一種基于粒子濾波的輸電線跟蹤方法和裝置以及無人機的制作方法
【專利說明】
[0001]
技術(shù)領(lǐng)域
[0002] 本申請涉及無人機跟蹤輸電線技術(shù)領(lǐng)域，尤其是一種基于粒子濾波的輸電線跟蹤 方法和裝置以及無人機。
[0003]
【背景技術(shù)】
[0004] 當今，無人機的應(yīng)用越來越廣泛，其便捷、機動性強、成本低等特點使其在推廣中 有著極大的優(yōu)勢，因此，無人機在電力線巡檢中也得到了應(yīng)用。隨著經(jīng)濟的發(fā)展，高壓輸電 線的分布逐漸遠離城市以及公路主干道，而分布于地形復(fù)雜的野外。現(xiàn)有的輸電線巡檢方 式主要有人工巡檢、直升機巡檢和無人機巡檢，用無人機巡檢比人工巡檢和直升機巡檢成 本更低，效率更高。
[0005] 無人機的自動導(dǎo)航通常采用GPS導(dǎo)航或采用視覺方法對無人機進行導(dǎo)航。采用后 者進行導(dǎo)航的，可以使得無人機時刻保持合理的飛行狀態(tài)，并使無人機可以對輸電線進行 準確拍攝?，F(xiàn)有的輸電線檢測方法有將彩色圖像轉(zhuǎn)換為灰度圖像，然后利用hessian變換、 邊緣檢測、高斯濾波等方法對圖像進行線加強處理，最后利用hough變換、radon變換等線 檢測方法進行線檢測。此類方法，不僅丟失了圖像原有的彩色信息，并且不能對輸電線進行 跟蹤，沒有利用到視頻中連續(xù)的圖像幀，使得輸電線的跟蹤容易受到背景的干擾。如圖1所 示，在對目標輸電線100的跟蹤過程中，可能會遇到其他干擾輸電線200,由于沒有利用到 視頻中連續(xù)的圖像幀，容易受到干擾輸電線200的影響，甚至造成跟蹤丟失。
[0006]

【發(fā)明內(nèi)容】

[0007] 本申請?zhí)峁┮环N基于粒子濾波的輸電線跟蹤方法和裝置以及無人機，解決現(xiàn)有技 術(shù)中輸電線的跟蹤容易受到背景影響、抗干擾能力低的問題。
[0008] 根據(jù)本申請的第一方面，本申請?zhí)峁┮环N基于粒子濾波的輸電線跟蹤方法，包括 以下步驟： 設(shè)定粒子集合為 其中#表示視頻第#幀，i表示當前幀的第i個 粒子，灘表示粒子總數(shù)，0、設(shè)為直線的參數(shù)，沒表示直線的寬度；設(shè)定目標狀態(tài)模型為
其中g(shù)為目標在紀時刻的狀態(tài)向量，Μ是轉(zhuǎn)換矩陣，召為矩陣常數(shù)，為系 統(tǒng)噪聲； 采集視頻中的第一幀圖像，識別第一幀圖像中的目標輸電線，計算目標輸電線預(yù)設(shè)區(qū) 域的顏色直方圖； 初始化粒子，計算粒子預(yù)設(shè)區(qū)域的顏色直方圖，計算粒子權(quán)值和粒子集加權(quán)和，根據(jù)粒 子集加權(quán)和確定當前觀測幀圖像中的目標狀態(tài)； 對粒子集進行重采樣，采集視頻中第一幀圖像下一幀的第二幀圖像，更新粒子集，計算 第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和目標輸電線預(yù)設(shè)區(qū)域的顏色直方圖； 對第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和第一幀圖像中目標輸電線預(yù)設(shè)區(qū)域的 顏色直方圖進行歸一化處理，計算粒子權(quán)值和粒子集加權(quán)和，根據(jù)粒子集加權(quán)和確定當前 觀測幀圖像中的目標狀態(tài)。
[0009] 根據(jù)本申請的第二方面，本申請?zhí)峁┮环N基于粒子濾波的輸電線跟蹤裝置，包 括： 第一模塊，用于設(shè)定粒子集合為 ，其中表示視頻第g幀，i表示當前幀 的第i個粒子，麗表示粒子總數(shù)，0、累為直線的參數(shù)，沒表示直線的寬度；設(shè)定目標狀態(tài)模型 為
其中巧為目標在P寸刻的狀態(tài)向量，Μ是轉(zhuǎn)換矩陣，S為矩陣常數(shù)，巧為 系統(tǒng)噪聲； 第二模塊，用于采集視頻中的第一幀圖像，識別第一幀圖像中的目標輸電線，計算目標 輸電線預(yù)設(shè)區(qū)域的顏色直方圖； 第三模塊，用于初始化粒子，計算粒子預(yù)設(shè)區(qū)域的顏色直方圖，計算粒子權(quán)值和粒子集 加權(quán)和，根據(jù)粒子集加權(quán)和確定當前觀測幀圖像中的目標狀態(tài)； 第四模塊，用于對粒子集進行重采樣，采集視頻中位于第一幀圖像下一幀的第二幀圖 像，更新粒子集，計算第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和目標輸電線預(yù)設(shè)區(qū)域的 顏色直方圖； 第五模塊，用于對第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和第一幀圖像中目標輸電 線預(yù)設(shè)區(qū)域的顏色直方圖進行歸一化處理，計算粒子權(quán)值和粒子集加權(quán)和，根據(jù)粒子集加 權(quán)和確定當前觀測幀圖像中的目標狀態(tài)。
[0010] 根據(jù)本申請的第三方面，本申請?zhí)峁┮环N無人機，包括設(shè)置在無人機上的攝像裝 置以及與攝像裝置相連的處理器，攝像裝置用于實時拍攝輸電線路視頻，處理器包括： 第一模塊，用于設(shè)定粒子集合為
其中#表示視頻第#幀，i表示當前幀 的第i個粒子，灘表示粒子總數(shù)，仏#為直線的參數(shù)，邊表示直線的寬度；設(shè)定目標狀態(tài)模型 為= + 其中;^為目標在紀時刻的狀態(tài)向量，滅是轉(zhuǎn)換矩陣，g為矩陣常數(shù)，"^為 系統(tǒng)噪聲； 第二模塊，用于采集視頻中的第一幀圖像，識別第一幀圖像中的目標輸電線，計算目標 輸電線預(yù)設(shè)區(qū)域的顏色直方圖； 第三模塊，用于初始化粒子，計算粒子預(yù)設(shè)區(qū)域的顏色直方圖，計算粒子權(quán)值和粒子集 加權(quán)和，根據(jù)粒子集加權(quán)和確定當前觀測幀圖像中的目標狀態(tài)； 第四模塊，用于對粒子集進行重采樣，采集視頻中位于第一幀圖像下一幀的第二幀圖 像，更新粒子集，計算第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和目標輸電線預(yù)設(shè)區(qū)域的 顏色直方圖； 第五模塊，用于對第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和第一幀圖像中目標輸電 線預(yù)設(shè)區(qū)域的顏色直方圖進行歸一化處理，計算粒子權(quán)值和粒子集加權(quán)和，根據(jù)粒子集加 權(quán)和確定當前觀測幀圖像中的目標狀態(tài)。
[0011] 本申請的有益效果是，由于本申請先采集視頻中的第一幀圖像，根據(jù)粒子集加權(quán) 和確定當前觀測幀圖像中的目標狀態(tài)；用于對第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和 第一幀圖像中目標輸電線預(yù)設(shè)區(qū)域的顏色直方圖進行歸一化處理，計算粒子權(quán)值和粒子集 加權(quán)和，根據(jù)粒子集加權(quán)和確定當前觀測幀圖像中的目標狀態(tài)。因此，利用到了視頻中連續(xù) 的圖像幀，不斷確定目標輸電線的狀態(tài)，從而不容易受到背景影響，提高了抗干擾能力。 [0012]
【附圖說明】
[0013] 圖1為包含目標輸電線和干擾輸電線的視頻幀圖像的示意圖； 圖2為實施例1的流程圖； 圖3為實施例1設(shè)定粒子后的視頻幀圖像的示意圖。
[0014]
【具體實施方式】
[0015] 下面通過【具體實施方式】結(jié)合附圖對本發(fā)明作進一步詳細說明。
[0016] 實施例1 : 一種基于粒子濾波的輸電線跟蹤方法，如圖2所示，包括以下步驟： 5101 :設(shè)定粒子集合
，設(shè)定目標狀態(tài)模型為\ = + 其中# 表示視頻第#幀，i表示當前幀的第i個粒子，麗表示粒子總數(shù)，0、霹為直線的參數(shù)，d表示直 線的寬度,?為目標在.if時刻的狀態(tài)向量，4是轉(zhuǎn)換矩陣，g為矩陣常數(shù)，％為系統(tǒng)噪聲； 5102 :采集視頻中的第一幀圖像，識別第一幀圖像中的目標輸電線，計算目標輸電線預(yù) 設(shè)區(qū)域的顏色直方圖； 5103 :初始化粒子，計算粒子預(yù)設(shè)區(qū)域的顏色直方圖，計算粒子權(quán)值和粒子集加權(quán)和， 根據(jù)粒子集加權(quán)和確定當前觀測幀圖像中的目標狀態(tài)； S104:對粒子集進行重采樣，采集視頻中第一幀圖像下一幀的第二幀圖像，更新粒子 集，計算第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和目標輸電線預(yù)設(shè)區(qū)域的顏色直方圖； S105 :對第二幀圖像中粒子預(yù)設(shè)區(qū)域的顏色直方圖和第一幀圖像中目標輸電線預(yù)設(shè)區(qū) 域的顏色直方圖進行歸一化處理，計算粒子權(quán)值和粒子集加權(quán)和，根據(jù)粒子集加權(quán)和確定 當前觀測幀圖像中的目標狀態(tài)。
[0017] 如圖3所示，在目標輸電線100周圍設(shè)定若干粒子300,粒子300形成預(yù)測直線， 粒子集合
代表的是粒子300形成的預(yù)測直線所在的預(yù)設(shè)區(qū)域和它的權(quán)值。 在本實施例中，N取值為100, d取值為3。目標狀態(tài)模型為：

還設(shè)定目標的直線狀態(tài)模型尤#[魏_|，初始狀態(tài)％為[5051^}，&為服從高斯分布的隨 機噪聲。識別第一幀圖像中的目標輸電線100，可以通過人為識別，也可以通過自動識別，從 而得到各目標輸電線100的參數(shù)_、肉。本實施例采用HSV彩色空間直方圖建立觀測模型， 首先，將采集到的圖像的RGB空間轉(zhuǎn)換到HSV彩色空間，計算越分量的直方圖，然后利用如 下公式對直方圖進行歸一化：
得到·n 再對粒子300進行初始化，設(shè)定初始權(quán)值態(tài)寒，由于跟蹤的目標一般為多條輸電 線，所以會同時初始化多個粒子集。再計算粒子300與觀測目標的Bhattacharrya距離，即 粒子300到目標輸電線100的距離，從而得到粒子權(quán)值，利用粒子集加權(quán)和確定目標狀 態(tài)。同時，將權(quán)值較小的粒子300丟棄，用權(quán)值為的粒子替換丟棄的粒子300。
[0018] 然后，對粒子集進行重采樣，采集視頻中位于第一幀圖像下一幀的第二幀圖像，更 新粒子集，計算第二幀圖像中粒子300預(yù)設(shè)區(qū)域的顏色直方圖和目標輸電線100預(yù)設(shè)區(qū)域 的顏色直方圖。粒子300的預(yù)設(shè)區(qū)域和目標輸電線100的預(yù)設(shè)區(qū)域的范圍是人為設(shè)定的， 本實施例中，上述預(yù)設(shè)區(qū)域的范圍是以粒子線或輸電線為中心，向兩側(cè)擴展d/2所形成的 區(qū)域。對第二幀圖像中粒子300預(yù)設(shè)區(qū)域的顏色直方圖和第一幀圖像中目標輸電線100預(yù)