[发明专利]一种基于ROS的机载目标检测跟踪方法

说明书

本发明公开了一种基于ROS的机载目标检测跟踪方法，属于无人机目标检测跟踪技术领域。本发明将YOLOv3深度学习目标检测算法与改进的KCF相关滤波目标跟踪算法相结合，形成目标检测跟踪功能包，并综合考虑图像序列中的信息冗余及目标检测算法的作用，在目标跟踪算法可以达到超实时的前提下，采用间断抽帧方式选定图像进行目标检测，在锁定特定目标后对当前检测帧的后续帧无差别依次进行目标跟踪处理。在短时间内，目标跟踪算法能够处理最新接收的图像，实现了间隔检测实时跟踪的目的，解决了目标跟踪初期丢帧的问题，充分发挥了检测算法的高准确率和跟踪算法的高实时性优势，可以实现在资源受限的终端平台上进行移植部署。

技术领域

本发明属于无人机目标检测跟踪技术领域，具体涉及一种基于ROS的机载目标检测跟踪方法。

技术背景

无人机具有造价低、隐蔽性好、操作灵活、可重复使用、降低人员伤亡等诸多优点，是一种技术含量高、使用效能好的空中飞行器，近年来得到迅猛发展。目前，无人机在军事侦查、抗震救灾、目标搜索、地区反恐、信息搜集、抢险救灾、电力巡查、交通监视等领域得到了广泛应用。无人机在减少人力、缩短工作周期的同时，提高了工作效率，极大地便利了人类的社会生产生活。

早期无人机的自动化程度不高，在各种场景的实际应用中多数都需要人工干预。在以视频图像数据为主的无人机目标侦查应用中，目前常用的方法为，无人机将侦查图像数据传送给地面站，再由监控人员及地面站目标检测系统进行识别任务。因此无人机的自动化程度是决定其能否在未来起到更大作用的决定性因素之一。

然而，尽管无人机系统平台已较为成熟，目标检测跟踪技术也具有一定基础，但是，无人机自主侦查的研究应用还较为薄弱，主要原因是高准确率的目标检测跟踪算法往往运算量较大，在资源受限的无人机终端平台上难以达到实时的要求。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种基于ROS的机载目标检测跟踪方法，该方法在无人机终端平台计算资源受限的情况下提供了一种可应用的目标检测跟踪方案，提高了目标检测跟踪算法的准确性和稳定性，可以实现在资源受限的终端平台上进行移植部署。

为了实现上述目的，本发明采用的技术方案为：

一种基于ROS的机载目标检测跟踪方法，其包括以下步骤：

步骤1：在ROS机器人操作系统中部署图像序列发布功能包；

步骤2：构建目标检测跟踪功能包并在ROS机器人操作系统中部署；所述目标检测跟踪功能包基于YOLOv3和改进KCF进行目标跟踪；

步骤3：启动图像序列发布功能包和目标检测跟踪功能包，后者订阅前者发布的消息；

步骤4：目标检测跟踪功能包对图像序列发布功能包发布的消息进行接收，将接收到的第一帧图像作为检测帧进行特定目标搜索，在搜索过程中同时接收后续帧并进行保存；

步骤5：如果在检测帧中发现特定目标，则获取特定目标的位置及尺寸信息，并转到步骤6；否则，将最新接收到的图像作为新的检测帧重新进行特定目标搜索，在搜索过程中同时接收后续帧并进行保存，重复步骤5；

步骤6：将当前检测帧及特定目标的位置和尺寸信息作为输入，对目标检测跟踪功能包中的KCF目标跟踪器进行初始化，将当前检测帧的下一帧图像作为当前跟踪帧；

步骤7：使用KCF目标跟踪器对当前跟踪帧进行目标跟踪处理，根据响应峰值判断跟踪目标是否被遮挡，如果目标被严重遮挡，则转到步骤8，否则输出跟踪目标的位置及尺寸信息，转到步骤10；

步骤8：根据目标连续被遮挡的帧数，判断是否跟踪失败，如果失败，则将当前跟踪帧作为当前检测帧，转到步骤6，否则转到步骤9；