[发明专利]一种基于视觉的无人机自主着陆地标实时检测跟踪方法

摘要

本发明公开了一种基于视觉的无人机自主着陆地标实时检测跟踪方法，对检测到的目标图像进行网格撒点，以像素点来代替目标图像，用金字塔L‑K光流法进行跟踪，而非使用特征点提取算法来提取易跟踪特征点，从而节省时间，提高算法实时性。采用双向金字塔L‑K光流法跟踪特征点，同时对每一个特征点采用归一化相关性匹配校验，确保特征点跟踪的准确性。以上一帧跟踪到的目标为模板，与本帧跟踪到的目标图像进行归一化相关性匹配检测，确保本帧跟踪目标的完整性与准确性。

主权项

1.一种基于视觉的无人机自主着陆地标实时检测跟踪方法，其特征在于，包括以下步骤：步骤一，利用无人机上的机载摄像机采集着陆区域图像；着陆区域图像中包含有多个疑似目标；步骤二，对着陆区域图像进行预处理得到包含有多个轮廓的预处理后的图像，每个轮廓对应一个疑似目标；步骤三，针对预处理后的图像中的每个轮廓设置最小矩形框，提取所有的最小矩形框所在区域图像构成疑似目标图像集；步骤四，利用着陆地标图像分类器对疑似目标图像集中的所有疑似目标图像进行分类识别，若识别得到目标图像，则执行步骤五，否则，执行步骤一；步骤五，对目标图像进行网格稠密采样，得到多个网格采样点，得到的所有网格采样点形成当前跟踪特征点集Current_pts；步骤六，将当前跟踪特征点集Current_pts更新为上一帧的跟踪特征点集Last_pts；步骤七，利用无人机上的机载摄像机重新采集一帧着陆区域图像，即为本帧着陆区域图像；步骤八，利用上一帧采集到的着陆区域图像、上一帧的跟踪特征点集Last_pts和本帧着陆区域图像，利用前后双向金字塔L‑K光流法计算得到上一帧的跟踪特征点集Last_pts中的每一个跟踪特征点的前后向光流跟踪误差；利用前后向光流跟踪误差对上一帧的跟踪特征点集Last_pts进行初步筛选，得到初步筛选后的跟踪特征点集Current_pts2；步骤九，计算初步筛选后的跟踪特征点集Current_pts2中的跟踪特征点与上一帧的跟踪特征点集Last_pts中的跟踪特征点之间的相关系数，利用得到的相关系数对初步筛选后的跟踪特征点集Current_pts2进行二次筛选，得到二次筛选后的跟踪特征点集Current_pts3；步骤十，判断二次筛选后的跟踪特征点集Current_pts3中的跟踪特征点的数目是否为0，若是，则执行步骤十五，否则，执行步骤十一；步骤十一，设置最小矩形框，将跟踪特征点集Current_pts3中的所有跟踪特征点置于最小矩形框的内部；最小矩形框所在区域图像即为跟踪到的目标图像；步骤十二，将步骤十一跟踪到的目标图像与上一帧目标图像进行归一化相关性匹配计算，得到相关系数；步骤十三，若步骤十二中计算得到的相关系数大于设定阈值，则执行步骤十四；否则，执行步骤十五；步骤十四，判断跟踪特征点集Current_pts3中的跟踪特征点数目是否大于步骤五中的当前跟踪特征点集Current_pts中的跟踪特征点数目的一半，若是，则进入步骤六，此时的当前跟踪点集为跟踪特征点集Current_pts3，否则，进入步骤五，此时的目标图像为步骤十一中跟踪到的目标图像；步骤十五，重新确定目标搜索区域图像；步骤十六，对重新确定的目标搜索区域图像执行步骤二和步骤三的操作，得到疑似目标图像集；计算疑似目标图像集中的每个疑似目标图像与上一帧目标图像的相关系数；步骤十七，在疑似目标图像集中，去除步骤十六得到的相关系数小于设定值的疑似目标图像，若疑似目标图像集中留下的疑似目标图像的数目为0，则执行步骤二，此时的着陆区域图像为步骤七中得到的本帧着陆区域图像；否则，选出相关系数最大值对应的疑似目标图像作为搜索到的目标图像，执行步骤五，此时的目标图像为所述的搜索到的目标图像。