[发明专利]一种基于双光谱光电搜索的无人机目标定位方法

权利要求书

1.一种基于双光谱光电搜索的无人机目标定位方法，其特征在于，包括如下步骤：

一、相机标定，利用红外-可见光相机进行联合标定，得到红外相机坐标系与可见光相机坐标系之间的外参数矩阵，记作[Rt]；

二、设定光电搜索的范围，搜索的范围包括方位角和俯仰角，所述方位角为水平方向的转角幅度，所述俯仰角为垂直方向上的转角幅度，所述方位角和所述俯仰角的区间大于红外热成像系统的视场角；

三、光电搜索，按照步骤二中设置的搜索范围，根据方位角和俯仰角以回扫方式开始搜索；

四、进行快速红外+可见光无人机目标检测，若在红外图像和可见光图像中同时检测到无人机目标，则确定为真目标，进入步骤五；否则认定未搜索到目标，云台从一个搜索角度变换到下一个搜索角度重新搜索，即返回步骤三；

五、红外+可见光图像均检测到无人机目标后，转动云台，使无人机目标位于红外图像的中心，并记录此时的红外图像及可见光图像；

六、无人机定位，根据红外-可见光相机间的外参数矩阵、相机内参数、图像分辨率、视场角信息计算无人机目标的精确空间位置；

七、运动状态分析，按照固定时间间隔进行采样，重复步骤四-六操作，得到采样位置的空间位置信息，进一步地预估出无人机的运动方向和速度。

2.根据权利要求1所述的一种基于双光谱光电搜索的无人机目标定位方法，其特征在于，步骤三中，在进行光电搜索时，当方位角达到最大角度后提升俯仰角，使得光电搜索跟踪系统从最大方位角到最小方位角的路径进行搜索。

3.根据权利要求1所述的一种基于双光谱光电搜索的无人机目标定位方法，其特征在于，步骤四中所述的进行快速红外+可见光无人机目标检测的具体方法包括如下步骤：

Step1对大量包含无人机、不含无人机的红外图像进行标注，训练基于深度学习的红外全卷积网络FCN模型；对大量包含无人机、不含无人机的可见光图像进行标注，训练基于深度学习的可见光全卷积网络FCN模型；

Step2采集当前搜索角度位置的红外图像及可见光图像；

Step3采用训练得到的红外全卷积网络FCN模型对得到的红外图像进行检测，若检测到无人机目标，则确定为疑似目标，否则未检测到疑似目标；

Step4转动云台，使疑似目标平移至红外图像中心，根据红外图像与可见光图像的映射关系，在可见光图像的对应区域进行可见光全卷积网络FCN模型检测，若检测到无人机目标，则确定为合理性目标，否则为伪目标；

Step5若连续n帧均能检测到合理性目标，则为真目标，否则为伪目标，其中，n代表光电搜索跟踪系统每停留一次进行拍摄的图像帧数，大于1；

Step6若为真目标，则进入定时采样模式，进一步分析目标的运动状态；若未检测到目标，则云台转到下一个搜索角度，进行下一次检测过程。

4.根据权利要求3所述的一种基于双光谱光电搜索的无人机目标定位方法，其特征在于，n取值范围为3-5。

5.根据权利要求1所述的一种基于双光谱光电搜索的无人机目标定位方法，其特征在于，步骤一对红外-可见光相机系统进行标定，还获得红外相机的内参数、可见光相机的内参数。

6.根据权利要求5所述的一种基于双光谱光电搜索的无人机目标定位方法，其特征在于，步骤一中红外相机坐标系与可见光相机坐标系之间的外参数矩阵为：