[发明专利]一种无人机追踪降落方法及系统

说明书

本发明提出一种无人机追踪降落方法及系统，包括远距离追踪方法和近距离追踪方法；对拍摄的视频帧进行yolov4‑tiny目标识别，通过ECO相关滤波器进行跟踪从远距离靠近降落平台，检测Apriltag码，并执行近距离追踪方法，所述Apriltag码为Apriltag中心嵌套码，对Apriltag中心嵌套码全局和局部检测，计算Apriltag中心嵌套码中心，估算无人机与目标降落平台的位置差dx、dy和dz；通过激光测得无人机与目标降落平台的高度H，以H为依据对dx和dy进行比例纠正，纠正后的数据进行无人机运动的控制，本发明利用yolov4‑tiny目标识别算法和所述RCO相关滤波器跟踪的相互切换，实现对目标的重定位，提高追踪检测算法的效率，准确的对目标进行定位；Apriltag中心嵌套码提高空间编码的利用率，有利于无人机的识别。

技术领域

本发明涉及无人机降落的技术领域，特别是一种无人机追踪降落方法及系统。

背景技术

目前的跟踪算法主要基于深度神经网络或相关滤波，以及二者的结合。基于深度神经网络的跟踪算法精度高，但运行速度慢；而基于相关滤波的跟踪算法速度快，但精度稍低，且当目标离开视野或被遮挡时，容易出现跟踪目标丢失。至于结合二者的跟踪算法，一般是利用卷积神经网络提取出特征替换人工选择的特征，再进行相关性的计算以实现跟踪，虽然在速度与精度上有了一个比较好的均衡，但由于卷积神经网络计算时间长，依旧难以满足无人机跟踪的实时性要求，不利于嵌入无人机跟踪系统中。

现有的GPS定位技术需要良好且稳定的信号，这在无人机低空近距离的追踪降落过程中并不满足，且精度也不够。在视觉领域可以使用Apriltag码引导无人机降落，一般方法是在空中对单个Apriltag码完成检测并控制无人机在水平方向靠近，然后进行降落，但是由于在降落过程中缺乏多次再校准，因此精度不佳。而一般的低空追踪问题可以在水平面排列多个大小不一的Apriltag组合码与使用卡尔曼滤波预测目标物在下一帧图像中的位置来进行优先局部检测，但在追踪与降落的过程中，高度跨越大，随着高度的降低，镜头视野变小，原区域识别到的码不能再被检测，预测加局部检测的方法失效，只能再次进行全局检测，重新寻找更小更合适的Apriltag码，即局部搜索的策略缺乏连续性，且使用多个Apriltag组合码造成的空间冗余不利于精准降落。因此这种方法不能很好地应用在无人机的追踪降落任务上。

此外，原有的Apriltag码检测技术可以对无人机与目标的相对位置与姿态进行估计，但由于相机内参标定不够准确，摄像头分辨率有限以及追踪过程中对摄像头的影响等因素会使得估算结果存在误差，缺乏一定的数据校准环节。并且无人机在不同的追踪情况下对控制效果的要求不一样，常用的固定参数PID技术并不太合适。

发明内容

针对上述缺陷，本发明的目的在于提出一种无人机追踪降落方法及系统，解决无人机降落的控制效果不佳，追踪缺乏再校准，精度不佳的问题。

为达此目的，本发明采用以下技术方案：

一种无人机追踪降落系统，包括远距离追踪方法和近距离追踪方法；所述远距离追踪方法包括以下步骤：

S1、对目标降落平台拍摄，对拍摄的视频帧进行yolov4-tiny目标识别，识别出精确的目标框后通过ECO相关滤波器进行跟踪；

S2、判断是否检测到目标降落平台，若是则控制无人机从远处快速接近目标，若否则控制无人机上升运动以获取更广的视角；

S3、无人机靠近目标时，判断无人机的位置是否足够靠近目标，是则控制无人机缓慢下降，若否则返回执行步骤S1；

S4、判断是否检测到降落平台的Apriltag码，若是则执行近距离追踪方法，若否则返回执行步骤S1；

所述近距离追踪方法中Apriltag码为中心嵌套码，近距离追踪方法包括以下步骤：