基于视觉辅助的竞速无人机辅助避障方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及基于视觉辅助的竞速无人机辅助避障方法，包括：采集竞速无人机飞行过程中实时的竞速无人机图像以及飞行数据，构建预测模型，根据预测模型以及当前时刻的实际飞行方向获取当前时刻的飞行数据的异常飞行程度，根据当前时刻的飞行数据的获取当前时刻的周期性，设置竞速无人机图像中初始的

【技术实现步骤摘要】
基于视觉辅助的竞速无人机辅助避障方法


[0001]本专利技术涉及图像数据处理
，具体涉及基于视觉辅助的竞速无人机辅助避障方法
。

技术介绍

[0002]在搭载了成像装置的竞速无人机的人工控制过程中需要通过竞速无人机搭载的高清（
HD
）
、
超高清（
UHD
）甚至更高分辨率的摄像头进行图像采集，并在采集到的图像中进行感兴趣区域（
ROI
）的选取，从而提高竞速无人机的图像处理效率
。
保证竞速无人机飞行过程中可以快速避障
。
[0003]在现有的竞速无人机的基于规则的
ROI
区域选取方法中，会选择竞速无人机摄像头视野的中心区域作为
ROI
区域，但由于竞速无人机竞速过程中最关键的地方在于竞速无人机飞行过程中的避障过程，但由于竞速无人机飞行过程中的飞行方向变化，摄像头视野的中心区域不一定为飞行路径上的区域，以竞速无人机摄像头视野的中心区域作为
ROI
区域可能会导致障碍物躲避不及时，影响竞速无人机避障的及时性以及准确性
。

技术实现思路

[0004]为解决上述问题，本专利技术提供基于视觉辅助的竞速无人机辅助避障方法，采用如下技术方案：本专利技术一个实施例提供了基于视觉辅助的竞速无人机辅助避障方法，该方法包括以下步骤：采集竞速无人机飞行过程中实时的竞速无人机图像以及飞行数据；根据历史飞行数据构建预测模型，获取当前时刻的飞行方向的转移概率矩阵以及当前时刻的预测飞行方向；根据当前时刻的飞行方向的转移概率矩阵以及当前时刻的实际飞行方向获取当前时刻的飞行数据的异常飞行程度；获取当前时刻的预测飞行方向与实际飞行方向的差异率；根据当前时刻的飞行数据获取当前时刻的周期性；设置竞速无人机图像中初始的
ROI
区域，根据当前时刻的周期性
、
预测飞行方向与实际飞行方向的差异率以及异常飞行程度获取当前时刻的竞速无人机图像中初始的
ROI
区域中每个宏块的感兴趣程度；根据初始的
ROI
区域中每个宏块的感兴趣程度对初始的
ROI
区域进行移动，获取优化后的
ROI
区域；根据优化后的
ROI
区域辅助控制员进行避障
。
[0005]优选的，所述根据历史飞行数据构建预测模型，获取当前时刻的飞行方向的转移概率矩阵以及当前时刻的预测飞行方向，包括的具体步骤如下：将历史飞行数据中的飞行方向作为隐藏状态，将历史飞行数据中的速度与旋转状态作为观测状态，构建隐马尔可夫预测模型，根据隐马尔可夫预测模型获取当前时刻的飞行方向的转移概率矩阵；将当前时刻的飞行方向的转移概率矩阵中最大的转移概率对应的
隐藏状态作为当前时刻的预测飞行方向
。
[0006]优选的，所述根据当前时刻的飞行方向的转移概率矩阵以及当前时刻的实际飞行方向获取当前时刻的飞行数据的异常飞行程度，包括的具体步骤如下：将当前时刻记为第
t
时刻，获取第
t
时刻的飞行数据的异常飞行程度：；其中表示第
t
时刻的飞行数据的异常飞行程度；表示第
t
‑1时刻到第
t
时刻的转移概率矩阵；为最大值函数；表示第
t
‑1时刻到第
t
时刻的转移概率矩阵中的转移概率的最大值；表示第
t
时刻对应的实际飞行方向在第
t
‑1时刻到第
t
时刻的转移概率矩阵中对应的转移概率；表示第
t
‑1时刻到第
t
时刻的转移概率矩阵中第
m
个隐藏状态的转移概率；
M
表示所有隐藏状态的数量；表示绝对值符号；表示以自然常数为底的指数函数
。
[0007]优选的，所述获取当前时刻的预测飞行方向与实际飞行方向的差异率，包括的具体步骤如下：将当前时刻的预测飞行方向与实际飞行方向的差异除以进行归一化，得到当前时刻的预测飞行方向与实际飞行方向的差异率
。
[0008]优选的，所述根据当前时刻的飞行数据获取当前时刻的周期性，包括的具体步骤如下：获取历史飞行数据中每一时刻的飞行数据的异常飞行程度，将历史飞行数据中每一时刻的飞行数据的异常飞行程度与当前时刻的飞行数据的异常飞行程度构成异常飞行程度序列；对异常飞行程度序列进行分段，将异常飞行程度序列中连续的不为0的异常飞行程度作为一个数据段，得到多个数据段；将最后一个数据段作为当前异常飞行区间，将倒数第二个数据段作为上一次异常飞行区间；对当前异常飞行区间与上一次异常飞行区间进行
DTW
动态时间规整，获取当前异常飞行区间与上一次异常飞行区间的
DTW
路径，将当前异常飞行区间中第一个异常飞行程度对应的上一次异常飞行区间中异常飞行程度的个数作为当前异常飞行区间与上一次异常飞行区间的相位差，对相位差取倒数作为当前时刻的周期性
。
[0009]优选的，所述根据当前时刻的周期性
、
预测飞行方向与实际飞行方向的差异率以及异常飞行程度获取当前时刻的竞速无人机图像中初始的
ROI
区域中每个宏块的感兴趣程度，包括的具体步骤如下：获取初始的
ROI
区域中每个宏块的方向；获取初始的
ROI
区域中每个宏块的感兴趣程度：；其中，表示第
t
时刻的竞速无人机图像中初始的
ROI
区域中第
i
个宏块的感兴趣
程度；表示第
t
时刻的飞行数据的异常飞行程度；表示第
t
时刻的周期性；表示第
t
时刻的预测飞行方向与实际飞行方向的差异率；表示第
t
时刻的竞速无人机图像中初始的
ROI
区域中第
i
个宏块与第
t
时刻的实际飞行方向之间的方向判断因子，当初始的
ROI
区域中第
i
个宏块的方向与第
t
时刻的实际飞行方向相同时，方向判断因子，当初始的
ROI
区域中第
i
个宏块的方向与第
t
时刻的实际飞行方向不相同时，方向判断因子；表示第
t
时刻的竞速无人机图像中初始的
ROI
区域中的第
i
个宏块；表示初始的
ROI
区域中的中心宏块；表示第
t
时刻的竞速无人机图像中初始的
ROI
区域中第
i
个宏块与中心宏块之间的距离；表示线性归一化
。
[0010]优选的，所述获取初始的
ROI
区域中每个宏块的方向，包括的具体步骤如下：将初始的
RO本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于视觉辅助的竞速无人机辅助避障方法，其特征在于，该方法包括以下步骤：采集竞速无人机飞行过程中实时的竞速无人机图像以及飞行数据；根据历史飞行数据构建预测模型，获取当前时刻的飞行方向的转移概率矩阵以及当前时刻的预测飞行方向；根据当前时刻的飞行方向的转移概率矩阵以及当前时刻的实际飞行方向获取当前时刻的飞行数据的异常飞行程度；获取当前时刻的预测飞行方向与实际飞行方向的差异率；根据当前时刻的飞行数据获取当前时刻的周期性；设置竞速无人机图像中初始的
ROI
区域，根据当前时刻的周期性
、
预测飞行方向与实际飞行方向的差异率以及异常飞行程度获取当前时刻的竞速无人机图像中初始的
ROI
区域中每个宏块的感兴趣程度；根据初始的
ROI
区域中每个宏块的感兴趣程度对初始的
ROI
区域进行移动，获取优化后的
ROI
区域；根据优化后的
ROI
区域辅助控制员进行避障
。2.
根据权利要求1所述的基于视觉辅助的竞速无人机辅助避障方法，其特征在于，所述根据历史飞行数据构建预测模型，获取当前时刻的飞行方向的转移概率矩阵以及当前时刻的预测飞行方向，包括的具体步骤如下：将历史飞行数据中的飞行方向作为隐藏状态，将历史飞行数据中的速度与旋转状态作为观测状态，构建隐马尔可夫预测模型，根据隐马尔可夫预测模型获取当前时刻的飞行方向的转移概率矩阵；将当前时刻的飞行方向的转移概率矩阵中最大的转移概率对应的隐藏状态作为当前时刻的预测飞行方向
。3.
根据权利要求1所述的基于视觉辅助的竞速无人机辅助避障方法，其特征在于，所述根据当前时刻的飞行方向的转移概率矩阵以及当前时刻的实际飞行方向获取当前时刻的飞行数据的异常飞行程度，包括的具体步骤如下：将当前时刻记为第
t
时刻，获取第
t
时刻的飞行数据的异常飞行程度：；其中表示第
t
时刻的飞行数据的异常飞行程度；表示第
t
‑1时刻到第
t
时刻的转移概率矩阵；为最大值函数；表示第
t
‑1时刻到第
t
时刻的转移概率矩阵中的转移概率的最大值；表示第
t
时刻对应的实际飞行方向在第
t
‑1时刻到第
t
时刻的转移概率矩阵中对应的转移概率；表示第
t
‑1时刻到第
t
时刻的转移概率矩阵中第
m
个隐藏状态的转移概率；
M
表示所有隐藏状态的数量；表示绝对值符号；表示以自然常数为底的指数函数
。4.
根据权利要求1所述的基于视觉辅助的竞速无人机辅助避障方法，其特征在于，所述获取当前时刻的预测飞行方向与实际飞行方向的差异率，包括的具体步骤如下：将当前时刻的预测飞行方向与实际飞行方向的差异除以进行归一化，得到当前时刻的预测飞行方向与实际飞行方向的差异率
。5.
根据权利要求1所述的基于视觉辅助的竞速无人机辅助避障方法，其特征在于，所述根据当前时刻的飞行数据获取当前时刻的周期性，包括的具体步骤如下：获取历史飞行数据中每一时刻的飞行数据的异常飞行程度，将历史飞行数据中每一时
刻的飞行数据的异常飞行程度与当前时刻的飞行数据的异常飞行程度构成异常飞行程度序列；对异常飞行程度序列进行分段，将异常飞行程度序列中连续的不为0的异常飞行程度作为一个数据段，得到多个数据段；将最后一个数据段作为当前异常飞行区间，将倒数第二个数据段作为上一次异常飞行区间；对当前异常飞行区间与上一次异常飞行区间进行

【专利技术属性】
技术研发人员：董良，曹益彬，
申请(专利权)人：山东环维游乐设备有限公司，
类型：发明
国别省市：