基于机器视觉的无人机分布式控制方法技术

本发明专利技术涉及智能控制技术领域，具体涉及一种基于机器视觉的无人机分布式控制方法，该方法包括：获取待搜索目标的目标图像以及每个无人机检测区域的实时图像；通过目标图像在实时图像中滑动得到对应的子区域，并根据灰度信息得到子区域与目标图像的相似度，根据两个子区域之间的相似度调整滑动步长进行滑动，得到实时图像中的目标区域，进而选取实时图像中的优选子区域，根据优选子区域的中心点的位置信息得到对应无人机的优选值，选取优选值最大的无人机作为长机，根据此时确定的长机对无人机群进行编队控制，提高对无人机群的控制效果，以及无人机群工作时的控制效率，使得对无人机的控制调整更加及时。控制调整更加及时。控制调整更加及时。

【技术实现步骤摘要】
基于机器视觉的无人机分布式控制方法


[0001]本专利技术涉及智能控制
，具体涉及一种基于机器视觉的无人机分布式控制方法。

技术介绍

[0002]无人机具有独特的优越性和灵活性，担负各种应用场景例如战场、救援侦察和目标监视等任务；传统无人机编队控制方法中Leader
‑
Follower法的思想来源于地面多移动机器人的协同控制，是当前应用比较成熟的一种方法，但是该方法同样也存在一些问题，例如在实际进行编队控制时，长机的确定往往是预先设定，但是根据预设设定的长机进行编队控制忽略了无人机在实际检测过程中所检测到的区域，从而无法确保预先固定的长机能够及时定位到待检测目标区域，并进行合理的编队控制，导致实际搜索过程中的实时性较差，效率较低。

技术实现思路

[0003]为了解决固定长机搜索的效率低和实时性差的问题，本专利技术的目的在于提供一种基于机器视觉的无人机分布式控制方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于机器视觉的无人机分布式控制方法，该方法包括以下步骤：获取待搜索目标的目标图像以及每个无人机检测区域的实时图像；将目标图像在实时图像中滑动得到对应的子区域，基于每个所述子区域分别在目标图像和实时图像中的灰度信息获取所述子区域与目标图像的相似度；根据当前所述子区域与前一个所述子区域对应的相似度调整滑动步长，目标图像根据调整后的滑动步长在实时图像中滑动，以得到目标区域；选取实时图像中最大相似度的目标区域为优选子区域，获取所述优选子区域的中心点与所述优选子区域所属实时图像中每个边缘的欧式距离，基于所述欧式距离获取对应无人机的优选值，选取所述优选值最大的无人机为长机进行编队控制。
[0004]优选的，所述选取所述优选值最大的无人机为长机进行编队控制的步骤，包括：以所述长机的位置作为原点构建三维坐标系；基于所述三维坐标系获取除了所述长机之外每个无人机的位置坐标；基于预设的编队队形以及预设间隔对无人机的位置坐标进行控制调整。
[0005]优选的，所述选取所述优选值最大的无人机为长机进行编队控制的步骤之后，还包括：基于所述长机的位置获取辅助僚机，当所述长机出现故障时，获取每个辅助僚机的置信度，以所述置信度最大的辅助僚机作为新长机进行编队控制。
[0006]优选的，所述基于所述长机的位置获取辅助僚机的步骤，包括：将无人机群中除了所述长机之外的无人机记为僚机；基于每个所述僚机对应的优
选值进行聚类得到至少两个类别；获取僚机数量最多的类别为目标类别，在所述长机的位置的通信范围内并且属于所述目标类别的僚机为辅助僚机。
[0007]优选的，所述获取每个辅助僚机的置信度的步骤，包括：根据所述三维坐标系获取无人机群中所有无人机的三维坐标向量，根据每两个无人机之间的三维坐标向量得到对应的空间距离和角度特征值；每个辅助长机的置信度的计算方法为：其中，表示置信度；表示除了长机A和辅助僚机B之外的无人机数量；表示M个无人机中第个无人机与辅助僚机B之间的空间距离；表示M个无人机中第个无人机与长机A之间的空间距离；为自然常数；表示M个无人机中第个无人机与辅助僚机B之间的角度特征值；表示M个无人机中第个无人机与长机A之间的角度特征值。
[0008]优选的，所述基于每个所述子区域分别在目标图像和实时图像中的灰度信息获取所述子区域与目标图像的相似度的步骤，包括：对于所述子区域内任一像素点，获取以所述像素点为中心的预设范围内的邻域像素点，所述像素点在目标图像中对应位置存在相同预设范围内的邻域像素点，分别计算每个邻域像素点与所述像素点之间的灰度差值绝对值作为对应的灰度差异；根据所述灰度差异得到所述子区域与目标图像的相似度为：其中，表示相似度；表示目标图像E中像素点的灰度值；表示子区域R中像素点的灰度值；表示取最大值函数；表示目标图像E中像素点与第个邻域像素点之间的灰度差异；表示子区域R中像素点与第个邻域像素点之间的灰度差异；表示目标图像E中像素点的数量，与子区域R中像素点数量一致；表示自然常数。
[0009]优选的，所述根据当前所述子区域与前一个所述子区域对应的相似度调整滑动步长的步骤，包括：获取当前所述子区域与前一个所述子区域对应的相似度的差值作为相似度差异特征值；以所述相似度差异特征值的绝对值与预设的初始滑动步长的乘积作为变化量；若所述相似度差异特征值大于零，以初始滑动步长减去所述变化量并向上取整得到调整后的滑动步长；若所述相似度差异特征值小于零，以初始滑动步长加上所述变化量并向下取整得到调整后的滑动步长；若所述相似度差异特征值等于零，初始滑动步长不作调整。
[0010]优选的，所述目标区域的获取步骤，包括：将目标图像根据调整后的滑动步长在实时图像中滑动得到对应的子区域，获取每个子区域的相似度，所述相似度大于预设的相似度阈值的子区域为目标区域。
[0011]优选的，所述优选子区域的中心点的获取步骤，包括：获取所述优选子区域边缘的边缘像素点，计算所述优选子区域内每个像素点与所有边缘像素点之间的欧式距离之和，所述欧式距离之和最小时对应的像素点为中心点。
[0012]优选的，所述基于所述欧式距离获取对应无人机的优选值的步骤，包括：所述优选子区域的中心点与所述优选子区域所属实时图像中每个边缘的欧式距离包括：中心点到所述优选子区域所属实时图像的上边缘的欧式距离、中心点到所述优选子区域所属实时图像的下边缘的欧式距离、中心点到所述优选子区域所属实时图像的左边缘的欧式距离以及中心点到所述优选子区域所属实时图像的右边缘的欧式距离，分别记为第一距离、第二距离、第三距离以及第四距离；分别获取所述第一距离与所述第二距离的差值绝对值，以及所述第三距离与所述第四距离的差值绝对值，以所述第一距离与所述第二距离的差值绝对值，和所述第三距离与所述第四距离的差值绝对值的求和结果作为累加距离差值；以所述累加距离差值的负数作为指数构建指数函数，所述指数函数与所述优选子区域的相似度的乘积结果为对应无人机的所述优选值。
[0013]本专利技术具有如下有益效果：本专利技术实施例通过获取每个无人机检测区域的实时图像，计算实时图像中每个子区域与目标图像之间的相似度进行目标区域的获取，并且在目标区域的获取时，根据实时获取的每个子区域与目标图像之间的相似度进行滑动步长的实时调整，避免了固定的滑动步长对实时图像的分析效果不佳的问题，不仅提高了目标图像滑动获取子区域的效率，同时确保了滑动获取的子区域的信息的完整性；进一步的，在每个实时图像中的目标区域中获取优选子区域，通过优选子区域的中心点到所属实时图像的各边缘的欧式距离进行优选值的获取，以确定无人机群中的长机，通过灰度信息确定的优选子区域并结合优选子区域的中心点的位置进行优选值的获取，避免了单一指标考虑的不准确的问题，提高了无人机群中长机确定的准确性，利用准确可靠的长机进行无人机的编队控制更加及时、效率更高且控制效果更好。
附图说明
[0014]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和优点，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的介绍本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的无人机分布式控制方法，其特征在于，该方法包括以下步骤：获取待搜索目标的目标图像以及每个无人机检测区域的实时图像；将目标图像在实时图像中滑动得到对应的子区域，基于每个所述子区域分别在目标图像和实时图像中的灰度信息获取所述子区域与目标图像的相似度；根据当前所述子区域与前一个所述子区域对应的相似度调整滑动步长，目标图像根据调整后的滑动步长在实时图像中滑动，以得到目标区域；选取实时图像中最大相似度的目标区域为优选子区域，获取所述优选子区域的中心点与所述优选子区域所属实时图像中每个边缘的欧式距离，基于所述欧式距离获取对应无人机的优选值，选取所述优选值最大的无人机为长机进行编队控制。2.根据权利要求1所述的一种基于机器视觉的无人机分布式控制方法，其特征在于，所述选取所述优选值最大的无人机为长机进行编队控制的步骤，包括：以所述长机的位置作为原点构建三维坐标系；基于所述三维坐标系获取除了所述长机之外每个无人机的位置坐标；基于预设的编队队形以及预设间隔对无人机的位置坐标进行控制调整。3.根据权利要求2所述的一种基于机器视觉的无人机分布式控制方法，其特征在于，所述选取所述优选值最大的无人机为长机进行编队控制的步骤之后，还包括：基于所述长机的位置获取辅助僚机，当所述长机出现故障时，获取每个辅助僚机的置信度，以所述置信度最大的辅助僚机作为新长机进行编队控制。4.根据权利要求3所述的一种基于机器视觉的无人机分布式控制方法，其特征在于，所述基于所述长机的位置获取辅助僚机的步骤，包括：将无人机群中除了所述长机之外的无人机记为僚机；基于每个所述僚机对应的优选值进行聚类得到至少两个类别；获取僚机数量最多的类别为目标类别，在所述长机的位置的通信范围内并且属于所述目标类别的僚机为辅助僚机。5.根据权利要求4所述的一种基于机器视觉的无人机分布式控制方法，其特征在于，所述获取每个辅助僚机的置信度的步骤，包括：根据所述三维坐标系获取无人机群中所有无人机的三维坐标向量，根据每两个无人机之间的三维坐标向量得到对应的空间距离和角度特征值；每个辅助长机的置信度的计算方法为：其中，表示置信度；表示除了长机A和辅助僚机B之外的无人机数量；表示M个无人机中第个无人机与辅助僚机B之间的空间距离；表示M个无人机中第个无人机与长机A之间的空间距离；为自然常数；表示M个无人机中第个无人机与辅助僚机B之间的角度特征值；表示M个无人机中第个无人机与长机A之间的角度特征值。6.根据权利要求1所述的一种基于机器视觉的无人机分布式控制方法，其特征在于，所
述基于每个所述子区域分别在目标图像和实时图像中的灰度信息获取所述子区域与目标图像的相似度的步骤，包括：对于所述子区域内任一像素点，获取以所述像素点为中心的预设范围内的邻域像素点...

【专利技术属性】
技术研发人员：邓磊，冯璟煕，郑佳伟，曹洋舟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：