[发明专利]一种基于同心圆特征的纳型无人机目标跟踪方法

摘要

本发明提出一种基于同心圆特征的纳型无人机目标跟踪方法，属于无人机目标跟踪技术领域。该方法首先在纳型无人机上分别安装摄像头、模拟图传和电池；设定作为纳型无人机的跟踪目标的黑白相间的同心圆；纳型无人机从地面起飞后，摄像头实时拍摄图像并经模拟图传将图像发送至地面计算机；地面计算机利用目标识别算法，对接收到的图像进行识别：若图像中成功识别同心圆目标，则分别计算同心圆目标与无人机三个方向上的相对像素距离，并利用视觉控制算法得到无人机的控制指令；无人机根据控制指令进行运动，以实现对同心圆目标的跟踪。本方法可应用于纳型无人机平台，使其具备目标跟踪能力，在国防军事和民用科技中有较大的应用前景。

主权项

1.一种基于同心圆特征的纳型无人机目标跟踪方法，其特征在于，该方法包括以下步骤：(1)在纳型无人机上分别安装摄像头、模拟图传和电池；所述摄像头、模拟图传和电池分别固定在纳型无人机主体上，摄像头的图像输出端连接模拟图传的图像输入端，摄像头、模拟图传和纳型无人机分别与电池连接，模拟图传和纳型无人机分别通过无线与地面计算机连接；其中，所述摄像头安放在无人机正上方，摄像头的镜头平面与无人机顶面垂直且朝向无人机前进方向；(2)设定作为纳型无人机的跟踪目标的黑白相间的同心圆；(3)令纳型无人机从地面起飞，记录当前时刻的时间戳为t1；(4)纳型无人机上安装的摄像头实时拍摄图像，将该图像记为当前图像，并经模拟图传将当前图像发送至地面计算机；(5)地面计算机利用目标识别算法，对接收到的图像进行识别；具体步骤如下：(5‑1)地面计算机对步骤(4)接收到的图像进行预处理，对图像滤除噪声；(5‑2)采用求平均值的方法对预处理完毕的图像进行灰度处理，得到每张图像对应的灰度图；图像中像素点(i,j)的灰度值Gray(i,j)表达式如下：Gray(i,j)＝(R(i,j)+G(i,j)+B(i,j))/3其中R(i,j)、G(i,j)、B(i,j)分别代表图像中坐标为(i,j)像素点的R、G、B分量；(5‑3)对步骤(5‑2)得到的灰度图进行阈值处理；设定二值化阈值并判定：若步骤(5‑2)得到的灰度图中任一像素点灰度值大于二值化阈值，则将该像素点的灰度值设为255；否则，则将像素点的灰度值设为0；得到二值化后的图像；(5‑4)检测二值化后图像中的所有闭合轮廓，并将每个闭合轮廓以点集数组的方式存储，令C[i]代表二值化后图像中第i个闭合轮廓，则其中代表构成第i个闭合轮廓的第m个像素点，该像素点的坐标为(x_m,y_m)；(5‑5)设定点数阈值，判断步骤(5‑4)得到的每个闭合轮廓中所包含的像素点数是否大于该点数阈值：若是，则保存该闭合轮廓；反之则丢弃该闭合轮廓；(5‑6)对于经过(5‑5)后保留的所有闭合轮廓，依次将其编号为1,2,…,n，并令初始数值j＝1；(5‑7)判定j是否大于n：若大于，则认为该图像中未成功识别同心圆目标，则进入步骤(5‑10)；若j小于等于n，则进入步骤(5‑8)；(5‑8)判断第j个闭合轮廓是否存在对应父轮廓：若不存在，则丢弃第j个闭合轮廓，令j＝j+1，重新返回步骤(5‑7)；若存在，则分别用椭圆去拟合第j个闭合轮廓以及其对应的父轮廓，求得两个轮廓分别对应的椭圆方程；(5‑9)对于第j个闭合轮廓及其对应的父轮廓，分别计算两个轮廓对应的椭圆拟合误差，定义每个椭圆的拟合误差为其中，a代表轮廓中不满足对应椭圆方程的像素点数，b代表该轮廓总包含像素点数；判定两个拟合误差是否均小于设定的椭圆拟合误差阈值：若任一椭圆的拟合误差大于椭圆拟合误差阈值，则丢弃第j个闭合轮廓，令j＝j+1，重新返回步骤(5‑7)；若两个椭圆的拟合误差均小于等于椭圆拟合误差阈值，则判定两个椭圆的长轴之比或短轴之比是否属于预设半径比范围内：若不属于此范围，则丢弃第j个闭合轮廓，令j＝j+1，重新返回步骤(5‑7)；若属于，则第j个闭合轮廓及其对应的父轮廓即为图像中的同心圆目标，该图像中同心圆目标识别成功，进入步骤(5‑11)；(5‑10)若图像中未成功识别同心圆目标，则记当前时刻的时间戳为t2，计算两个时间戳之间的时间差t2‑t1，并判断时间差是否超过设定的时间阈值ts：若超过，则进入步骤(6)；若未超过，则重新返回步骤(4)；(5‑11)若图像中成功识别同心圆目标，则更新当前时刻的时间戳为新的t1，分别计算当前时间戳下同心圆目标与无人机x轴方向上的相对像素距离Δxp，y轴方向上的相对像素距离Δyp，z轴方向上的相对像素距离Δzp，进入步骤(7)；具体步骤如下：(5‑11‑1)设步骤(5‑8)求得的闭合轮廓及其父轮廓分别对应的椭圆中心点坐标分别为(y1,z1)、(y2,z2)，则同心圆目标中心点在图像中的像素坐标为((y1+y2)/2,(z1+z2)/2)；(5‑11‑2)分别计算同心圆目标与无人机在沿y轴方向和沿z轴方向上的相对像素距离；设摄像头拍摄的图像分辨率为L*W，L为长度，W为宽度，则同心圆目标与无人机沿y轴方向相对像素距离为：Δyp＝(y1+y2)/2‑L/2，沿z轴方向上的相对像素距离为：Δzp＝(z1+z2)/2‑W/2；(5‑11‑3)计算同心圆目标与无人机在沿x轴方向上的相对像素距离；假设无人机与目标保持距离为D₁米，且距离为D₁时对应的图像中同心圆目标的外圆直径为r₁；当前图像中同心圆目标的父轮廓对应椭圆轴长为r，轴长r＝(h+w)/2，其中h为父轮廓对应椭圆长轴距离，w为父轮廓对应椭圆的短轴距离，则当前图像中同心圆目标与无人机x轴方向上的相对像素距离为(6)无人机自动降落着陆，方法结束；(7)利用步骤(5)的结果，地面计算机根据视觉控制算法计算当前时间戳下纳型无人机控制指令，包括：当前时间戳下无人机沿x轴方向的期望运动速度vcmd_x、沿y轴方向的期望运动速度vcmd_y、沿z轴方向的期望运动速度vcmd_z；(8)地面计算机将步骤(7)得到的控制指令发回纳型无人机，无人机根据控制指令进行运动，以实现对同心圆目标的跟踪；(9)下一个时刻，重新返回步骤(4)。