[发明专利]基于YOLO-SIOCTL的机动站自动目标检测与空间定位方法

权利要求书

1.基于YOLO-SIOCTL的机动站自动目标检测与空间定位方法，其特征在于：包括以下步骤：

1)移动站采集硬件配置，所述移动站采集硬件以机动车辆作为移动平台，集成相机、惯性测量单元IMU、速度编码器、同步器、GPS和计算机来完成对地理对象的自动检测与定位；

2)车载移动测量系统的载体平台在以正常速度行驶过程中，进行影像采集，包括通过相机快速进行实景影像的获取，生成全景影像；姿态测量系统POS实时记录车辆行驶的信息及轨迹，所述车辆行驶的信息包括速度编码器和同步器获取的车辆速度和加速度信息、GPS获取的相机实时位置信息和IMU获取的相机实时外方位参数信息；

3)基于YOLO算法实现地理对象自动目标检测，包括以下步骤：

3.1)对规模样本进行对象分类、标签定义；

3.2)在现有YOLO基本模型的基础上根据需求改进，构建并训练适用于目标需求的深度学习目标检测模型；

3.3)将该目标检测模型应用于目标地理对象的监测中；

4)基于SIOCTL算法实现影像像素框反算地理像素框，包括以下步骤：

4.1)根据YOLO算法识别出的地理对象得出识别框像素坐标，通过使用SIFT搜索相邻站点的图片并完成特征点提取和特征点匹配；

4.2)通过RANSAC算法消除错误匹配以减小误差；

4.3)利用SIOCTL前方交会方法实现对象的地理定位，计算空间物体位置点的空间坐标；

5)单一对象多空间位置点拟合最佳位置点。

2.根据权利要求1所述的基于YOLO-SIOCTL的机动站自动目标检测与空间定位方法，其特征在于：步骤1)所述相机采用单目工业级全景相机；所述IMU通过加速度计和陀螺仪来输出车体运动的真实位置、速度和姿态。

3.根据权利要求1所述的基于YOLO-SIOCTL的机动站自动目标检测与空间定位方法，其特征在于：步骤2)所述全景影像采用移动车载方式进行拍摄，沿行车路线360度采集影像数据；所述车载移动测量系统集成了姿态测量系统POS、全景信息采集系统、电源系统和计算机数据处理系统。

4.根据权利要求1所述的基于YOLO-SIOCTL的机动站自动目标检测与空间定位方法，其特征在于：步骤3.2)使用YOLO算法进行模型构建与训练，具体为：

将输入图片resize到448x448，送入CNN网络，最后处理网络预测结果得到检测的目标。

5.根据权利要求1所述的基于YOLO-SIOCTL的机动站自动目标检测与空间定位方法，其特征在于：所述步骤4.1)包括以下步骤：

4.1.1)建立图像金字塔，金字塔一共有O组，每组有S层，第O组，O≧2，的图像由第O-1组的图像经过1/2降采样得到，每组内的图像由下到上进行高斯滤波得到；

4.1.2)得到图像金字塔后，建立高斯差分尺度：

D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)

＝L(x，y，kσ)-L(x，y，σ)

式中，G(x，y，kσ)是高斯滤波器，I(x，y)是图像中点(x，y)的灰度值；

4.1.3)为了检测到局部极值点，每一个采样点要与它所有的邻近点比较，若检测点为所有点中最大值或者最小值，则该点是图像在该尺度下的一个候选特征点；然后判断高斯差分算子的极值在不同地方的主曲率大小，垂直边缘的地方有较小的主曲率，横跨边缘的地方有较大的主曲率，如果主曲率小于(r+1)²/r，则保留该特征点，否则丢弃，判断方法如下：

式中，r为最大特征值与最小特征值的比例，H表示点(x，y)处的Hessian矩阵：

式中，D值可以通过求取邻近点像素的差分得到。