一种无人机降落过程中视觉锚点的检测方法及系统技术方案

本发明专利技术公开一种无人机降落过程中视觉锚点的检测方法及系统，首先根据锚点的属性选取了一组可较好表征无人机空间位置和姿态的锚点；然后利用锚点检测模型中的目标检测神经子网络从视觉图像中提取出无人机区域，可有效避免背景区域对无人机锚点检测的干扰；最后设计了一种基于区域分块的多分辨率锚点检测架构，先将无人机区域分成多块不同分辨率的子区域，再利用锚点检测模型中的锚点检测子网络分别对完整的无人机区域和子区域进行锚点检测，增强了对不同尺度无人机目标锚点检测的鲁棒性，之后通过求取各组原始锚点间相同原始锚点的位置均值，得到视觉锚点，有效增强了锚点检测的准确性。

【技术实现步骤摘要】
一种无人机降落过程中视觉锚点的检测方法及系统
本专利技术涉及无人机自主降落
，尤其是一种无人机降落过程中视觉锚点的检测方法及系统。
技术介绍
在无人机自主起降过程中，无人机通常利用机载惯导系统和全球定位系统完成对自身位姿的实时感知。然而这些系统会受到诸如磁场、温度等环境因素的干扰，从而严重降低对自身位姿的感知精度，影响无人机自主降落。地基视觉无人机状态监测系统是利用地面视觉系统，在无人机降落过程中对无人机的位置和姿态进行实时估计监测，进一步确保无人机对自身位姿的准确感知，辅助其完成自主降落。在地基视觉系统实时生成的图像中检测出无人机成像的关键点（锚点），是开展无人机降落过程中位置和姿态实时估计的基础之一。目前利用角点、光流法、颜色概率密度法等传统方法提取无人机锚点的图像坐标在精确性和鲁棒性方面均存在不足。因此，亟需一种精度较高的无人机图像锚点检测方法。
技术实现思路
本专利技术提供一种无人机降落过程中视觉锚点的检测方法及系统，用于克服现有技术中精确度不高、鲁棒性不足等缺陷。为实现上述目的，本专利技术提出一种无人机降落过程中视觉锚点的检测方法，包括：根据锚点的属性，在无人机三维模型上选取锚点；获取无人机降落过程中的视觉图像，对视觉图像中无人机目标和锚点进行人工标注，形成训练集；利用所述训练集对预先构建的锚点检测模型进行训练，所述锚点检测模型包括目标检测神经子网络和锚点检测子网络；将实时生成的待检测视觉图像输入训练好的锚点检测模型中，利用目标检测神经子网络获得视觉图像中的无人机区域；根据锚点在历史帧图像中的分布状况，将所述无人机区域划分为多块不同分辨率的子区域，利用锚点检测子网络分别检测所述无人机区域和多块所述不同分辨率的子区域，获得多组原始锚点，求取各组原始锚点间相同原始锚点的位置均值，获得待检测视觉图像中无人机视觉锚点的位置。为实现上述目的，本专利技术还提出一种无人机降落过程中视觉锚点的检测系统，包括：锚点选取模块，用于根据锚点的属性，在无人机三维模型上选取锚点；训练集形成模块，用于获取无人机降落过程中的视觉图像，对视觉图像中无人机目标和锚点进行人工标注，形成训练集；模型训练模块，用于利用所述训练集对预先构建的锚点检测模型进行训练，所述锚点检测模型包括目标检测神经子网络和锚点检测子网络；锚点检测模块，用于将实时生成的待检测视觉图像输入训练好的锚点检测模型中，利用目标检测神经子网络获得视觉图像中的无人机区域；根据锚点在历史帧图像中的分布状况，将所述无人机区域划分为多块不同分辨率的子区域，利用锚点检测子网络分别检测所述无人机区域和多块所述不同分辨率的子区域，获得多组原始锚点，求取各组原始锚点间相同原始锚点的位置均值，获得待检测视觉图像中无人机锚点图像位置。为实现上述目的，本专利技术还提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述方法的步骤。为实现上述目的，本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的方法的步骤。与现有技术相比，本专利技术的有益效果有：本专利技术提供的无人机降落过程中视觉锚点的检测方法，首先根据锚点的属性选取了一组可较好表征无人机空间位置和姿态的锚点；然后利用锚点检测模型中的目标检测神经子网络从视觉图像中提取出无人机区域，可有效避免背景区域对无人机锚点检测的干扰；最后设计了一种基于区域分块的多分辨率锚点检测架构，先将无人机区域分成多块不同分辨率的子区域，再利用锚点检测模型中的锚点检测子网络分别对完整的无人机区域和子区域进行锚点检测，增强了对不同尺度无人机目标锚点检测的鲁棒性，之后通过求取各组原始锚点间相同原始锚点的位置均值，得到视觉锚点，有效增强了锚点检测的准确性。本专利技术对基于地基视觉系统的无人机降落位置和姿态的准确估计具有重要意义和实用价值。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。图1为本专利技术提供的无人机降落过程中视觉锚点的检测方法流程图；图2为目标检测神经子网络的结构图；图3为锚点检测子网络的结构图；图4为本专利技术种基于区域分块的多分辨率锚点检测架构示意图；图5为本专利技术实施例中无人机及其锚点在各阶段的成像实例图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。本专利技术提出一种无人机降落过程中视觉锚点的检测方法，如图1所示，包括：101：根据锚点的属性，在无人机三维模型上选取锚点；以锚点的属性为出发点在无人机三维模型上选取锚点，并记录锚点位置。102：获取无人机降落过程中的视觉图像，对视觉图像中无人机目标和锚点进行人工标注，形成训练集；视觉图像，为地基摄像机拍摄的包含无人机的RGB三通道图像。RGB，R(red，红)，G(green，绿)，B(blue，蓝)。标注，即为根据选取的锚点对视觉图像上的无人机目标以及选取的锚点进行标注。103：利用训练集对预先构建的锚点检测模型进行训练；锚点检测模型包括目标检测神经子网络和锚点检测子网络；104：将实时生成的待检测视觉图像输入训练好的锚点检测模型中，利用目标检测神经子网络获得视觉图像中的无人机区域；105：根据锚点在历史帧图像中的分布状况，将无人机区域划分为多块不同分辨率的子区域，利用锚点检测子网络分别检测所述无人机区域和多块所述不同分辨率的子区域，获得多组原始锚点，求取各组原始锚点间相同原始锚点的位置均值，获得待检测视觉图像中无人机视觉锚点的位置。本专利技术提供的无人机降落过程中视觉锚点的检测方法，首先根据锚点的属性选取了一组可较好表征无人机空间位置和姿态的锚点；然后利用锚点检测模型中的目标检测神经子网络从视觉图像中提取出无人机区域，可有效避免背景区域对无人机锚点检测的干扰；最后设计了一种基于区域分块的多分辨率锚点检测架构，先将无人机区域分成多块不同分辨率的子区域，再利用锚点检测模型中的锚点检测子网络分别对完整的无人机区域和子区域进行锚点检测，增强了对不同尺度无人机目标本文档来自技高网...

【技术保护点】
1.一种无人机降落过程中视觉锚点的检测方法，其特征在于，包括：/n根据锚点的属性，在无人机三维模型上选取锚点；/n获取无人机降落过程中的视觉图像，对视觉图像中无人机目标和锚点进行人工标注，形成训练集；/n利用所述训练集对预先构建的锚点检测模型进行训练，所述锚点检测模型包括目标检测神经子网络和锚点检测子网络；/n将实时生成的待检测视觉图像输入训练好的锚点检测模型中，利用目标检测神经子网络获得视觉图像中的无人机区域；/n根据锚点在历史帧图像中的分布状况，将所述无人机区域划分为多块不同分辨率的子区域，利用锚点检测子网络分别检测所述无人机区域和多块所述不同分辨率的子区域，获得多组原始锚点，求取各组原始锚点间相同原始锚点的位置均值，获得待检测视觉图像中无人机视觉锚点的位置。/n

【技术特征摘要】
1.一种无人机降落过程中视觉锚点的检测方法，其特征在于，包括：
根据锚点的属性，在无人机三维模型上选取锚点；
获取无人机降落过程中的视觉图像，对视觉图像中无人机目标和锚点进行人工标注，形成训练集；
利用所述训练集对预先构建的锚点检测模型进行训练，所述锚点检测模型包括目标检测神经子网络和锚点检测子网络；
将实时生成的待检测视觉图像输入训练好的锚点检测模型中，利用目标检测神经子网络获得视觉图像中的无人机区域；
根据锚点在历史帧图像中的分布状况，将所述无人机区域划分为多块不同分辨率的子区域，利用锚点检测子网络分别检测所述无人机区域和多块所述不同分辨率的子区域，获得多组原始锚点，求取各组原始锚点间相同原始锚点的位置均值，获得待检测视觉图像中无人机视觉锚点的位置。


2.如权利要求1所述的无人机降落过程中视觉锚点的检测方法，其特征在于，根据锚点的属性，在无人机三维模型上选取锚点，包括：
根据锚点的特征性、可见性以及包络性，在无人机三维模型上选取锚点。


3.如权利要求1所述的无人机降落过程中视觉锚点的检测方法，其特征在于，所述目标检测神经子网络依次包括6个卷积层和2个全连接层；其中，前5个卷积层的后面均连接1个最大池化层；
利用目标检测神经子网络获得视觉图像中的无人机区域，包括：
利用目标检测神经子网络中的卷积层对视觉图像进行特征提取，利用最大池化层对提取的特征进行筛选；
根据筛选的特征，利用全连接层获得视觉图像中的无人机区域。


4.如权利要求1所述的无人机降落过程中视觉锚点的检测方法，其特征在于，所述锚点检测子网络依次包括5个卷积层和1个全连接层；第2、3和4个卷积层的后面均连接1个最大池化层；
利用锚点检测子网络分别检测所述无人机区域和多块所述不同分辨率的子区域，获得多组原始锚点，包括：
利用锚点检测子网络中的卷积层对所述无人机区域或者多块所述不同分辨率的子区域进行特征提取，利用最大池化层对提取的特征进行筛选；
根据筛选的特征，利用全连接层获得多组原始锚点。


5.如权利要求1所述的无人机降落过程中视觉锚点的检测方法，其特征在于，在获得待检测视觉图像中无人机视觉锚点的位置之后，还包括：
根据锚点在...

【专利技术属性】
技术研发人员：唐邓清，相晓嘉，周晗，常远，闫超，黄依新，陈紫叶，李贞屹，谭沁，孙懿豪，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43