一种基于机器视觉的无人机协同目标跟踪算法制造技术

本发明专利技术涉及一种基于机器视觉的无人机协同目标跟踪算法，其步骤为：检测启动，从目标图像数据组成数据库中选择初始模板，开始跟踪；跟踪当前帧k帧姿态，估计k‑1帧的目标视线位置；定义搜索区域后预测目标投影，获得目标投影预估值，并进行模板匹配和形态滤波；根据目标数据链接确定相对定位后开始跟踪并获取新图像；若目标落在检测区外，则删除该定位，模板更新后重新开始跟踪检测过程，模板更新按下式设定阈值τ

【技术实现步骤摘要】
一种基于机器视觉的无人机协同目标跟踪算法
本专利技术涉及跟踪
，尤其涉及一种基于机器视觉的无人机协同目标跟踪算法。
技术介绍
随着机器视觉技术的发展，无人机(UAV)机载目标的检测和跟踪广泛应用于军事与民用领域。由于其可动态部署、配置方便、高度自主等特点，无人机在物联网领域同样扮演着极其重要的角色。机器视觉系统算法研究无人驾驶飞行器检测跟踪的重要工具。首先基于视觉系统可以增强无人机的自主定位，自主着陆，障碍物探测和感知并避开等性能，这些技术经常用于恢复周围场景的信息，如基础设施监测、沿海地区监测和三维测绘等。其次，机器视觉技术及其算法在改善无人机自身功能方面也发挥着关键作用，例如在自主导航、导航和控制以及姿态感知等方面。除了单独的无人机操作之外，基于机器视觉的技术在无人机群的活动中也起着至关重要的作用。它们可用于全球导航卫星系统环境中，实现的无人机协同合作完成3D制图和协助导航。
技术实现思路
本专利技术的目的是为了提供一种基于机器视觉的无人机协同目标跟踪算法，跟踪适应性高。为解决以上技术问题，本专利技术的技术方案为：一种基于机器视觉的无人机协同目标跟踪算法，其步骤包括：步骤1：检测启动，从目标图像数据组成数据库中选择初始模板，开始跟踪；步骤2：跟踪当前帧k帧姿态，估计k-1帧的目标视线位置；步骤3：定义搜索区域后预测目标投影，获得目标投影预估值，并进行模板匹配和形态滤波；预测目标投影的步骤为：计算目标损失的预测值ρc：ρc＝RnbRbcρn<br>其中，其中，Rnb代表跟踪器无人机姿态在NED坐标系下机载导航系统提供的的旋转矩阵，Rx、Ry、Rz分别表示无人机对应绕轴的偏航、俯仰、横滚的运动矩阵；Rbc代表通用参考系相对于无人机姿态身参考系姿态的旋转矩阵；ρn为目标定位的差分定位和载波相位间的差值；计算目标投影预估值：通过执行跟踪视线固有校准过程的校准矩阵K，可得目标投影预测值upr和vPr：步骤4：根据目标数据链接确定相对定位后开始跟踪并获取新图像；步骤5：目标检测：若目标落在检测区外，则删除该定位，模板更新后重新开始跟踪检测过程，模板更新按下式设定阈值τbin：τbin＝μBH+nBHσBH其中，μBH和σBH分别是模板更新A/D转换后的平均值和标准偏差，nBH是调制系数；若模板匹配相似度大于阈值τbin，则认为跟踪正确，进入步骤6，否则重新检测识别目标，同步进行跟踪参数初始化，模板更新；步骤6：根据目标投影预估值、相对定位进行模板匹配和形态滤波估计最新k帧的目标视线位置。按以上方案，步骤2中跟踪当前帧k帧姿态具体为，检测对应当前帧k帧的最后一个可用视线值。按以上方案，所述阈值τbin优选为0.85。本专利技术具有如下有益效果：本专利技术基于模板匹配提出在目标条件变化时，引入了卡尔曼滤波器对目标位置在模板匹配的定义区域内的进行预估，提高了跟踪的适应性；通过模板匹配(TM)和形态滤波(MF)混合算法解决目标背景处理中如照明条件的变化问题，提高计算效率并优化正确检测，减少错误报警和遗漏检测，使得无人机在特定环境下的跟踪检测性能得到显著提高。附图说明图1为本专利技术实施例方法流程图；图2为本专利技术实施例中基于模板匹配的目标检测算法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本专利技术作进一步详细说明。请参考图1和图2，本专利技术为一种基于机器视觉的无人机协同目标跟踪算法，其步骤包括步骤1：检测启动，从目标图像数据组成数据库中选择初始模板，开始跟踪；步骤2：跟踪当前帧k帧姿态，估计k-1帧的目标视线位置；步骤3：定义搜索区域后预测目标投影，获得目标投影预估值，并进行模板匹配和形态滤波；预测目标投影的步骤为：计算目标损失的预测值ρc：ρc＝RnbRbcρn(1)其中，其中，Rnb代表跟踪器无人机姿态在NED坐标系下机载导航系统提供的的旋转矩阵，Rx、Ry、Rz分别表示无人机对应绕轴的偏航、俯仰、横滚的运动矩阵；Rbc代表通用参考系相对于无人机姿态身参考系姿态的旋转矩阵；ρn为目标定位的差分定位和载波相位间的差值，两架无人机在视线覆盖范围内飞行，可以估计为两种全球导航卫星系统定位或利用差分全球定位系统(DGPS)和载波相位(DGPS)算法之间的差值；计算目标投影预估值：通过执行跟踪视线固有校准过程的校准矩阵K，可得目标投影预测值upr和νPr：步骤4：根据目标数据链接确定相对定位后开始跟踪并获取新图像；步骤5：目标检测：若目标落在检测区外，则删除该定位，模板更新后重新开始跟踪检测过程，模板更新按下式设定阈值τbin：τbin＝μBH+nBHσBH(4)其中，μBH和σBH分别是模板更新A/D转换后的平均值和标准偏差，nBH是调制系数；模板匹配功能有跟踪器获取灰度图像的大小和在定义区域内的目标投影预估值两个输入，若模板匹配相似度大于阈值τbin，则认为跟踪正确，进入步骤6，否则重新检测识别目标，同步进行跟踪参数初始化，模板更新；步骤6：根据目标投影预估值、相对定位进行模板匹配和形态滤波估计最新k帧的目标视线位置。在无人机跟踪过程中生成无人机位置模板，通过初始帧获取的背景条件和目标状态变化时，模板匹配的效果下降，容易导致目标跟踪失败；基于模板匹配提出在目标条件变化依然能被跟踪检测到，引入了卡尔曼滤波器对目标位置在模板匹配的定义区域内的进行预估，在一定程度上，提高了跟踪的适应性。本专利技术算法集成了模板匹配、形态滤波，并且利用两个以上无人机的协同特性来提供检测和跟踪任务的解决方案，即通过专用通信链路从目标无人机到搭载摄像机的无人机导航数据之间交换,利用至少两架无人机的单向通信链路来进行协作跟踪和导航。目标无人机将它们的导航数据传输到跟踪器无人机，所提出的方法的主要限制是需要确保目标视线的像素级视线估计精度，优化未检测和误报警之间的门限，将误报率保持最小，当目标无人机可以占据平面中的几个像素或较大兴趣区域时，能够在相对较宽的距离内操作，同时确保对环境的照明条件和背景变化的性能稳定。本专利技术未涉及部分均与现有技术相同或采用现有技术加以实现。以上内容是结合具体的实施方式对本专利技术所作的进一步详细说明，不能认定本专利技术的具体实施只局限于这些说明。对于本专利技术所属
的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的无人机协同目标跟踪算法，其特征在于：其步骤包括/n步骤1：检测启动，从目标图像数据组成数据库中选择初始模板，开始跟踪；/n步骤2：跟踪当前帧k帧姿态，估计k-1帧的目标视线位置；/n步骤3：定义搜索区域后预测目标投影，获得目标投影预估值，并进行模板匹配和形态滤波；/n预测目标投影的步骤为：/n计算目标损失的预测值ρ

【技术特征摘要】
1.一种基于机器视觉的无人机协同目标跟踪算法，其特征在于：其步骤包括
步骤1：检测启动，从目标图像数据组成数据库中选择初始模板，开始跟踪；
步骤2：跟踪当前帧k帧姿态，估计k-1帧的目标视线位置；
步骤3：定义搜索区域后预测目标投影，获得目标投影预估值，并进行模板匹配和形态滤波；
预测目标投影的步骤为：
计算目标损失的预测值ρc：
ρc＝RnbRbcρn
其中，



其中，Rnb代表跟踪器无人机姿态在NED坐标系下机载导航系统提供的的旋转矩阵，Rx、Ry、Rz分别表示无人机对应绕轴的偏航、俯仰、横滚的运动矩阵；Rbc代表通用参考系相对于无人机姿态身参考系姿态的旋转矩阵；ρn为目标定位的差分定位和载波相位间的差值；
计算目标投影预估值：通过执行跟踪视线固有校准过程的校准矩阵K，可得目标投影预测值upr和νPr：



步骤4...

【专利技术属性】
技术研发人员：陆渊章，
申请(专利权)人：江苏信息职业技术学院，
类型：发明
国别省市：江苏;32