本发明专利技术公开了一种无人机的瞄准方法，属于无人机技术领域，通过设置搜索区域以及规划扫描路线，可以使无人机在固定区域内对目标进行搜索追踪，并且在目标识别模型搜索到目标之后，自动实现目标的瞄准，从而实现了现实中的目标实现动态搜索追踪；同时，提供了一种信息交互搜索算法，能够有效地实现目标识别模型的优化，从而使目标识别模型能够准确地识别目标，从而实现精准的目标瞄准。
【技术实现步骤摘要】
本专利技术属于无人机，具体涉及一种无人机的瞄准方法。
技术介绍
1、无人机的目标识别追踪算法是建立在目标检测的基础上，通过无人机对包含目标的图像进行采集，然后对采集的图像进行识别，从而可以获取目标识别结果。传统的目标识别，主要先对图像提取一定量的人工特征后用数学模型表达此图像，然后通过分类器来对图像进行识别。随着人工智能的发展，深度学习的不断突破，在语音识别、自然语言处理、计算机视觉、视频分析以及多媒体等领域都取得了巨大成功。
2、虽然现有技术中无人机目标识别追踪，但是往往是通过无人机对静态图像中的目标进行识别，并不能对现实中的目标实现动态搜索追踪。
技术实现思路
1、本专利技术提供一种无人机的瞄准方法，用以解决现有技术仅对静态图像中的目标进行追踪识别，不能对现实中的目标实现动态搜索追踪的问题。
2、一种无人机的瞄准方法，包括：
3、确定无人机的扫描区域以及扫描路线，并控制无人机按照扫描路线在扫描区域内进行飞行，并同时初始化无人机的镜头方位；
4、在无人机按照扫描路线在扫描区域内开始搜索时，控制无人机对视频帧进行实时采样，得到实时视频帧；
5、通过无人机上预先部署的目标识别模型对实时视频帧进行识别，以获取目标识别结果；所述目标识别结果包括存在预设目标或不存在预设目标；
6、当所述目标识别结果为存在预设目标时，获取无人机当前飞行姿态，并根据无人机当前飞行姿态以及无人机的镜头方位，执行无人机的瞄准操作。
>7、进一步地，确定无人机的扫描区域以及扫描路线，并控制无人机按照扫描路线在扫描区域内进行飞行，包括：8、获取工作人员对应的终端设备所传输的扫描区域确定指令，根据扫描区域确定指令在电子地图上确定扫描区域，所述扫描区域为一个或者多个；
9、针对每个扫描区域，按照无人机的扫描宽度，将扫描区域划分为多个列，得到多个子扫描区域；
10、以每个子扫描区域的中心线为基础，确定中心线两端点的位置信息，并根据两端点的位置信息确定中心线的中心位置信息，同时获取用于管理无人机的地面站中存储的无人机的数量以及位置信息；
11、从所有中心线的中心位置信息中确定与无人机数量相同的聚类中心，并将每个中心位置信息归类于聚类中心中；
12、对聚类中心进行更新，直至聚类中心不再变化，得到多个聚类，每个聚类用于表征一个无人机的搜索区域，每个搜索区域包括至少一个子扫描区域；
13、将多个无人机的位置信息按远近顺序排列，并将多个搜索区域随机排列，组成染色体，得到位置信息按顺序排列的无人机对应的搜索区域；相同序号的无人机的位置信息与搜索区域为对应关系；
14、随机产生n条染色体，并确定每条染色体的对应的适应度，所述适应度用于表征各无人机到其对应的搜索区域之间的最短距离之和；
15、根据每条染色体对应的适应度，确定最佳适应度，并判断是否n次迭代中最佳适应度不再变化，若是，则确定最佳适应度对应的染色体为无人机的匹配关系，否则对染色体执行交叉以及变异操作，产生新的染色体，将新的染色体与原有的染色体中适应度值最大的m条染色体保留，并进行下一次迭代，直至n次迭代中最佳适应度不再变化，并确定最佳适应度对应的染色体为无人机的匹配关系；
16、根据无人机的匹配关系，控制无人机按照扫描路线在扫描区域内进行救援搜索。
17、进一步地，初始化无人机的镜头方位，包括：
18、将无人机的镜头方位归零；其中，归零用于表征将无人机镜头的俯仰角以及极化角归零，此时无人机的镜头正对其正前方；
19、或者，以无人机的归零位置为基础，确定无人机的当前俯仰角以及极化角，得到无人机的镜头位置。
20、进一步地，在无人机按照扫描路线在扫描区域内开始搜索时，控制无人机对视频帧进行实时采样，得到实时视频帧，包括：
21、在无人机按照扫描路线在扫描区域内开始搜索时，控制无人机按照预设数据采样频率对视频真进行实时采样，得到实时视频帧。
22、进一步地，所述无人机上预先部署的目标识别模型设置为yolo智能检测模型。
23、进一步地，无人机上的目标识别模型对应的预先部署方法，包括：
24、在目标识别模型中每一维超参数上限与超参数下限之间对超参数进行随机初始化，得到目标识别模型的所有超参数，将目标识别模型的所有超参数组装为向量，得到参数编码，并获取多个互不相同的参数编码；
25、构建目标识别模型所对应的损失函数，并根据所述损失函数确定每个参数编码所对应的损失函数值，并根据所述损失函数值确定最优参数编码；
26、以所述最优参数编码为基础，采用信息交互搜索算法对每个参数编码进行优化，得到优化之后的参数编码；
27、判断当前是否满足迭代结束条件，若是，则根据所述损失函数确定每个优化之后的参数编码所对应的损失函数值，并根据优化之后的参数编码所对应的损失函数值重新确定最优参数编码，并输出最优参数编码，否则根据所述损失函数确定每个优化之后的参数编码所对应的损失函数值，并根据优化之后的参数编码所对应的损失函数值重新确定最优参数编码，并返回采用信息交互搜索算法对每个参数编码进行优化的步骤；
28、将最优参数编码进行解码，以获取目标识别模型的超参数，并根据所述目标识别模型的超参数对目标识别模型进行预先部署。
29、进一步地，构建目标识别模型所对应的损失函数，包括：
30、
31、其中，表示损失函数，表示定位损失所占权重，s表示视频帧的网格数，b表示视频帧中每个网格的预测框数量，表示定位损失；表示第一系数，表示第二系数；针对在视频帧中第
i个网格的第
j个预测框，当该预测框与期望输出图像中对应的实际框之间的iou值大于给定阈值时，iou值最大的预测框作为正样本，其对应的第一系数为1，第二系数为0，其他预测框对应的第一系数以及第二系数均为0；当所有的预测框与期望输出图像中对应的实际框之间的iou值小于给定阈值时，则所有预测框对应的第一系数以及第二系数均为0；表示预测框对应的预测置信度，表示实际框对应的实际置信度，表示第一惩罚系数，表示第二惩罚系数，classes表示类别集合，表示视频帧中第
i个网格的第
j个预测框输出的属于类别
c的概率，表示真实属于类别c的概率。
32、进一步地，以所述最优参数编码为基础，采用信息交互搜索算法对每个参数编码进行优化，得到优化之后的参数编码，包括：
33、以所述最优参数编码为基础，采用历史信息与当前信息融合搜索策略对每个参数编码进行搜索，得到一次搜索之后的参数编码；
34、针对一次搜索之后的参数编码，采用历史信息记忆搜索策略对每个参数编码进行搜索，本文档来自技高网...
【技术保护点】
1.一种无人机的瞄准方法，其特征在于，包括：
2.根据权利要求1所述的无人机的瞄准方法，其特征在于，确定无人机的扫描区域以及扫描路线，并控制无人机按照扫描路线在扫描区域内进行飞行，包括：
3.根据权利要求2所述的无人机的瞄准方法，其特征在于，初始化无人机的镜头方位，包括：
4.根据权利要求3所述的无人机的瞄准方法，其特征在于，在无人机按照扫描路线在扫描区域内开始搜索时，控制无人机对视频帧进行实时采样，得到实时视频帧，包括：
5.根据权利要求1所述的无人机的瞄准方法，其特征在于，所述无人机上预先部署的目标识别模型设置为YOLO智能检测模型。
6.根据权利要求5所述的无人机的瞄准方法，其特征在于，无人机上的目标识别模型对应的预先部署方法，包括：
7.根据权利要求6所述的无人机的瞄准方法，其特征在于，构建目标识别模型所对应的损失函数，包括：
8.根据权利要求7所述的无人机的瞄准方法，其特征在于，以所述最优参数编码为基础，采用信息交互搜索算法对每个参数编码进行优化，得到优化之后的参数编码，包括：
<p>9.根据权利要求8所述的无人机的瞄准方法，其特征在于，10.根据权利要求9所述的无人机的瞄准方法，其特征在于，当所述目标识别结果为存在预设目标时，获取无人机当前飞行姿态，并根据无人机当前飞行姿态以及无人机的镜头方位，执行无人机的瞄准操作，包括：
...
【技术特征摘要】
1.一种无人机的瞄准方法，其特征在于，包括：
2.根据权利要求1所述的无人机的瞄准方法，其特征在于，确定无人机的扫描区域以及扫描路线，并控制无人机按照扫描路线在扫描区域内进行飞行，包括：
3.根据权利要求2所述的无人机的瞄准方法，其特征在于，初始化无人机的镜头方位，包括：
4.根据权利要求3所述的无人机的瞄准方法，其特征在于，在无人机按照扫描路线在扫描区域内开始搜索时，控制无人机对视频帧进行实时采样，得到实时视频帧，包括：
5.根据权利要求1所述的无人机的瞄准方法，其特征在于，所述无人机上预先部署的目标识别模型设置为yolo智能检测模型。
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：李国庆，卢迪，钟艺凯，何思杰，
申请(专利权)人：成都庆龙航空科技有限公司，
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。