[发明专利]一种基于无人机拍摄和语义分割的全局导航辅助方法

权利要求书

1.一种基于无人机拍摄和语义分割的全局导航辅助方法，其特征在于，包括：

进行无人机目标飞行区域的设定，利用Dubins轨迹规划算法规划飞行巡航轨迹；

无人机根据设定的飞行巡航轨迹对目标飞行区域进行拍摄，无人机以垂直地面的角度对地面进行拍摄,在巡航轨迹中的直线飞行航线中均匀选择一系列点作为GPS位置标定点，用于后续位置校正使用；

获取无人机拍摄数据，根据拍摄数据中每一张照片所携带的GPS点位信息以及时间戳信息，得知照片序列所对应的位置以及照片与照片间的位置关系，利用序列在轨迹中的位置排序，得到相片之间的重叠率，对于重叠率超过设定阈值的照片，利用图像拼接融合算法对拍摄数据进行合成处理；

对合成处理的结果进行语义分割地图制作；

完成的制作地图导入QGIS系统；

所述无人机对目标飞行区域进行拍摄包括：

无人机在拍摄每一帧图片时无人机所在GPS位置也被记录在图片信息中，然后根据拍摄设备的焦距以及感光区域大小计算出拍摄的照片内容所对应的实际地貌大小，具体公式为:

其中,R为拍摄内容的实际大小，r为摄像头的感光区域大小，H为无人机飞行高度，f为摄像机焦距；

在无人机在飞行拍摄过程中在GPS位置标定点无人机悬停5s，进行GPS位置校正，拼接后图片以校正点的GPS位置作为标准位置，从而计算出全图所有点的GPS位置。

2.根据权利要求1所述的一种基于无人机拍摄和语义分割的全局导航辅助方法，其特征在于，利用图像拼接融合算法对拍摄数据进行合成处理，包括通过连续帧间的重合部分，使用SURF算法计算出每张拍摄照片的特征，根据特征的空间尺度不变特性实现帧间特征匹配，实现对拍摄数据的合成处理。

3.根据权利要求1所述的一种基于无人机拍摄和语义分割的全局导航辅助方法，其特征在于，所述语义分割地图制作包括：

训练语义分割地图的神经网络模型；

将训练好的神经网络模型对需要合成的图片进行处理。

4.根据权利要求3所述的一种基于无人机拍摄和语义分割的全局导航辅助方法，其特征在于，所述训练语义分割地图的神经网络模型步骤具体包括：

利用开源软件，将合成处理的拍摄数据进行人工标注，人工标注出可行使区域与不可行使区域，此标注数据作训练集；

采用Auto-DeepLab方法对VOC2012和COCO语义分割训练集进行预训练，获取神经网络模型；

将标注数据的训练集输入到神经网络模型，通过设定的损失函数对神经网络模型进行微调，并通过验证集和测试集的检验。

5.根据权利要求1所述的一种基于无人机拍摄和语义分割的全局导航辅助方法，其特征在于，所述获取无人机拍摄数据，并利用图像拼接融合算法对拍摄数据进行合成处理具体包括：

提取拍摄数据中拍摄图片的特征点，并进行拍摄图片的特征点匹配得到图片拼接位置顺序并完成拼接。

6.根据权利要求5所述的一种基于无人机拍摄和语义分割的全局导航辅助方法，其特征在于，利用特征点匹配得到图片拼接位置顺序并完成拼接，具体包括：

1)通过SURF算法对所有采集的图像提取特征点；

2)计算图片与图片之间特征点蔑视算子之间的欧氏距离，小于规定阈值的则此特征点匹配成功，否则失败；

3)根据匹配成功的特征点，通过仿射变换，获取图像与图像之间的变换矩阵；

4)通过图像间变换矩阵H,实现对相应图像进行变换并确定图像间的重叠区域，然后将待融和图像映射到一幅新的空白图像中形成拼接图。

7.根据权利要求6所述的一种基于无人机拍摄和语义分割的全局导航辅助方法，其特征在于，在步骤4中，为了防止出现亮度差异，对于中间的重叠区域的灰度值使用加权方式确定

其中α_i为重叠区域每张图片对应的透明度，n为重叠区域中涉及的图片个数，α为计算得出的平均透明度，P_i为重叠区域图片的像素值，P为计算后的重叠区域的结果。