一種基于視覺特征的無人機的制作方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明設(shè)及無人機領(lǐng)域，具體設(shè)及一種基于視覺特征的無人機。
【背景技術(shù)】
[0002] 無人駕駛飛機簡稱"無人機"，是利用無線電遙控設(shè)備和自備的程序控制裝置操縱 的不載人飛機。機上無駕駛艙，但安裝有自動駕駛儀、程序控制裝置等設(shè)備。地面、艦艇上或 母機遙控站人員通過雷達等設(shè)備，對其進行跟蹤、定位、遙控、遙測和數(shù)字傳輸?？稍跓o線電 遙控下像普通飛機一樣起飛或用助推火箭發(fā)射升空，也可由母機帶到空中投放飛行。回收 時，可用與普通飛機著陸過程一樣的方式自動著陸，也可通過遙控用降落傘或攔網(wǎng)回收?？?反覆使用多次。廣泛用于空中偵察、監(jiān)視、通信、反潛、電子干擾等。
[0003] 無人機作為一種重要的昂貴設(shè)備，其安全性尤為重要，必須能防止和監(jiān)視惡意破 壞行為。

【發(fā)明內(nèi)容】

[0004] 針對上述問題，本發(fā)明提供一種基于視覺特征的無人機。
[0005] 本發(fā)明的目的采用W下技術(shù)方案來實現(xiàn)：
[0006] -種基于視覺特征的無人機，包括無人機和安裝在無人機上的監(jiān)測裝置，監(jiān)測裝 置用于對無人機附近的活動進行視頻圖像監(jiān)測，監(jiān)測裝置包括預(yù)處理模塊、檢測跟蹤模塊、 識別輸出模塊；
[0007] (1)預(yù)處理模塊，用于對接收到的圖像進行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊、圖 像濾波子模塊和圖像增強子模塊：
[000引圖像轉(zhuǎn)化子模塊，用于將彩色圖像轉(zhuǎn)化為灰度圖像：
[0009]
[0010] 其中，3^，7)、6^，7)、8^，7)分別代表像素^，7)處的紅綠藍強度值，化義，7)代表 坐標(biāo)(X，y)處的像素灰度值;圖像大小為m X n;
[0011] 圖像濾波子模塊，用于對灰度圖像進行濾波：
[0012] 采用維納濾波來進行一級濾除后，定義SVlm圖像，記為MsvimU,y)，具體定義公式 為：=aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中日1、日2、日3、日4為可變權(quán)值，
i = l，2,3,4;J(x，y)為經(jīng)濾波后的圖像；
[0013] 圖像增強子模塊：
[0014] 當(dāng)
其中，LU, y)為增強 后的灰度值;iKx，y)是包含有局部信息的伽馬校正系數(shù)，此時
，曰是 范圍為O到1的可變參數(shù)，
I __
[001引當(dāng)
時，
， 其中iKx，y)=恥(Msvim(x，y))
，mH是圖像中灰度值高于128的所有 像素的均值，HiL是灰度值低于128的所有像素的均值，且此時m=min(mH，mL)，在a值已知的情 況下，計算出256個4校正系數(shù)作為查找表，記為{4"佑誨罰，其中i為索引值，利用MsvimU, y) 的灰度值作為索引，根據(jù)(6(x，y)=MMsvlm(x，y))快速獲得圖像中每個像素的伽馬校正系數(shù) iKx，y); 1 - ^為模板修正系數(shù)；
[0016] (2)檢測跟蹤模塊，具體包括構(gòu)建子模塊、丟失判別子模塊和更新子模塊：
[0017] 構(gòu)建子模塊，用于視覺字典的構(gòu)建：
[0018] 在初始帖獲取跟蹤目標(biāo)的位置和尺度，在其周圍選取正負樣本訓(xùn)練跟蹤器，將跟 蹤結(jié)果作為訓(xùn)練集X={xi，x2,……xn}T;并對訓(xùn)練集中的每幅目標(biāo)圖像提取128維的SIFT特 征，其中St表示訓(xùn)練集中第t幅目標(biāo)圖像中SIFT特征的個數(shù);跟蹤N帖W后，通過聚 、 ^m=I 類算法將運些特征劃分為K個簇，每個簇的中屯、構(gòu)成特征單詞，記為[。父=J能夠提取到的 特征總量
視覺字典構(gòu)建好W后，每幅訓(xùn)練圖像 表示為特征包的形式，用于表示視覺字典中特征單詞出現(xiàn)的頻率，用直方圖Mxt)表示，h (Xt)通過W下方式獲取:將一幅訓(xùn)練圖像Xt中的每一個特征fsW向視覺字典投影，用投影距 離最短的特征單詞表示該特征，對所有特征投影完畢后，統(tǒng)計每個特征單詞的出現(xiàn)頻率，并 歸一化得到訓(xùn)練圖像Xt的特征直方圖h(xt);
[0019] 丟失判別子模塊，用于判別目標(biāo)的丟失與否：
[0020] 當(dāng)新一帖圖像到來時，從K個直方圖柱中隨機選取Z<K個直方圖柱，且2 = 4,形成 新的大小為Z的子直方圖hW(xt)，子直方圖的個數(shù)最多為Ws =巧個;計算候選目標(biāo)區(qū)域和 訓(xùn)練集中某個目標(biāo)區(qū)域?qū)?yīng)子直方圖的相似性?t_z，
其中t = l，2，…，N，z = l，2，...，化，然后計算總體相似性巫t=l-^za-巫t_z);候選目標(biāo)區(qū)域與目 標(biāo)的相似性用O =max{ O t，t}表示，則目標(biāo)丟失判斷式為
.其 中g(shù)s為人為設(shè)定的判失閥值;當(dāng)U = I時目標(biāo)被穩(wěn)定跟蹤，當(dāng)U = O時，目標(biāo)丟失；
[0021] 當(dāng)目標(biāo)丟失時，定義仿射變換模型：
，其 中（Xt，yt)和(Xt-I，yt-1)分別為當(dāng)前帖目標(biāo)中某個SITF特征點的位置坐標(biāo)和前一個帖目標(biāo)中 對應(yīng)匹配特征點的位置坐標(biāo)，兩者均為已知量;S為尺度系數(shù)，0為旋轉(zhuǎn)系數(shù)，e和f代表了平 移系數(shù)，
為溫度旋轉(zhuǎn)修正系數(shù)
為溫度平移修正系數(shù)，化和化用于修正因為環(huán)境溫度偏差造成的圖像旋轉(zhuǎn)和平移誤差，I'd為 人為設(shè)定的標(biāo)準(zhǔn)溫度，設(shè)為20度，T為由溫度傳感器實時監(jiān)測得到的溫度值;采用Ransac估 計算法求取仿射變換模型的參數(shù)，最后在新的尺度S和旋轉(zhuǎn)系數(shù)0下采集正負樣本，更新分 類器；
[0022] 更新子模塊，用于視覺字典的更新：
[0023] 在每帖圖像獲得目標(biāo)位置W后，根據(jù)仿射變換參數(shù)的計算結(jié)果，收集所有滿足結(jié) 果參數(shù)的SIFT特征點輸爲(wèi)=1，經(jīng)過F = 3帖W后，獲得新的特征點集{廟爲(wèi)主其中St-F代表 了從F帖圖像中得到的總特征點數(shù)；利用下式對新舊特征點重新進行K聚類：化=1二
，其中{CDf=i表示新的視覺字典，視覺字典的大小保 持不變G {0,1}是遺忘因子，表明了舊字典所占的比重，取越小，新特征對目標(biāo)丟失的判 斷貢獻越多，取巧=0.12;
[0024] (3)識別輸出模塊，用于圖像的識別和輸出：在待識別的圖像序列中利用跟蹤算法 獲取目標(biāo)區(qū)域，將目標(biāo)區(qū)域映射到已知訓(xùn)練數(shù)據(jù)形成的子空間，計算子空間中目標(biāo)區(qū)域與 訓(xùn)練數(shù)據(jù)之間的距離，獲得相似性度量，判定目標(biāo)類別，并輸出識別結(jié)果。
[0025] 優(yōu)選的，采用維納濾波來進行一級濾除后，此時圖像信息還包含有殘余的噪音，采 用W下的二級濾波器進行二次濾波：
[0026]
[0027] 其中，J(x，y)為經(jīng)過濾波后的圖像;Pg(x+i，y+j)代表尺度為mXn的函數(shù)，且PgU+ i，y+j)=qXe邱(-(x2+y2)/w)，其中q是將函數(shù)歸一化的系數(shù)，即 JJqXe邱(-(x2+y2)/w) dxdy = l〇
[0028] 本無人機的有益效果為:在圖像預(yù)處理階段，增強的圖像能夠根據(jù)模板的大小自 適應(yīng)調(diào)整，提高增強效果，且在在不同模板大小時判斷條件能自動修正，且考慮了視覺習(xí)慣 W及人眼對不同色彩的感知度同色彩強度的非線性關(guān)系;將MXN個幕指數(shù)運算降低為256 個，提高了計算效率;在目標(biāo)檢測和跟蹤階段，能夠消除不同溫度導(dǎo)致圖像的旋轉(zhuǎn)和平移造 成的誤差，提高識別率，經(jīng)處理后的圖像細節(jié)更加清晰，且計算量相對于傳統(tǒng)方法大幅度減 少，能夠有效適應(yīng)目標(biāo)尺度變化，并能夠準(zhǔn)確判定目標(biāo)是否發(fā)生丟失，在目標(biāo)重新回到視場 后能夠被重新檢測并穩(wěn)定跟蹤。此外，該無人機具有實時性好、定位準(zhǔn)確和魯棒性強的優(yōu) 點，且在快速有遮擋的目標(biāo)檢測和跟蹤方面取得了很好的效果。
【附圖說明】
[0029] 利用附圖對本發(fā)明作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限 審IJ，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可W根據(jù)W下附圖獲得 其它的附圖。
[0030]圖I是一種基于視覺特征的無人機的結(jié)構(gòu)框圖；
[0031 ]圖2是一種基于視覺特征的無人機的外部示意圖。
【具體實施方式】
[0032] 結(jié)合W下實施例對本發(fā)明作進一步描述。
[0033] 實施例1:如圖1-2所示，一種基于視覺特征的無人機，包括無人機5和安裝在無人 機5上的監(jiān)測裝置4,監(jiān)測裝置4用于對無人機附近的活動進行視頻圖像監(jiān)測，監(jiān)測裝置4包 括預(yù)處理模塊1、檢測跟蹤模塊2、識別輸出模塊3。
[0034] (1)預(yù)處理模塊1，用于對接收到的圖像進行預(yù)處理，具體包括圖像轉(zhuǎn)化子模塊11、 圖像濾波子模塊12和圖像增強子模塊13:
[0035] 圖像轉(zhuǎn)化子模塊11，用于將彩色圖像轉(zhuǎn)化為灰度圖像：
[0036]
[0037] 其中，3^，7)、6^，7)、8^，7)分別代表像素^，7)處的紅綠藍強度值，化義，7)代表 坐標(biāo)(X，y)處的像素灰度值;圖像大小為m X n;
[0038] 圖像濾波子模塊12,用于對灰度圖像進行濾波：
[0039] 采用維納濾波來進行一級濾除后，定義SVlm圖像，記為MsvimU,y)，具體定義公式 為：Msvim(x，y) =aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中日1、日2、日3、日4為可變權(quán)值，
i = l，2,3,4;J(x，y)為經(jīng)濾波后的圖像；
[0040] 圖像增強子模塊13:
[0041] 當(dāng)
，其中，LU, y)為增強 后的灰度值;iKx，y)是包含有局部信息的伽馬校正系數(shù)，此時
a 是范圍為0到1的可變參數(shù)：
[0042] 當(dāng)
， 其中iKx，y) =iK(Msvim(x，y))，
皿是圖像中灰度值高于128的所有 像素的均值，HiL是灰度值低于128的所有像素的均值，且此時m=min(mH，mL)，在a值已知的情