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反制,尤其涉及一种激光瞄准点持续稳定跟踪的方法。
技术介绍
1、随着科技的不断发展,激光武器已经成为现代化战争中的一种重要武器装备。相比于传统武器,激光武器具有精度高、速度快、攻击距离远、无后坐力等优点,因此被广泛应用于现代化战争中。无人机的电池、战斗部和舵机往往是理想的瞄准点,这样激光武器才能有针对性地打击目标,使得毁伤效果最佳。但目标能否被有效毁伤,与激光束能否稳定跟踪毁伤点有重要关系,在激光打击中,需要对激光瞄准点进行实时跟踪,来判定目标是否在需要进行打击的范畴内。
2、面临无人机这类尺寸小,灰度纹理信息少这类空中目标,传统的目标跟踪算法主要有以下几类:基于模板、基于特征和基于预测等。基于模板的目标跟踪是按照相关策略根据已知模板在搜索图像中寻找逼近模块匹配过程。但本身的外观变化有随机性和多样性特点,通过单一的模型描述待跟踪目标具有很大的局限性,光照变化、运动模糊、目标旋转形变等因素会影响跟踪的准确性。基于特征的跟踪方法以目标的特征为核心,先提取目标的部分特征,再通过特征构造模板并进行匹配,再通过这种方式进行下一帧图像的最优匹配。这整个过程都处于目标运动过程中。基于预测的目标跟踪主要思想是首先寻找出一组带权重的粒子描述后验概率密度函数,并以此来预测跟踪目标的运动状态。这些跟踪方法大多是跟踪特征点或者跟踪整机的算法,不能通过指定无人机的任意瞄准点然后进行持续稳定跟踪。
3、目前,光电稳描系统抗烟雾干扰进而提高跟踪精度的方法主要是多波段传感器融合和系统矫正补偿,多波段传感器融合是将光电
4、鉴于上述原因,现研发出一种激光瞄准点持续稳定跟踪的方法。
技术实现思路
1、本专利技术的目的是为了克服现有技术中的不足,提供一种激光瞄准点持续稳定跟踪的方法,相比传统基于固定模板匹配的稳瞄算法精确度有了很大改善,具有更好的抗干扰能力,可以在复杂环境下准确地跟踪目标,可以灵活选择打击部位,使激光对目标有更好的打击效果,有效地消除烟雾对稳瞄系统跟踪瞄准点的影响,避免烟雾干扰导致的目标识别困难和打击误差,适用于各种复杂环境和不同目标类型的打击,对目标大小、形状等变化具有一定的适应性。
2、本专利技术为了实现上述目的,采用如下技术方案:一种激光瞄准点持续稳定跟踪的方法,无人机进入任务区域后,将无人机锁定在视场中,然后使用下列步骤计算跟踪点:
3、s1.在第一帧待跟踪无人机图像中进行特征点检测;
4、s2.使用光流法对s1中提取的特征点进行跟踪;
5、s3.使用特征点筛选算法选出前后两帧图像中符合条件的3对特征点;
6、s4.利用s3中筛选出的3对特征点计算仿射矩阵;
7、s5.通过仿射矩阵和上帧图像的跟踪点坐标计算本帧图像的跟踪点。
8、进一步,所述的s1中采用shi-tomasi角点检测器计算角点并作为特征点使用。
9、进一步,所述的s2中采用金字塔lucas-kanade算法计算稀疏特征集合的光流,得到前后两帧图像对应匹配的特征点。
10、进一步,所述的s3中的使用特征点筛选算法选出3对特征点的流程为:根据光流特征点运动方向对候选的特征点进行排序,筛选出在无人机运动方向前向的三对距离合适的光流点对,使选到的特征点尽可能在机头和前翼,避免了因击中目标的烟雾导致特征点丢失。
11、进一步,所述的s4中计算出的仿射矩阵,用于前后两帧图像中无人机瞄准点的位置映射。
12、进一步,所述的s5的具体步骤为:将仿射矩阵与前一帧待跟踪无人机图像的瞄准点坐标相乘得到当前帧图像中瞄准点的坐标,其中第一帧图像的瞄准点坐标由人为标定或者关键部位识别算法得到;每帧图像计算的瞄准点坐标传送给激光打击系统,并将本帧图像打击点坐标用于下帧图像毁伤点坐标的计算,重复上述步骤即可对被跟踪目标毁伤点进行稳瞄。
13、本专利技术的有益效果是:本专利技术使用前后两帧图像的特征点计算仿射矩阵,由于两帧图像间无人机的姿态变化很小,使得计算后续跟踪点的精度很大程度上提高,避免无人机位置、姿态变化等不利因素的影响,相比传统基于固定模板匹配的稳瞄算法精确度有了很大改善,具有更好的抗干扰能力,可以在复杂环境下准确地跟踪目标;同时也可以任意指定瞄准点进行跟踪,可以灵活选择打击部位,使激光对目标有更好的打击效果;本专利技术提供的算法通过筛选跟踪过程中不被烟雾干扰的特征点,可以有效地消除烟雾对稳瞄系统跟踪瞄准点的影响,避免烟雾干扰导致的目标识别困难和打击误差,有利于提高激光武器作战效率和优化毁伤目标效果,该算法可以适用于各种复杂环境和不同目标类型的打击,无论是在野外还是在城市等环境中,该跟踪算法都能够稳定地跟踪目标打击点,并且对目标大小、形状等变化具有一定的适应性。
14、本专利技术提供的算法通过两帧图像之间固定翼无人机的特征点匹配以及仿射变换来进行打击点的跟踪,避免飞行过程中位移、姿态变化等不利因素的影响;通过筛选跟踪过程中提取的特征点来有效避免烟雾干扰对稳瞄系统跟踪瞄准点造成影响,有利于提高激光武器作战效率和优化毁伤目标效果,本专利技术未详细介绍处为现有常用技术。
本文档来自技高网...【技术保护点】
1.一种激光瞄准点持续稳定跟踪的方法,其特征在于:无人机进入任务区域后,将无人机锁定在视场中,然后使用下列步骤计算跟踪点:
2.根据权利要求1所述的一种激光瞄准点持续稳定跟踪的方法,其特征在于:所述的S1中采用Shi-Tomasi角点检测器计算角点并作为特征点使用。
3.根据权利要求1所述的一种激光瞄准点持续稳定跟踪的方法,其特征在于:所述的S2中采用金字塔Lucas-Kanade算法计算稀疏特征集合的光流,得到前后两帧图像对应匹配的特征点。
4.根据权利要求1所述的一种激光瞄准点持续稳定跟踪的方法,其特征在于:所述的S3中的使用特征点筛选算法选出3对特征点的流程为:根据光流特征点运动方向对候选的特征点进行排序,筛选出在无人机运动方向前向的三对距离合适的光流点对,使选到的特征点尽可能在机头和前翼,避免了因击中目标的烟雾导致特征点丢失。
5.根据权利要求1所述的一种激光瞄准点持续稳定跟踪的方法,其特征在于:所述的S4中计算出的仿射矩阵,用于前后两帧图像中无人机瞄准点的位置映射。
6.根据权利要求1所述的一种激光瞄准点持续稳
...【技术特征摘要】
1.一种激光瞄准点持续稳定跟踪的方法,其特征在于:无人机进入任务区域后,将无人机锁定在视场中,然后使用下列步骤计算跟踪点:
2.根据权利要求1所述的一种激光瞄准点持续稳定跟踪的方法,其特征在于:所述的s1中采用shi-tomasi角点检测器计算角点并作为特征点使用。
3.根据权利要求1所述的一种激光瞄准点持续稳定跟踪的方法,其特征在于:所述的s2中采用金字塔lucas-kanade算法计算稀疏特征集合的光流,得到前后两帧图像对应匹配的特征点。
4.根据权利要求1所述的一种激光瞄准点持续稳定跟踪的方法,其特征在于:所述的s3中的使用特征点筛选算法选出3对特征点的流程为:根据光流特征点运动方向对候选的特征点进行排序,筛选出在...
【专利技术属性】
技术研发人员:韩彧,孟广灿,王明哲,张佩超,
申请(专利权)人:中国人民解放军军事科学院国防工程研究院工程防护研究所,
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。