【技术实现步骤摘要】
本申请涉及无人机引导降落方法领域，具体涉及一种无人机自动图像校正引导降落方法和计算机存储介质。
技术介绍
1、在无人机降落引导环境下，无人机采集图像帧，但利用神经网络分类，无法对于大面积遮挡与亮度过低、曝光与白色场景、有雾与曝光等相似场景无法被有效区分，且对每一帧图像使用神经网络识别会降低图像识别效率；
2、故，亟需一种能够甄别不同相近场景的辅助无人机引导降落。
技术实现思路
1、本申请一种无人机自动图像校正引导降落方法和计算机存储介质，解决现有技术中的问题。
2、第一方面，本申请提供一种无人机自动图像校正引导降落方法，包括：
3、无人机获取图像的图像帧；
4、无人机以不同频率、对图像帧输入神经网络分类自动辨识、结合图像灰度阈值来联合判断图像帧的异常类型，对三通道灰度均值处理后获取图像帧的亮度特征数据，采用平均阈值区分后的剩余图像帧采用神经网络分类处理；
5、无人机针对图像帧的检测结果的异常类型，进行对应的处理；
6、无人机依据获取到处理的图像帧检测结果并引导降落。
7、进一步的，所述无人机获取图像的图像帧，包括：
8、无人机接近自主降落区域上空时，无人机通过视觉摄像头，开启目标检测算法，针对采集数据选择图像校正模式，对图像增强处理，再载入神经网络分类自动辨识、结合图像灰度阈值来联合判断图像帧的异常类型。
9、进一步的，所述无人机针对图像帧的检测结果的异常类型，进行对应的处理
10、还包括依据无人机检查到异常类型中，当异常类型为图像的遮挡、泥污，则所述进行对应的处理为向地面站的异常报警。
11、进一步的，所述神经网络分类为以vgg16为主体的分类器，训练好的vgg16包括13个卷积层和3个全连接层。
12、进一步的，所述对三通道灰度均值处理后获取图像帧的亮度特征数据，包括：
13、分析所述图像的三通道平均灰度值，所述三通道平均灰度值用于描述所述图像的整体亮度特征；
14、统计图像中所有像素灰度值出现概率；
15、设置平均灰度阈值，筛出低于第一平均灰度阈值的亮度过低场景的图像，同时筛出高于第二平均灰度阈值的曝光、白色场景、有雾复合场景；
16、对介于第一平均灰度阈值和第二平均灰度阈值之间的灰度的图像，载入后续神经网络分类处理。
17、进一步的，所述无人机针对图像帧的检测结果的异常类型，进行对应的处理，包括：
18、当图像检测结果的异常类型为低照度图像时，应用专有对数和指数函数加强中低亮度图片部分，调高局部对比度，调整高亮部分，应用专有对数和指数函数与自适应对数图像处理配合，获取两幅图像特征的一幅图像，采用s函数来处理整体亮度，再利用线性缩放函数调整所述图像的亮度至标准动态范围；
19、对原始图像i，中低亮度区域增强：
20、
21、修改局部对比度并抑制图像的高亮度区域：
22、
23、采用lip模型，组合与图像特征：
24、提高整体亮度：
25、
26、归一化：
27、
28、获得校正后的图像并引导降落。
29、进一步的，所述无人机针对图像帧的检测结果的异常类型，进行对应的处理，包括：
30、当图像检测结果的异常类型为过曝光图像时，采用gamma校正，对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系，具体包括：
31、
32、其中，γ为校正指数，γ的值决定了输入图像和输出图像之间的灰度映射方式，γ的值用于决定增强低灰度值区域还是增高灰度值区域；
33、当γ>1时，增强图像的高灰度区域对比度；
34、当γ<1时，增强图像的低灰度区域对比度；
35、当γ=1时，不改变原图像。
36、第二方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。
37、本申请的原理：
38、通过灰度均值设置和分析，筛选邻近的图像帧，然后筛出中间范围值内的灰度图像，中间范围内的灰度图采用神经网络自动辨识，高效分类，同时对辨识的图像结果进行针对性校正。
39、本申请的有益效果：
40、本申请提供的一种无人机自动图像校正引导降落方法和计算机存储介质，通过适应性针对校正实现图像质量化处理；
41、利用灰度均值阈值处理实现筛除干扰因素，提高神经网络识别的效率。
本文档来自技高网...【技术保护点】
1.一种无人机自动图像校正引导降落方法，其特征在于，包括：
2.根据权利要求1所述的一种无人机自动图像校正引导降落方法，其特征在于，所述无人机获取图像的图像帧，包括：
3.根据权利要求1所述的一种无人机自动图像校正引导降落方法，其特征在于，所述无人机针对图像帧的检测结果的异常类型，进行对应的处理，包括：
4.根据权利要求1所述的一种无人机自动图像校正引导降落方法，其特征在于，所述神经网络分类为以VGG16为主体的分类器，训练好的VGG16包括13个卷积层和3个全连接层。
5.根据权利要求1所述的一种无人机自动图像校正引导降落方法，其特征在于，所述对三通道灰度均值处理后获取图像帧的亮度特征数据，包括：
6.根据权利要求5所述的一种无人机自动图像校正引导降落方法，其特征在于，所述无人机针对图像帧的检测结果的异常类型，进行对应的处理，包括：
7.根据权利要求5所述的一种无人机自动图像校正引导降落方法，其特征在于，所述无人机针对图像帧的检测结果的异常类型，进行对应的处理，包括：
8.一种计算机可读存储介质
...【技术特征摘要】
1.一种无人机自动图像校正引导降落方法，其特征在于，包括：
2.根据权利要求1所述的一种无人机自动图像校正引导降落方法，其特征在于，所述无人机获取图像的图像帧，包括：
3.根据权利要求1所述的一种无人机自动图像校正引导降落方法，其特征在于，所述无人机针对图像帧的检测结果的异常类型，进行对应的处理，包括：
4.根据权利要求1所述的一种无人机自动图像校正引导降落方法，其特征在于，所述神经网络分类为以vgg16为主体的分类器，训练好的vgg16包括13个卷积层和3个全连接层。
5.根据权利要求1所述的一种无人机自动图像校正引导降落...
【专利技术属性】
技术研发人员：张郁婷，秦宗航，彭彦平，张万宁，黄针遥，
申请(专利权)人：成都时代星光科技有限公司，
类型：发明
国别省市：
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。