[發明專利]一種基于雙目視覺的載機目標跟蹤方法

在審

• 申請號: 201711123360.0
• 申請日: 2017-11-14
• 公開（公告）號: CN107958461A
• 公開（公告）日: 2018-04-24
• 發明（設計）人: 張原;王軍
• 申請（專利權）人: 中國航空工業集團公司西安飛機設計研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/55
• 代理公司: 北京航信高科知識產權代理事務所(普通合伙)11526
• 代理人: 高原

技術領域

本發明涉及飛機目標自主識別技術領域，特別是涉及一種基于雙目視覺的載機目標跟蹤方法。

背景技術

飛機在執行任務時，經常需要對感興趣目標(ToI，Target of Interesting)進行偵查與識別，這一任務到目前為止仍然主要由人工完成。飛機的任務需求將導致飛機無法通過編隊內飛機獲取多維度信息完成對目標的識別。

因此，希望有一種技術方案來克服或至少減輕現有技術的至少一個上述缺陷。

發明內容

本發明的目的在于提供一種基于雙目視覺的載機目標跟蹤方法來克服或至少減輕現有技術的至少一個上述缺陷。

為實現上述目的，本發明提供一種基于雙目視覺的載機目標跟蹤方法，所述基于雙目視覺的載機目標跟蹤方法包括如下步驟：

步驟1：在載機平臺的最大寬度處布置雙目光學系統，調整焦距，保證目標在雙目光學系統的交疊范圍內，所述雙目光學系統包括兩路采集圖像，兩路采集圖像分別設置為L1,L2；

步驟2：通過SIFT方法對兩路采集的圖像進行匹配，并對匹配結構進行篩選，獲取篩選后的特征點，通過特征點計算兩路圖像的視差；將視差換算成深度信息；將獲得的深度信息添加至原圖像中的一個，從而獲得帶有深度信息的光學圖像；

步驟5：訓練CNN網絡；

步驟6：用訓練后的CNN網絡對帶有深度信息的光學圖像進行識別，從而獲得目標的識別結果。

優選地，所述步驟2包括：

步驟21：對所述L1,L2進行SIFT匹配，獲取目標的特征點，得到特征點集合S；

步驟22：對S進行處理，根據S中特征點之間的相對位置關系計算其分布向量V＝[k，d]，其中k為兩圖特征點連線的斜率，d為特征點連線的距離，根據識別的精度要求選定特征點的最大密度區域，拋棄不在該區域內的特征點，形成新的特征點集合Sn_i；

步驟23：對新特征點集Sn_i進行聚類，根據識別精度聚類數選擇C，得到C個聚類；

步驟24：計算每個聚類的聚類中心，在本聚類的特征點中，計算歐式距離得到與聚類中心距離最小的特征點作為本聚類的中心，并計算兩幅圖像中該點之間的橫向視差及縱向視差；

步驟25：對通過步驟24中得到的橫向視差及縱向視差對每個特征區域進行深度距離恢復，計算公式如下：

X/U＝Y/V＝L/F

其中：X為目標與觀測平臺之間橫向距離；Y為目標與觀測平臺之間橫縱向距離；L為目標與觀測平臺之間平行于光軸距離，f為當前相機焦距；

步驟26：將得到的深度信息歸一化，按特征區域分布組成與原圖像規模一致的矩陣，與所述步驟24中得到的灰度圖像點乘，得到包含深度信息的光學圖像。

優選地，所述步驟6具體為：

通過公式：

進行識別，其中，δ為預設已知值，當結果大于δ時，認為采集圖像中包含待識別目標；R_i為CNN對特征區域的識別結果，S_i為特征區域的面積。

本申請的基于雙目視覺的載機目標跟蹤方法提供一種單機獨立目標進行自主識別的的方法，利用雙目光學系統對目標采集得到的視差信息，使載機能夠綜合雙路光學采集設備獲取的圖像，配合載機當前空間坐標，為目標成像增加結算的深度信息，最后通過卷積神經網絡(CNN)完成單機平臺對目標的自主識別。

本申請的優點在于，飛機不需要對目標進行能量輻射即可完成測距的需要，增強了隱身能力。且由于不需要能量輻射模塊，相對激光雷達等體積、質量都較小，并且成像速度較快。

附圖說明

圖1是本申請一實施例的基于雙目視覺的載機目標跟蹤方法的流程示意圖。

具體實施方式

為使本發明實施的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行更加詳細的描述。在附圖中，自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。所描述的實施例是本發明一部分實施例，而不是全部的實施例。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發明，而不能理解為對本發明的限制。基于本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。下面結合附圖對本發明的實施例進行詳細說明。