一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法
【專利摘要】本發(fā)明涉及一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，屬于定位導(dǎo)航與控制技術(shù)領(lǐng)域。本方法包括如下步驟：(1)根據(jù)前一幀目標(biāo)的位置及尺度在前一幀目標(biāo)位置附近區(qū)域采集樣本，并提取樣本的壓縮特征；(2)利用貝葉斯分類器判斷得到當(dāng)前幀目標(biāo)的位置區(qū)域；(3)提取前后兩幀圖像目標(biāo)區(qū)域上SIFT特征點(diǎn)，并以SIFT特征點(diǎn)間距離變化率作為相鄰幀圖像跑道區(qū)域尺寸的變化率；(4)引入SIFT特征點(diǎn)模值作為跑道區(qū)域尺寸變化率的權(quán)值，得到最終跑道區(qū)域尺度變化率；(5)更新跑道區(qū)域尺度，并在當(dāng)前幀目標(biāo)區(qū)域鄰近范圍內(nèi)采集正負(fù)樣本，訓(xùn)練更新分類器。本發(fā)明提高了跑道跟蹤的實(shí)時(shí)性和準(zhǔn)確性。
【專利說明】
-種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，屬于定位導(dǎo) 航與控制技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著機(jī)器視覺技術(shù)發(fā)展及其在多個(gè)領(lǐng)域成功應(yīng)用，近年來將視覺技術(shù)用于無人飛 行器自主導(dǎo)航得到廣泛研究。固定翼無人機(jī)飛行速度高，在著陸過程中跑道在視覺傳感器 的視野中尺寸不斷變大，而且變化率不恒定，與無人機(jī)的速度及無人機(jī)與跑道的相對距離 相關(guān)。無人機(jī)速度越快，則變化率越大，無人機(jī)距離跑道越近，變化率越大。故此，實(shí)現(xiàn)快速 變尺度跑道跟蹤是固定翼無人機(jī)基于視覺導(dǎo)航成功著陸的關(guān)鍵。
[0003] Xiaobing Wang等人利用跑道的邊緣特性對跑道進(jìn)行檢測和跟蹤。文中利用改進(jìn) 的canny方法進(jìn)行邊緣檢測，并使用化U曲變換求取邊緣直線的表示。由于化U曲變換運(yùn)行速 度較慢，該跟蹤方法并不能實(shí)現(xiàn)對跑道的快速跟蹤。近年來有許多快速跟蹤方法，如Zhang 等人提出的基于壓縮感知的快速跟蹤算法。壓縮跟蹤算法利用隨機(jī)測量矩陣在多尺度圖像 特征空間提取目標(biāo)外觀模型，用相同的隨機(jī)測量矩陣提取測試樣本的特征，使用二值分類 器跟蹤目標(biāo)區(qū)域。Zhang提出的跟蹤算法是目前最快速有效的跟蹤方法之一。但在算法中相 鄰帖之間采樣樣本的尺寸是W恒定的變化率革策遺摩變化。但是，無人機(jī)著陸過程中跑 道在視覺傳感器中獲得的圖像中的尺寸相鄰帖之間變化率不是恒定的。在著陸初期，無人 機(jī)距離跑道1千米W上時(shí)，相鄰帖跑道在圖像中的尺度變化很小，可W忽略不計(jì)，而無人機(jī) 相距跑道較近(在500米W內(nèi)時(shí)），此時(shí)變化率較大，而且無人機(jī)的速度也會影響到相鄰帖的 變化率。經(jīng)實(shí)驗(yàn)，采用Zhang的算法進(jìn)行跑道跟蹤時(shí)，跑道區(qū)域的尺寸幾乎不變，最終算法會 跟蹤到跑道的局部區(qū)域。故此采用Zhang提出的多尺度策略并不能有效地跟蹤跑道。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提出了一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，在壓縮跟 蹤的基礎(chǔ)上，改進(jìn)跟蹤框尺度變化方法，實(shí)現(xiàn)在著陸過程中對跑道的魯棒多尺度跟蹤，即跟 蹤算法得到的目標(biāo)區(qū)域大小適應(yīng)跑道尺寸的變化。
[0005] 本發(fā)明為解決其技術(shù)問題采用如下技術(shù)方案： 一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，包括如下步驟： (1) 根據(jù)前一帖目標(biāo)的位置及尺度在前一帖目標(biāo)位置附近區(qū)域采集樣本，并提取樣本 的壓縮特征； (2) 利用貝葉斯分類器判斷得到當(dāng)前帖目標(biāo)的位置區(qū)域； (3) 提取前后兩帖圖像目標(biāo)區(qū)域上SIFT特征點(diǎn)，并WSIFT特征點(diǎn)間距離變化率作為相 鄰帖圖像跑道區(qū)域尺寸的變化率； (4) 引入SIFT特征點(diǎn)模值作為跑道區(qū)域尺寸變化率的權(quán)值，得到最終跑道區(qū)域尺度變 化率； (5)更新跑道區(qū)域尺度，并在當(dāng)前帖目標(biāo)區(qū)域鄰近范圍內(nèi)采集正負(fù)樣本，訓(xùn)練更新分類 器。
[0006] 所述步驟（1)具體實(shí)現(xiàn)過程如下：W前一帖目標(biāo)位置為圓必，隊(duì)片=趕游如2 +妒 為半徑進(jìn)行采樣，其中W、A分別為前一帖目標(biāo)區(qū)域的寬度和高度，然后根據(jù)壓縮跟蹤算法 提取出樣本的壓縮特征。
[0007] 所述步驟(3)具體實(shí)現(xiàn)過程如下:首先分別提取前后兩帖圖像目標(biāo)區(qū)域中的SIFT特 征點(diǎn)并進(jìn)行匹配，得到兩組對應(yīng)的點(diǎn)集，分別記為S:=;i婚風(fēng)，...端…站，疾=格鳥，…，為...留)， 其中巧與超為前后兩帖目標(biāo)區(qū)域中相匹配的SIFT特征點(diǎn)，η為成功匹配的特征點(diǎn)對數(shù);相鄰 兩帖目標(biāo)區(qū)域在X軸方向與y軸方向尺度變化率載'。^，1??分別為
其中杰賢三|麵^齡II，蘇巧I敦-策I分別點(diǎn)集S中任意兩特征點(diǎn)巧，髮在X軸y軸方向上 的距離，.霉:si |[蹲:-錦I、:臻社I燦-麵I則為點(diǎn)集惠:'中相匹配的特征點(diǎn)4、||在X軸y軸方向 的距離。
[000引所述步驟(4)具體實(shí)現(xiàn)過程如下：在變化率中引入特征點(diǎn)的模值m作為權(quán)值，即將 兩特征點(diǎn)的距離乘W此兩特征點(diǎn)的模值后代入到變化率計(jì)算式中，則相鄰兩帖圖像目標(biāo)區(qū) 域在X軸y軸方向的變化率為：
其中，";戸/為特征點(diǎn)轅、鎊的模值，端、竭為特征點(diǎn)喃、璋的模值。
[0009] 所述步驟巧）中所述鄰近范圍，其指正樣本的采樣范圍是W當(dāng)前帖目標(biāo)位置為圓 屯、，W5個(gè)像素即r=5為半徑；負(fù)樣本采樣范圍W當(dāng)前帖目標(biāo)位置為圓屯、，在距離圓屯、位置距 離大于化斜且小于化日的區(qū)域，其中w，h分別為當(dāng)前帖目標(biāo)區(qū)域的寬 度和局度。
[0010] 本發(fā)明的有益效果如下： (:1)提高了跑道跟蹤的實(shí)時(shí)性； 本發(fā)明采用壓縮特征，將高維的目標(biāo)特征轉(zhuǎn)變?yōu)榈途S的特征，極大降低了算法的耗時(shí)。 同目前的已有跑道跟蹤算法相比，本發(fā)明的跑道跟蹤算法在實(shí)時(shí)性具有明顯的優(yōu)勢。
[00川控）提高了跑道跟蹤的準(zhǔn)確性； 跑道跟蹤的結(jié)果將由無人機(jī)視覺導(dǎo)航系統(tǒng)進(jìn)行進(jìn)一步處理得到無人機(jī)的導(dǎo)航信息，為 此跟蹤結(jié)果必須包含完整的的跑道。本發(fā)明實(shí)現(xiàn)了對跑道的多尺度跟蹤，經(jīng)實(shí)驗(yàn)證明在著 陸過程中跟蹤結(jié)果包含完整的跑道區(qū)域，提高了跟蹤結(jié)果的準(zhǔn)確性。
[001^ 搜具有較強(qiáng)的魯棒性； SIFT特征具有較強(qiáng)的魯棒性，本發(fā)明在此基礎(chǔ)上引入SIFT的模值作為權(quán)值，提高了尺 度變化率的準(zhǔn)確性，進(jìn)一步增強(qiáng)了算法的魯棒性。
【附圖說明】
[0013] 圖1是面向固定翼無人機(jī)著陸快速多尺度跑道跟蹤算法流程圖。
【具體實(shí)施方式】
[0014] 下面結(jié)合附圖對本發(fā)明創(chuàng)造做進(jìn)一步詳細(xì)說明。
[0015] 圖1為本發(fā)明面向固定翼無人機(jī)著陸快速多尺度跑道跟蹤方法的【具體實(shí)施方式】。 首先由其他方式得到測試序列圖像第一帖圖像目標(biāo)的位置及其尺寸，對目標(biāo)區(qū)域跟蹤框初 始化，然后讀入第一帖圖像提取目標(biāo)區(qū)域內(nèi)的SIFT(尺度不變特征變換)特征，同時(shí)在此過 程中進(jìn)行壓縮跟蹤算法的初始化如分類器的初始化。讀入下一帖圖像，利用壓縮跟蹤算法 得到運(yùn)一帖圖像的目標(biāo)區(qū)域，提取目標(biāo)區(qū)域內(nèi)的SIFT特征點(diǎn)，并與前一帖圖像目標(biāo)區(qū)域的 特征點(diǎn)進(jìn)行匹配，得到相應(yīng)的特征點(diǎn)集S，S，求得目標(biāo)區(qū)域在X軸y軸方向的變化率，利用變 化率對目標(biāo)區(qū)域的尺寸進(jìn)行更新。同時(shí)隨機(jī)測量矩陣的大小也要根據(jù)目標(biāo)區(qū)域的尺寸變化 而變化。
【主權(quán)項(xiàng)】
1. 一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，其特征在于，包括如下步 驟： (1) 根據(jù)前一幀目標(biāo)的位置及尺度在前一幀目標(biāo)位置附近區(qū)域采集樣本，并提取樣本 的壓縮特征； (2) 利用貝葉斯分類器判斷得到當(dāng)前幀目標(biāo)的位置區(qū)域； (3) 提取前后兩幀圖像目標(biāo)區(qū)域上SIFT特征點(diǎn)，并以SIFT特征點(diǎn)間距離變化率作為相 鄰幀圖像跑道區(qū)域尺寸的變化率； (4) 引入SIFT特征點(diǎn)模值作為跑道區(qū)域尺寸變化率的權(quán)值，得到最終跑道區(qū)域尺度變 化率； (5) 更新跑道區(qū)域尺度，并在當(dāng)前幀目標(biāo)區(qū)域鄰近范圍內(nèi)采集正負(fù)樣本，訓(xùn)練更新分類 器。2. 根據(jù)權(quán)利要求1所述的一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，其 特征在于所述步驟（1)具體實(shí)現(xiàn)過程如下：以前一幀目標(biāo)位置為圓心 為半徑進(jìn)行采樣，其中神:、$.分別為前一幀目標(biāo)區(qū)域的寬度和高度，然后根據(jù)壓縮跟蹤算法 提取出樣本的壓縮特征。3. 根據(jù)權(quán)利要求1所述的一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，其 特征在于所述步驟(3)具體實(shí)現(xiàn)過程如下：首先分別提取前后兩幀圖像目標(biāo)區(qū)域中的SIFT 特征點(diǎn)并進(jìn)行匹配，得到兩組對應(yīng)的點(diǎn)集，分別記為夕= ，，其中ft與嚴(yán)|為前后兩幀目標(biāo)區(qū)域中相匹配的SIFT特征點(diǎn)，η 為成功匹配的特征點(diǎn)對數(shù)；相鄰兩幀目標(biāo)區(qū)域在X軸方向與y軸方向尺度變化率 分別為：其中.?口 夂爲(wèi)I，_戸|沒一:關(guān) 的距離，_ |_:一 __ :3? = :則為點(diǎn)集< 中相匹配的特征點(diǎn)_、_在乂軸y軸方向 的距離。4. 根據(jù)權(quán)利要求1所述的一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，其 特征在于:所述步驟(4)具體實(shí)現(xiàn)過程如下:在變化率中引入特征點(diǎn)的模值m作為權(quán)值，即將 兩特征點(diǎn)的距離乘以此兩特征點(diǎn)的模值后代入到變化率計(jì)算式中，則相鄰兩幀圖像目標(biāo)區(qū) 域在X軸y軸方向的變化率為：其中ns￡、m%為特征點(diǎn)_; ||的模值，祕、域?yàn)樘卣鼽c(diǎn)S的模值。5.根據(jù)權(quán)利要求1所述的一種面向固定翼無人機(jī)著陸的快速變尺度跑道跟蹤方法，其 特征在于:所述步驟(5)中所述鄰近范圍，其指正樣本的采樣范圍是以當(dāng)前幀目標(biāo)位置為圓 心，以5個(gè)像素即r=5為半徑;負(fù)樣本采樣范圍以當(dāng)前幀目標(biāo)位置為圓心，在距離圓心位置距的區(qū)域，其中w，h分別為當(dāng)前幀目標(biāo)區(qū)域的寬 度和高度。
【文檔編號】G06T7/20GK105825523SQ201610136685
【公開日】2016年8月3日
【申請日】2016年3月11日
【發(fā)明人】曹云峰, 胡運(yùn)強(qiáng), 丁萌, 莊麗葵
【申請人】南京航空航天大學(xué)