【技术实现步骤摘要】
本专利技术涉及智能检测定位，具体为一种空地协同下的全局环境地图构建及定位方法。
技术介绍
1、随着移动机器人技术的发展，越来越多的移动机器人产品进入消费品市场和商用市场。在商业应用的市场领域中，移动机器人主要用来导引、导购、讲解、介绍、迎宾、物品输送等。移动机器人作为一种移动平台，可移动性是其基本的功能，而移动机器人的定位功能则是移动机器人实现自主化的关键技术之一，移动机器人只有了解了自己在当前环境中所处的位置，才能决定下一步要去什么地方，以及怎么样到达目的地，无人机人可以用于执行巡逻、监察、运输等任务，在室外，可通过全球定位系统gps以及地图数据进行定位，继而实现定位导航路径规划等功能。
2、随着图像采集要求的日益增多与提高，针对复杂环境中仅依靠地面平台对环境搜索的范围有限，而使用固定点位摄像机又存在监视盲区的问题。
3、但是在全图构建地图中一般的无人机无法很好的实现地面目标定位，尤其在复杂环境下，因此提出一种空地协同下的全局环境地图构建及定位方法。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种空地协同下的全局环境地图构建及定位方法，利用图像拼接技术，构建全局环境地图，实现地面目标定位，解决复杂环境下地面机器人无法实现对目标的准确定位的问题。
3、(二)技术方案
4、为实现上述目的，本专利技术提供如下技术方案：
5、一种空地协同下的全局环境地图构建及定位方法，包括以下步
6、s1：无人机拍摄正视图，无人机确定好检测区域后，寻求优化路径，编写试验无人机飞行控制逻辑及命令，控制无人机按照指定路径顺畅飞行，前置摄像头快速测定并拍摄无人机拟拍摄区域的正视图；
7、s2：透视变换转为俯视图，将无人机的前置摄像头拍摄的正视图利用透视变换处理变为俯视图；
8、s3：基于特征值的图像拼接，基于得到的多张俯视图进行图像拼接，拼接完成后将得到的拼接结果再进行拼接，连续进行这一过程,形成最终的地图图像；
9、s4：转化为hsv空间，将图片转换为黑白hsv空间，通过颜色识别将目标图像转化为hsv空间，显示黑白图像，设计色调h、饱和度s、明度v的最大和最小值的轨迹条窗口，拖动轨迹条以获取待提取颜色的h、s、v范围；利用得到的h、s、v的最小值与最大值形成数组，筛选出绿色的图像，将原图中的白色转化为黑白图片中唯一白色；
10、s5：轮廓识别，筛选长度，选取一个二值化图像作为函数输入参数，同时置其它相关参数来选取并控制轮廓检测方法及精度，经过计算后函数将返回一个由轮廓点组成的列表，输出找到的轮廓个数，并在图像上绘制出来，针对所选出的轮廓，采用双特征联合以提高目标识别的准确率，进行两次筛选；
11、s6：返回重心坐标，规划小车移动路径，基于轮廓的左右极点坐标以及目标物的实际大小，确定目标物的位置，返回重心坐标，规划小车移动路径。
12、进一步的，所述s1中拍摄时将检测区域划分为多个图片拍摄任务，以保证无人机所拍摄的每张照片可以拼接成指定区域的完整图像。
13、在前述的基础上，所述s2中转变流程为：
14、a)读取无人机拍摄的图像，将图片默认的bgr图片转换为rgb图片，并定义一个适当范围的实际鸟瞰图中的正方形区域，遍历这四个点所包含的全部点，获得每个点的索引和坐标；
15、b)将透视变换后的图像中四个顶点的坐标存储到数组中，并将图像以一定的像素大小存储到计算机中；
16、c)使用透视变换函数计算透视变换的变换矩阵，对所得的图像通过透视变换矩阵进行变换，得到变换后的俯视图。
17、作为本专利技术的进一步方案，所述s3中拼接时过程如下：
18、1)特征检测：sift特征包括兴趣点检测器和描述子，对于尺度、旋转和亮度都具有不变性，使用sift算法获得两张图像的特征点；
19、2)特征匹配：使用快速最近邻搜索包匹配算法进行特征匹配，并选择符合条件的优质匹配点；
20、3)确定图像变换结构，实现图像映射：使用随机采样一致性算法计算出特征点之间的单应性变换矩阵，每次随机选取4个特征点对，然后通过透视变换将图片2映射到图片1；
21、4)优化叠加后的图像：在图像拼接的过程中，受客观因素影响，拼接后的图像过渡不连续，过渡问题采用图像匹配算法对齐特征点处理；
22、5)消除边痕迹：通过采用加权平均融合方法来消除这些痕迹，进而形成最终的融合图像；
23、6)将缝合的图像转换为灰度并设置阈值,以此来区分图像与背景，查找轮廓，在轮廓中找到最大轮廓，即缝合的图像，再通过一个矩形边界框提取缝合图像，完成裁剪。
24、进一步的，所述s5中筛选时，第一次按层级筛选轮廓，通过遍历每一个轮廓的层级级别参数的第3第4个参数来找到那些有父轮廓的轮廓，并删除；第二次按尺寸筛选轮廓，在进行层级结构筛选后，图像中仍然残留着一些细小的轮廓，或存在着一些较大的轮廓，使用轮廓长度来滤除过小或过大的轮廓。
25、在前述的基础上，所述s5中针对筛选出的目标轮廓的连通区域，采用凸包函数对该连通域进行形状描述，然后输出该连通域的重心坐标并在图像上标注出重心。
26、(三)有益效果
27、与现有技术相比，本专利技术提供了一种空地协同下的全局环境地图构建及定位方法，具备以下有益效果：
28、1、本专利技术中，通过将图片默认的bgr图片转换为rgb图片能够避免颜色失真，拍摄时将检测区域划分为多个图片拍摄任务，以保证无人机所拍摄的每张照片可以拼接成指定区域的完整图像。
29、2、本专利技术中，由于图像噪声、光照、曝光度、模型匹配误差等因素，直接进行图像合成会在图像重叠区域的拼接处出现比较明显的边痕迹，通过采用加权平均融合方法来消除这些痕迹，进而形成最终的融合图像。
30、3、本专利技术中，基于透视变换和ransac算法，利用透视变换将无人机拍摄的前视图转化为俯视图，然后利用基于sift算法的特征提取、flan算法的特征筛选以及ransac算法的特征匹配完成环境图像拼接，采用apap算法和加权平均融合方法对拼接后的全局环境地图进行优化，提升拼接效果。
31、4、本专利技术中，基于多视觉特征融合的目标识别方法，利用颜色和轮廓等双重视觉信息，实现对目标的快速检测，正确识别和精准定位。
本文档来自技高网...【技术保护点】
1.一种空地协同下的全局环境地图构建及定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述S1中拍摄时将检测区域划分为多个图片拍摄任务，以保证无人机所拍摄的每张照片可以拼接成指定区域的完整图像。
3.根据权利要求1所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述S2中转变流程为：
4.根据权利要求1所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述S3中拼接时过程如下：
5.根据权利要求1所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述S5中筛选时，第一次按层级筛选轮廓，通过遍历每一个轮廓的层级级别参数的第3第4个参数来找到那些有父轮廓的轮廓，并删除；第二次按尺寸筛选轮廓，在进行层级结构筛选后，图像中仍然残留着一些细小的轮廓，或存在着一些较大的轮廓，使用轮廓长度来滤除过小或过大的轮廓。
6.根据权利要求5所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述S5中针对筛选出的目标轮廓的连通
...【技术特征摘要】
1.一种空地协同下的全局环境地图构建及定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述s1中拍摄时将检测区域划分为多个图片拍摄任务，以保证无人机所拍摄的每张照片可以拼接成指定区域的完整图像。
3.根据权利要求1所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述s2中转变流程为：
4.根据权利要求1所述的一种空地协同下的全局环境地图构建及定位方法，其特征在于，所述s3中拼接时过程如下：
5.根据权利要求...
【专利技术属性】
技术研发人员：周方一，魏明珠，干伟豪，张开亿，宋东京，
申请(专利权)人：电子科技大学，
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。