The invention discloses a method and system for real-time tracking of ground moving targets based on UAV Ground Control Station, start the target detection and recognition module for processing image sequences obtained from cameras, display station rectangle size and target center coordinates on the ground; start the target tracking module, fusion strategy for target tracking using the algorithm. If the effective output tracking, target tracking results to the instruction generating module; if you do not locate the target, then start the target search module, searching target and output target tracking results to the instruction generation module; according to the target image positioning to the ground station in the center of the display, tracking module generates the UAV position and attitude adjust the instruction, and UAV flight control system to adjust the position through the wireless transmission equipment to upload. The invention has high matching efficiency, is easy to realize, can effectively carry out target identification, and avoids the influence of background noise.
【技术实现步骤摘要】
一种基于无人机的地面运动目标实时跟踪方法及系统
本专利技术属于无人机导航领域,计算机视觉领域,具体涉及使用无人机对目标进行自动检测与跟踪的方法。
技术介绍
无人机具有高机动性、高分辨率、隐蔽性好、操作灵活等优势。所以在目标侦察与跟踪领域有巨大优势,比传统的固定摄像头监视范围大,其主要应用于昼夜空中侦察,交通监视,军事测绘等领域。利用无人机搭载的视频传感器对地面运动目标进行跟踪与分析,在民用与军事上有重大的实践意义。首先,对于大多数的视频监控系统而言,都是在摄像机静止时对某个需要特殊关注的区域进行监视。背景是静止的,而作为前景的运动目标是移动的,这种情况下的目标检测只需作背景差法,就能取得不错的效果。但是在很多情况下,如以无人机作为载体的摄像机下的目标检测与跟踪,其拍摄的图像序列背景往往是不断变化的,具有不固定性,这种情况下的待跟踪目标的检测与跟踪显得异常艰难。其次,对于一个单目标的跟踪,并不代表无人机的视场中只有单一运动物体,而是场景中有多个移动的物体,对真正的感兴趣目标的检测及跟踪造成了干扰,不能进行目标的有效识别。还有背景噪声存在,例如由于阴影或光照的影响等造成提取出来的目标不完整或中心有空洞,在这些情况下,往往使得目标的检测识别造成了更大的困难。本专利技术中用到的名词解释如下:无人机:是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机,包括无人固定翼机、无人直升机和多旋翼无人机等。无线传输设备:一种使用MAVlink协议的通信设备,通信频段一般为2.4G。Shi-Tomasi角点:一种图像特征点的检测方法,代表图像的局部特征,对图像的亮度变化、 ...
【技术保护点】
一种基于无人机的地面运动目标实时跟踪方法,其特征在于,包括以下步骤:1)无人机按照预定的飞行轨迹进行巡逻,将对地面视场拍摄的图像序列传输到地面控制站,检测出无人机视场下的感兴趣目标;2)提取上述感兴趣目标的二维图像矩形框大小与中心位置信息;3)利用所述二维图像矩形框大小与中心位置信息,融合均值漂移算法和卡尔曼滤波算法的输出数据,使用数据加权的形式输出最终目标定位结果。
【技术特征摘要】
1.一种基于无人机的地面运动目标实时跟踪方法,其特征在于,包括以下步骤:1)无人机按照预定的飞行轨迹进行巡逻,将对地面视场拍摄的图像序列传输到地面控制站,检测出无人机视场下的感兴趣目标;2)提取上述感兴趣目标的二维图像矩形框大小与中心位置信息;3)利用所述二维图像矩形框大小与中心位置信息,融合均值漂移算法和卡尔曼滤波算法的输出数据,使用数据加权的形式输出最终目标定位结果。2.根据权利要求1所述的基于无人机的地面运动目标实时跟踪方法,其特征在于,步骤3)之后,根据所述目标定位结果,调整无人机飞行模式,使运动目标位于地面站显示屏中心区域。3.根据权利要求1所述的基于无人机的地面运动目标实时跟踪方法,其特征在于,步骤2)的具体实现过程包括:1)分别提取无人机拍摄的图像序列的相邻两帧的Shi-Tomasi角点集合;2)对两帧图像的Shi-Tomasi角点集合分别构造合成基描述子;3)对带有合成基描述子的Shi-Tomasi角点集合进行特征匹配,获取相邻两帧的图像角点匹配对;4)对步骤3)获得的角点匹配对,利用RANSAC方法估计出背景运动变换矩阵,并进行图像背景运动补偿;5)对运动补偿后的相邻帧图像作帧差操作,得到帧差图像,并将帧差图像二值化;6)对帧差图像作形态学滤波操作,进行目标信息分离和提取,获得目标矩形框的大小与中心位置信息。4.根据权利要求3所述的基于无人机的地面运动目标实时跟踪方法,其特征在于,相邻两帧图像所有角点合成基描述子的具体生成过程包括:1)对相邻两帧图像中每一个特征点邻域图像FRI进行二值化处理,并计算特征点邻域图像FRI的平均灰度值,当特征点邻域图像FRI内的像素点值大于平均灰度值,则该像素点值被置1;否则,置0;2)把相邻两帧图像中所有30×30大小的特征点邻域图像FRI均分成6×6个大小为5×5的子区域,合成基图像为5×5个黑白元素组成的正方形;所述合成基图像黑色像素点个数为FRI子区域像素的一半,合成基图像的个数其中,N为FRI子区域的像素个数;K为合成基图像中黑色像素的个数;3)对于步骤2)中的任一个特征点邻域图像FRI,将该特征点邻域图像FRI的所有子区域以从左至右、从上到下的顺序与合成基图像集合进行比较,每一个子区域都生成一个9维向量,组合36个子区域的各自9维向量,最后形成一个324维的合成基描述子。5.根据权利要求4所述的基于无人机的地面运动目标实时跟踪方法,其特征在于,所述特征点邻域图像FRI的一个子区域9维向量生成方法为:一个子区域与合成基图像集合中一个合成基图像的比较值为两者在同一像素点处黑色像素相同的个数,合成基图像集合被比较的顺序...
【专利技术属性】
技术研发人员:谭冠政,李波,刘西亚,陈佳庆,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。