[发明专利]一种无人飞行器视觉自主导引着陆的目标跟踪方法

摘要

本发明公开了一种无人飞行器视觉自主导引着陆的目标跟踪方法，首先将目标在连续两帧图像间的运动幅值按照“coarse-to-fine”的顺序划分为多个分辨率等级，通过离线训练的方式模拟不同等级下的先验运动并计算其对应的先验误差Jacobian矩阵，同时，由于每一层Jacobian矩阵的求取结合了训练时的先验知识，可以保证算法在迭代搜索目标的过程中能够有效地跳出局部极值，避免跟踪失败；采用模板图像目标区域的稀疏特征即FAST角点处的灰度值描述目标，相较于传统Lucas-Kanade算法在计算中常常用目标区域的所有像素点稠密的表达目标，运算复杂度大大降低。

主权项

1.一种无人飞行器视觉自主导引着陆的目标跟踪方法，其特征在于，包括如下步骤：步骤1、机载摄像机采集着陆目标点模板图像并对模板图像进行仿射光照归一化处理，得到归一化之后的模板图像I_norm(x)，其中x表示模板图像中像素点的坐标；步骤2、对归一化后的模板图像I_norm(x)进行特征提取，得到具有N个特征点的特征模板图像；步骤3、离线方式训练模板图像在m组不同运动范围下对应的先验误差Jacobian矩阵,具体方法如下：设定无人飞行器的运动幅度范围S，将运动幅度范围S从小到大均分成m段运动范围，针对特征模板图像在每一段运动范围，采用透视变换方法对特征模板图像随机变形：即将特征模板图像的4个顶点在该段运动范围内分别随机移动一次作为一次随机变形，得到一幅变形后的特征模板图像，将特征模板图像按照上述方式移动N_p次，且满足N_p□N，得到特征模板图像与随机变形后的N_p幅图像之间的透视变换关系矩阵δμ11δμ12···δμ1Np············δμj1δμj2···δμjNp············δμn1δμn2···δμnNp,]]>计算随机变形后的N_p幅特征模板图像相对于变形前的特征模板图像的对应特征点之间的灰度误差向量矩阵e11e12···e1Np············ej1ej2···ejNp············en1en2···enNp;]]>其中，透视变换关系矩阵中的第k列δμk=[δμ1k,δμ2k,...,δμnk]T]]>表示第k次变换得到的图像与特征模板图像之间的透视变换关系对应的参数向量，灰度误差向量矩阵中的第k列表示第k次变换得到的图像与特征模板图像对应特征点之间的灰度误向量，k∈[1,N_p]，n＝8；然后再根据公式a11···a1j···a1N···············ai1···aij···aiN···············an1···anj···anNe11e12···e1Np············ej1ej2···ejNp············eN1eN2···eNNp=δμ11δμ12···δμ1Np············δμj1δμj2···δμjNp············δμn1δμn2···δμnNp]]>求得每一段运动范围对应的先验误差Jacobian矩阵A_h[i],其中步骤4、实际跟踪过程之初，对机载摄像机在t₀时刻获得的图像采用步骤1的方法进行仿射光照归一化处理，然后确定步骤2得到的特征模板图像在t₀时刻图像帧中的位置，将该位置在t₀时刻图像帧中的区域图像定义为目标跟踪区域，采用步骤2的特征提取方法对目标跟踪区域图像进行特征提取，得到目标跟踪模板图像I(x,t₀)；步骤5、对无人飞行器获得的t时刻的实时输入图像采用步骤1的方法进行仿射光照归一化处理，得到当前输入图像；然后再进行在线跟踪，具体步骤如下：5-1、通过最优化目标函数O(μ(t))＝||I(f(x;μ(t)),t)-I(x,t₀)||²计算目标跟踪模板图像在t时刻的变换参数μ(t)，使该变换参数μ(t)对目标跟踪模板图像I(x,t₀)进行变换后得到的图像I(f(x;μ(t)),t)与目标跟踪模板图像I(x,t₀)的差异最小；5-2、采用步骤5-1计算得到的变换参数μ(t)对目标跟踪模板图像I(x,t₀)进行变换得到图像I(f(x;μ(t)),t₀)，以t时刻的变换参数μ(t)代替t+τ时刻的变换参数μ(t+τ)，计算图像I(f(x;μ(t)),t₀)在t+τ时刻的输入图像I(f(x;μ(t)),t+τ)，其中τ是无人飞行器采集图像的最小时间间隔；5-3、计算输入图像I(f(x；μ(t))，t+τ)与目标跟踪模板图像I(x,t₀)之间的对应特征点之间的灰度误差图像e(t)＝I(x，t₀)-I(f(x；μ(t))，t+τ)；令i＝m，j=1；5-4、计算Δμ(t+τ)＝A_h[i]e(t)；5-5、首先计算当前输入图像和目标跟踪模板图像I(x,t₀)之间的透视变换矩阵F(μ(t))，再计算t+τ时刻的输入图像相对于目标跟踪模板图像的透视变换矩阵：F(μ(t+τ))＝F(μ(t))F^-1(Δμ(t+τ))；5-6、判断Δμ(t+τ)与ε的关系：当Δμ(t+τ)≥ε时，计算e(t)=I(x,t₀)-I(F(μ(t+τ))x,t+τ)，j=j+1，其中I(F(μ(t+τ))x,t+τ)表示目标跟踪模板图像I(x,t₀)经过透视变换矩阵F(μ(t+τ))变换的图像；再判断j与n_iter的关系：当j□n_iter时，执行步骤5-4；当j＞n_iter时，执行步骤5-7；当Δμ(t+τ)＜ε，i＝i-1；当i＞1时，执行步骤5-4；当i＝1时，执行步骤5-7；其中n_iter为迭代次数，取5□n_iter□15；ε为跟踪精度阈值矢量，其维数与t+τ时刻的Δμ(t+τ)相同，ε＝[ε₁,ε₂,...,ε_n]^T，其中ε₁＝ε₂＝...＝ε_n；5-7、将F(μ(t+τ))发送给无人飞行器控制系统，无人飞行器根据F(μ(t+τ))进行目标跟踪。