一种小型飞行目标检测方法和装置制造方法及图纸

本申请涉及目标检测定位领域，公开了一种小型飞行目标检测方法和装置，该方法包括：采用双目相机获取含有小型飞行目标的第一图像和第二图像；利用通用处理器的目标检测模块对将第一图像输入至剪枝后的yolov5s网络进行目标检测，获取目标的第一像平面坐标；基于双目相机的极线约束原理，利用通用处理器的预处理模块得到第二图像的裁剪范围，根据裁剪范围对第二图像进行裁剪，再利用目标检测模块获取目标的第二像平面坐标；利用通用处理器的目标定位模块根据两个像平面坐标和双目相机的内外参数，计算目标空间位置。这样可以减小第二图像的处理数据，从而减小内存占用，提高检测效率和检测精度，适用于计算资源有限的通用处理器。器。器。

【技术实现步骤摘要】
一种小型飞行目标检测方法和装置


[0001]本专利技术涉及目标检测定位领域，特别是涉及一种小型飞行目标检测方法和装置。

技术介绍

[0002]小型飞行目标通常指的是“低小慢”飞行目标，是指具有飞行速度慢、体积小、飞行高度低，且不易被军用和民用雷达侦测到的飞行目标。鉴于低空空域的安全考虑，需要对小型飞行目标进行高时效、高准确的检测和定位。
[0003]由于卷积神经网络自主学习特征的高效性，使其成为小目标检测领域的主流研究方向。卷积神经网络主要通过加深网络层级来优化网络模型，以提升检测准确性。然而随着网络层级的加深，训练模型所需的硬件要求同时提升，而深度卷积神经网络要求的密集计算使得在资源有限的通用处理器(如树莓派)中实现实时检测定位变得困难。
[0004]针对上述问题，目前的技术方案主要是对深度卷积神经网络进行压缩，使深度神经网络模型的内存占用和计算力满足低配置的要求，但代价是检测准确性能大幅下降。当检测目标为小型飞行目标，场景常为大分辨率图像检测小目标，直接输入检测网络检测，如果进行简单下采样，当下采样倍数过大时容易丢失数据信息，网络很难学习到目标的特征信息；当下采样倍数过小，网络前向传播需要在内存中保存的大量特征图所需计算资源无法得到保证，进而无法继续正常网络训练。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种小型飞行目标检测方法和装置，可以减小内存占用，提高检测效率和检测精度。其具体方案如下：一种小型飞行目标检测方法，包括：采用双目相机获取含有小型飞行目标的图像；所述图像包括采用第一相机获取的第一图像和采用第二相机获取的第二图像；利用通用处理器的目标检测模块对将所述第一图像输入至剪枝后的yolov5s网络进行目标检测，获取目标的第一像平面坐标，以及目标在图像列方向的纵轴最大值和纵轴最小值；基于所述双目相机的极线约束原理，利用所述通用处理器的预处理模块根据所述纵轴最大值和所述纵轴最小值，得到所述第二图像的裁剪范围，根据所述裁剪范围对所述第二图像进行裁剪，得到裁剪第二图像；利用所述目标检测模块将所述裁剪第二图像输入至所述剪枝后的yolov5s网络进行目标检测，获取目标的第二像平面坐标；利用所述通用处理器的目标定位模块根据目标的所述第一像平面坐标和所述第二像平面坐标，以及所述双目相机的内外参数，计算目标空间位置。
[0006]优选地，在本专利技术实施例提供的上述小型飞行目标检测方法中，在采用双目相机获取含有小型飞行目标的图像之后，还包括：
建立图像坐标系；根据所述图像坐标系、所述双目相机的分辨率和像元尺寸，建立焦平面坐标系；根据所述焦平面坐标系，建立理想像空间坐标系；所述理想像空间坐标系的原点位于投影中心，x轴与所述焦平面坐标系的x轴平行，y轴与所述焦平面坐标系的y轴平行，z轴为相机主轴方向。
[0007]优选地，在本专利技术实施例提供的上述小型飞行目标检测方法中，在利用通用处理器的目标检测模块将所述第一图像输入至剪枝后的yolov5s网络进行目标检测之前，还包括：利用所述通用处理器的预处理模块对所述第一图像进行时空域融合的预处理；在利用所述通用处理器的目标检测模块将所述裁剪第二图像输入至剪枝后的yolov5s网络进行目标检测之前，还包括：利用所述通用处理器的预处理模块对所述裁剪第二图像进行时空域融合的预处理。
[0008]优选地，在本专利技术实施例提供的上述小型飞行目标检测方法中，对所述第一图像进行时空域融合的预处理，包括：在空域上采用高斯滤波对所述第一图像进行优化处理，得到空域结果图；在时域上采用序列帧差法对所述第一图像进行杂波抑制处理，得到时域结果图；将所述空域结果图与所述时域结果图进行融合输出，得到预处理后的所述第一图像。
[0009]优选地，在本专利技术实施例提供的上述小型飞行目标检测方法中，在采用双目相机获取含有小型飞行目标的图像之前，还包括：对所述双目相机进行标定，获取所述双目相机的内外参数。
[0010]优选地，在本专利技术实施例提供的上述小型飞行目标检测方法中，根据目标的所述第一像平面坐标和所述第二像平面坐标，以及所述双目相机的内外参数，计算目标空间位置，包括：和所述第二像平面坐标，以及所述双目相机的焦距参数，得到目标的深度信息；将目标的所述第一像平面坐标进行坐标转换，并结合得到的所述深度信息，计算目标在双目相机坐标系下的空间位置。
[0011]优选地，在本专利技术实施例提供的上述小型飞行目标检测方法中，将目标的所述第一像平面坐标进行坐标转换，并结合得到的所述深度信息，计算目标在双目相机坐标系下的空间位置，包括：根据目标的所述第一像平面坐标，计算目标在所述焦平面坐标系下的焦平面坐标；根据计算出的所述焦平面坐标，计算目标在所述理想像空间坐标系下的理想像空间坐标；根据计算出的所述理想像空间坐标和得到的所述深度信息，计算所述双目相机的目标视向量；根据所述双目相机的目标视向量，得到目标在双目相机坐标系下的空间位置。
[0012]本专利技术实施例还提供了一种小型飞行目标检测装置，包括：双目相机和通用处理
器；所述通用处理器包括预处理模块、目标检测模块和目标定位模块；其中，所述双目相机，用于获取含有小型飞行目标的图像；所述图像包括采用第一相机获取的第一图像和采用第二相机获取的第二图像；所述目标检测模块，用于将所述第一图像输入至剪枝后的yolov5s网络进行目标检测，获取目标的第一像平面坐标，以及目标在图像列方向的纵轴最大值和纵轴最小值；所述预处理模块，用于基于所述双目相机的极线约束原理，根据所述纵轴最大值和所述纵轴最小值，得到所述第二图像的裁剪范围，根据所述裁剪范围对所述第二图像进行裁剪，得到裁剪第二图像；所述目标检测模块，还用于将所述裁剪第二图像输入至所述剪枝后的yolov5s网络进行目标检测，获取目标的第二像平面坐标；所述目标定位模块，用于根据目标的所述第一像平面坐标和所述第二像平面坐标，以及所述双目相机的内外参数，计算目标空间位置。
[0013]优选地，在本专利技术实施例提供的上述小型飞行目标检测装置中，所述通用处理器还包括坐标系建立模块；所述坐标系建立模块，用于建立图像坐标系；根据所述图像坐标系、所述双目相机的分辨率和像元尺寸，建立焦平面坐标系；根据所述焦平面坐标系，建立理想像空间坐标系；所述理想像空间坐标系的x轴与所述焦平面坐标系的x轴平行，y轴与所述焦平面坐标系的y轴平行，z轴为相机主轴方向。
[0014]优选地，在本专利技术实施例提供的上述小型飞行目标检测装置中，所述通用处理器还包括参数获取模块；所述参数获取模块，用于对所述双目相机进行标定，获取所述双目相机的内外参数。
[0015]从上述技术方案可以看出，本专利技术所提供的一种小型飞行目标检测方法，包括：采用双目相机获取含有小型飞行目标的图像；图像包括采用第一相机获取的第一图像和采用第二相机获取的第二图像；利用通用处理器的目标检测模块将第一图像输入至剪枝后的yolov5s网络进行目标检测，获取目标的第一像平面坐标，以及目标在图像列方向的纵轴最大值和纵轴最小值；基于双目相机的极线约束本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小型飞行目标检测方法，其特征在于，包括：采用双目相机获取含有小型飞行目标的图像；所述图像包括采用第一相机获取的第一图像和采用第二相机获取的第二图像；利用通用处理器的目标检测模块将所述第一图像输入至剪枝后的yolov5s网络进行目标检测，获取目标的第一像平面坐标，以及目标在图像列方向的纵轴最大值和纵轴最小值；基于所述双目相机的极线约束原理，利用所述通用处理器的预处理模块根据所述纵轴最大值和所述纵轴最小值，得到所述第二图像的裁剪范围，根据所述裁剪范围对所述第二图像进行裁剪，得到裁剪第二图像；利用所述目标检测模块将所述裁剪第二图像输入至所述剪枝后的yolov5s网络进行目标检测，获取目标的第二像平面坐标；利用所述通用处理器的目标定位模块根据目标的所述第一像平面坐标和所述第二像平面坐标，以及所述双目相机的内外参数，计算目标空间位置。2.根据权利要求1所述的小型飞行目标检测方法，其特征在于，在采用双目相机获取含有小型飞行目标的图像之后，还包括：建立图像坐标系；根据所述图像坐标系、所述双目相机的分辨率和像元尺寸，建立焦平面坐标系；根据所述焦平面坐标系，建立理想像空间坐标系；所述理想像空间坐标系的原点位于投影中心，x轴与所述焦平面坐标系的x轴平行，y轴与所述焦平面坐标系的y轴平行，z轴为相机主轴方向。3.根据权利要求2所述的小型飞行目标检测方法，其特征在于，在利用通用处理器的目标检测模块将所述第一图像输入至剪枝后的yolov5s网络进行目标检测之前，还包括：利用所述通用处理器的预处理模块对所述第一图像进行时空域融合的预处理；在利用所述通用处理器的目标检测模块将所述裁剪第二图像输入至剪枝后的yolov5s网络进行目标检测之前，还包括：利用所述通用处理器的预处理模块对所述裁剪第二图像进行时空域融合的预处理。4.根据权利要求3所述的小型飞行目标检测方法，其特征在于，对所述第一图像进行时空域融合的预处理，包括：在空域上采用高斯滤波对所述第一图像进行优化处理，得到空域结果图；在时域上采用序列帧差法对所述第一图像进行杂波抑制处理，得到时域结果图；将所述空域结果图与所述时域结果图进行融合输出，得到预处理后的所述第一图像。5.根据权利要求4所述的小型飞行目标检测方法，其特征在于，在采用双目相机获取含有小型飞行目标的图像之前，还包括：对所述双目相机进行标定，获取所述双目相机的内外参数。6.根据权利要求5所述的小型飞行目标检测方法，其特征在于，根据目标的所述第一像平面坐标和所述第二像平...

【专利技术属性】
技术研发人员：樊建鹏，安玮，罗伊杭，汪璞，盛卫东，林再平，曾瑶源，李振，李骏，凌强，石添鑫，曹帆之，陈怀宇，
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：