[发明专利]基于分辨率重建的无人机巡线影像辅助采集方法及系统

权利要求书

1.一种基于分辨率重建的无人机巡线影像辅助采集方法，通过无人机机载摄像头进行图像采集，并将采集的图像输入至机载计算设备，其特征在于，所述机载计算设备执行以下步骤：

对图像进行预处理，并通过清晰度评价算法评价输入图像的清晰度，若输入图像的清晰度不满足设定的阈值，则判定为低清晰度图像并输入至基于RR-CNN网络的分辨率重建模型；

通过所述分辨率重建模型对所述低清晰度图像进行重构，转换为高清晰度图像；

将清晰度满足设定的阈值的输入图像以及分辨率重建模型输出的高清晰度图像输入至基于CD-CNN网络的目标检测模型进行巡检目标检测。

2.根据权利要求1所述的一种基于分辨率重建的无人机巡线影像辅助采集方法，其特征在于：所述分辨率重建模型包括四层结构；

第一层为预处理层，对输入的图像采用双三次差值法提高图像的尺寸；

第二层为特征提取层，包括一卷积操作和ReLU激活函数，对经过插值操作的图像进行卷积操作，输出n₁维的特征图；

第三层为非线性映射层，包括一卷积操作和ReLU激活函数，对第二层输出的n₁维的特征图进行非线性映射，输出n₂维的特征图；

第四层为分辨率重建层，包括一卷积操作，对第三层输出的特征图进行平均操作，输出一张特征图，即为最终重建的高分辨率图像。

3.根据权利要求2所述的一种基于分辨率重建的无人机巡线影像辅助采集方法，其特征在于，所述分辨率重建模型在训练过程中，构建以下损失函数来度量输出图像与真实图像的相似性：

其中，n为训练样本个数，X为输出图像的数据，Y为真实图像的数据；

在分辨率重建模型训练过程中通过标准反向传播的随机梯度下降法最小化损失。

4.根据权利要求1所述的一种基于分辨率重建的无人机巡线影像辅助采集方法，其特征在于：

所述CD-CNN网络包括特征筛选网络和检测网络；

所述特征筛选网络有主干卷积网络和RPN候选框提取网络组；

所述检测网络由多个级联的检测器组成。

5.根据权利要求1所述的一种基于分辨率重建的无人机巡线影像辅助采集方法，其特征在于，所述对图像进行预处理的步骤具体为：通过高斯滤波器对图像进行降噪处理。

6.根据权利要求1所述的一种基于分辨率重建的无人机巡线影像辅助采集方法，其特征在于：所述清晰度评价算法具体为Tenengrad梯度函数。

7.一种基于分辨率重建的无人机巡线影像辅助采集系统，其特征在于，包括：

无人机，用于通过机载摄像头进行图像采集；

计算设备，所述计算设备与机载摄像头连接，计算设备包括预处理单元、清晰度评价单元、分辨率重建单元和目标检测单元；

所述预处理单元，用于对机载摄像头采集到的图像进行预处理后输出值清晰度评价单元；

所述清晰度评价单元，用于通过清晰度评价算法对输入的图像进行清晰度评价，并将清晰度不满足设定阈值的图像输出至分辨率重建单元，将满足设定阈值的图像输出至目标检测单元；

所述分辨率重建单元，利用基于RR-CNN网络的分辨率重建模型对输入的图像进行重构，转换为高清晰度图像，再将高清晰度图像输出至目标检测单元；

所述目标检测单元，利用基于CD-CNN网络的目标检测模型对输入图像进行巡检目标检测，并在图像中对检测到的巡检目标添加标签和目标位置框；

存储设备，与所述计算设备连接，用于接收所述目标检测单元输出的图像并进行存储。

8.一种基于分辨率重建的无人机巡线影像辅助采集设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的辅助采集方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6任一项所述的辅助采集方法。