System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及无人机目标跟踪和计算机视觉领域,特别是涉及基于纳型四旋翼无人机上的快速目标跟踪控制系统与方法。
技术介绍
1、四旋翼无人机正逐渐成为新兴科技领域的热点之一,在民用、商业及军事领域都得到了广泛应用,并发展出各种新型应用场景,如配送和快递、微型侦察、无人机拍摄等。在无人机承担的各种各样的任务中,目标跟踪都是必不可少的环节。目前的应用主要集中于大中型尺寸的无人飞行器,然而,对于隐蔽性的任务如军事侦察或打击,或狭小空间的探测任务,中大型无人机将不再适用,而需要研究纳型四旋翼无人机(重量低于50g,特征尺寸小于15cm)。
2、为了实现精度与速度的统一,采用以kcf为主的相关滤波方法最为有效。但在现有研究中,将kcf算法部署到无人机上仍然具有无法处理目标大小变化的问题。其次,仅仅应用传统相关滤波算法无法处理在长时间的跟踪中可能存在的目标漂移现象。并且很少有研究是针对于纳米型四旋翼无人机视觉跟踪的。由于纳米级无人机的体积较小,载荷能力有限,飞行易受外界干扰,研究纳型无人机视觉跟踪成为了一项具有挑战性的任务。
技术实现思路
1、有鉴于此,本专利技术的目的是提供一种基于纳型四旋翼无人机上的视觉目标跟踪系统与方法。
2、一种基于纳型四旋翼无人机的视觉目标跟踪系统,包括目标跟踪器和四重串级pid控制器;目标跟踪器包括短期跟踪模块和长期跟踪模块;
3、所述短期跟踪模块采用相关滤波器方法,对目标进行跟踪;其中,设定k为当前视频流的帧数,以n个帧作为一个循环
4、所述长期跟踪模块采用基于学习的目标检测网络;视频流中每一个循环中第n个帧作为长期跟踪模块的输入,并选择出最优目标用于短期跟踪模块的模板更新;
5、所述四重串级pid控制器包括视觉伺服控制器、速度控制器、姿态控制器、角速度控制器;
6、所述视觉伺服控制器,以目标跟踪算法输出的目标框中心点作为实际位置,相机视野中心作为期望位置,得到的像素误差输入视觉伺服控制器,输出期望的速度;
7、速度控制器基于速度误差,输出期望的姿态以及期望的无人机总拉力至推力分配器;其中,利用传感设备、imu、光流板等测量无人机当前的实际速度,与期望的速度进行对比,得到速度误差;
8、姿态控制器基于姿态误差,输出期望的角速率;其中,姿态误差为采用imu测量无人机的实际姿态与期望的姿态对比获得;
9、角速率控制器基于imu测量无人机的实际姿态与姿态控制器输出的期望角速率,输出期望的无人机三轴力矩至推力分配器,用于控制电机的推力控制。
10、一种基于纳型四旋翼无人机的视觉目标跟踪方法,包括:
11、步骤1:接收从纳型四旋翼无人机机载相机传回的图像序列,设定当前图像帧数为k,以n个帧作为一个循环,前n-1个连续帧由短期跟踪模块直接处理,第n个帧作为长期跟踪模块的输入;获取第一帧图像,通过目标检测算法确定第一帧中需要跟踪的目标;
12、步骤2:在短期跟踪模块中,提取目标跟踪区域的hog特征和颜色特征作为融合特征向量,根据第一帧的目标位置初始化位置滤波器和尺度滤波器;
13、步骤3:获取下一帧图像:
14、若为该循环中的前n-1帧,将图像进行融合特征提取,由位置滤波器输出目标位置,尺度滤波器输出目标尺度;
15、若为一个循环中的第n帧图像,则将图像输入长期跟踪模块,输出若干个检测到的带有目标标签的边界框;将这些边界框裁剪为图像patch,选择出最优目标,并将此结果用于短期跟踪模块的模板更新;
16、步骤4:以短期跟踪模块或长期跟踪模块跟踪到目标的目标框中心点作为实际位置,相机视野中心作为期望位置,得到的目标像素误差输入视觉伺服控制器,输出期望的速度。
17、步骤5:利用传感设备、imu、光流板等测量无人机当前的实际速度,与期望的速度进行对比。将速度误差输入无人机速度pid控制器,输出期望的姿态以及期望的总拉力。
18、步骤6:通过imu测量无人机的实际姿态,与期望的姿态对比。通过姿态控制器输出期望的角速率;最后由无人机的角速率控制器输出期望的三轴力矩从而得到对电机的推力分配。
19、较佳的,所述步骤3中,以输出的目标位置和尺度为基准训练滤波器模板,采用滑动窗口选取当前帧之前最近的几帧进行加权求和获得模板;其中,使用时间顺序进行加权,离当前帧越近的帧所占的权重越大,而离当前帧较远的帧所占权重越小。
20、较佳的,所述步骤3中,滤波器模板获得方法包括:
21、找到函数f(x)=wtx使得位置滤波器的目标函数为:
22、
23、其中,xi表示第i个训练样本,该训练样本是通过对当前帧图像进行仿射变换得到的;f(xi)表示训练样本xi的实际响应值;响应值是图像特征与当前滤波模板进行卷积计算获得的;yi表示训练样本xi的期望响应值,w表示滤波模板,λ为正则化系数;m0表示滑动窗口中第一帧的索引,k表示当前帧索引,m是滑动窗口中总帧数,βm是第m个帧的权重,其中η∈(0,1);
24、滑动窗口的起始帧设计为:
25、m0=max{k-m+1,1}
26、帧权重设计为:
27、
28、使用高斯核函数拓展到非线性空间,解出式(1)对应的解为:
29、
30、其中,表示变量的傅里叶变换,ym表示第m帧图像的期望响应值;表示高斯核函数;α是w的对偶变量,由此获得滤波模板w。
31、较佳的,目标跟踪时,采用hog特征与cn颜色特征进行线性融合,获得图像的特征。
32、较佳的,在所述短期跟踪模块中,在位置滤波器输出的目标框中心点周围构建长宽比例金字塔,并裁剪相应的图像patch,图像patch的大小为:
33、ana×bnb
34、其中a×b是当前的目标框大小,a和b是比例因子,s表示比例滤波器的大小;
35、遍历n的取值,得到不同尺寸的图像patch,将具有最大滤波响应的图像的长宽比例作为当前跟踪的尺度。
36、较佳的,在长期跟踪模块中,所述选择出最优目标的方法包括:
37、使每个检测对象与模板图像进行surf匹配,计算不同检测对象的surf匹配的匹配点,最后将分数表示为:
38、
39、其中,i表示相似度测试中排名前三的候选图像块的索引,scorehi表示基于图像直方图的相似度值,s表示图像块的面积大小,scoreki表示匹配的surf点的数量;分数最高的patch作为长期跟踪模块的输出结果。
40、较佳的,基于图像的视觉伺服控制器设计为pd控制器:
41、
42、其中u(t)表示控制器的输出,kp是比例系数,kd是微分系数,e(t)表示误差。
43、通过目标本文档来自技高网...
【技术保护点】
1.一种基于纳型四旋翼无人机的视觉目标跟踪系统,其特征在于,包括目标跟踪器和四重串级PID控制器;目标跟踪器包括短期跟踪模块和长期跟踪模块;
2.一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,包括:
3.如权利要求2所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,所述步骤3中,以输出的目标位置和尺度为基准训练滤波器模板,采用滑动窗口选取当前帧之前最近的几帧进行加权求和获得模板;其中,使用时间顺序进行加权,离当前帧越近的帧所占的权重越大,而离当前帧较远的帧所占权重越小。
4.如权利要求3所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,所述步骤3中,滤波器模板获得方法包括:
5.如权利要求2所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,目标跟踪时,采用HOG特征与CN颜色特征进行线性融合,获得图像的特征。
6.如权利要求2所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,在所述短期跟踪模块中,在位置滤波器输出的目标框中心点周围构建长宽比例金字塔,并裁剪相应的图
7.如权利要求2所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,在长期跟踪模块中,所述选择出最优目标的方法包括:
8.如权利要求2所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,基于图像的视觉伺服控制器设计为PD控制器:
...【技术特征摘要】
1.一种基于纳型四旋翼无人机的视觉目标跟踪系统,其特征在于,包括目标跟踪器和四重串级pid控制器;目标跟踪器包括短期跟踪模块和长期跟踪模块;
2.一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,包括:
3.如权利要求2所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,所述步骤3中,以输出的目标位置和尺度为基准训练滤波器模板,采用滑动窗口选取当前帧之前最近的几帧进行加权求和获得模板;其中,使用时间顺序进行加权,离当前帧越近的帧所占的权重越大,而离当前帧较远的帧所占权重越小。
4.如权利要求3所述的一种基于纳型四旋翼无人机的视觉目标跟踪方法,其特征在于,所述步骤3中,滤波器模板获得方法包括:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。