上且二者均借助通信模块与运动控制模块通信连接。

优选地,S1具体包括如下步骤:

S11、对无人机系统进行初始化处理;

S12、使用OpenMV组件上所搭载的摄像头、以图像形式对无人机所处的外界环境信息进行采集;

S13、使用阈值化图像分析的方法对定位圆盘的颜色和位置进行检测处理,得到所需色块的位置信息;

S14、采用逐帧最邻近目标跟踪的方法对运动物体进行识别,通过比较相邻两帧的物体图像信息,找到两帧中颜色相同且位置最近的色块、将二者作为同一个物体在不同帧中的图像,通过比较它们的大小来判断物体是否运动。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811492747.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top