[發(fā)明專利]一種無人機(jī)自主跟蹤方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810569455.3
• 申請(qǐng)日: 2018-06-05
• 公開（公告）號(hào): CN108958296A
• 公開（公告）日: 2018-12-07
• 發(fā)明（設(shè)計(jì)）人: 王鵬;段一琛;呂志剛;李曉艷;許韞韜;李曉賓;張欣偉;喬夢(mèng)雨
• 申請(qǐng)（專利權(quán)）人: 西安工業(yè)大學(xué)
• 主分類號(hào): G05D1/12
• 分類號(hào): G05D1/12;G06T7/246;G06T7/277;G06T7/80
• 代理公司: 西安新思維專利商標(biāo)事務(wù)所有限公司 61114
• 代理人: 黃秦芳

1.一種無人機(jī)自主跟蹤方法，其特征在于，包括下述步驟：

步驟一、對(duì)采集到的圖像進(jìn)行處理，運(yùn)用目標(biāo)跟蹤算法對(duì)圖像進(jìn)行處理，所述目標(biāo)跟蹤算法的步驟如下：

(1)、算法初始化，初始化分類器和跟蹤目標(biāo)窗口；在此過程中對(duì)目標(biāo)進(jìn)行正負(fù)樣本采集，樣本的表達(dá)形式為一種灰度差異性特征，特征采集表示為：

(2)、對(duì)下一幀圖像進(jìn)行樣本正負(fù)樣本采集，利用分類器進(jìn)行目標(biāo)和背景的判別，使用kalman濾波器校正目標(biāo)位置，Kalman濾波器結(jié)合現(xiàn)在目標(biāo)的預(yù)測位置和現(xiàn)在目標(biāo)的測量值，計(jì)算可知目標(biāo)所在位置的最優(yōu)估算值X(k|k)；

X(k|k)＝X(k|k-1)+K_g(k)(Z(k)-HX(k|k-1)

式中，K_g(k)為Kalman增益。通過Kalman濾波器得到的預(yù)測位置后，計(jì)算每一個(gè)樣本與預(yù)測位置的距離，將位置距離信息變換為位置權(quán)系數(shù)加入到分類器中；

(3)、對(duì)目標(biāo)進(jìn)行第二次尺度變換的正負(fù)樣本采集，在此位置上進(jìn)行多個(gè)尺度模板的采集，利用分類器再次進(jìn)行分類，得到最大響應(yīng)值，更新分類器；

(4)、得到尺度改變后的目標(biāo)位置后，再次采集正負(fù)樣本用于更新分類器參數(shù)。

步驟二、對(duì)連續(xù)圖像序列上計(jì)算目標(biāo)跟蹤目標(biāo)和圖像中心點(diǎn)的像素位置差；

步驟三、通過計(jì)算出的圖像的位置差按照相應(yīng)的映射關(guān)系計(jì)算無人機(jī)與目標(biāo)在真實(shí)三維空間中的相對(duì)位移：在計(jì)算無人機(jī)與目標(biāo)在真實(shí)三維空間中的相對(duì)位移式，所使用的相機(jī)標(biāo)定坐標(biāo)系包括：像素坐標(biāo)系：原點(diǎn)O在圖像的左上角，設(shè)定原點(diǎn)向右方向?yàn)閁軸，原點(diǎn)向下放下為V軸；成像平面坐標(biāo)系：設(shè)定坐標(biāo)系原點(diǎn)O_R為圖像中心，即相機(jī)的光軸與成像平面的交點(diǎn)，向右為X_R軸，向下為Y_R軸；相機(jī)坐標(biāo)系：坐標(biāo)系原點(diǎn)O_C為相機(jī)光心，X_C軸與Y_C軸平面與鏡頭面重合且平行于成像平面坐標(biāo)系與像素坐標(biāo)系，Z_C軸與光軸方向重合；慣性坐標(biāo)系：原點(diǎn)O_W為四旋翼無人機(jī)云臺(tái)位置在地面上的投影，機(jī)頭方向?yàn)閄_I軸方向，以右手準(zhǔn)則確定Y_I軸方向，Z_I軸垂直于地面；坐標(biāo)系間的坐標(biāo)轉(zhuǎn)換方法是：利用成像平面坐標(biāo)系作為轉(zhuǎn)換過程的中間條件，從像素坐標(biāo)系先轉(zhuǎn)換到成像平面坐標(biāo)系，然后轉(zhuǎn)換到相機(jī)坐標(biāo)系，最后推導(dǎo)得出慣性坐標(biāo)系中的坐標(biāo)；

步驟四、計(jì)算出的相對(duì)位移相關(guān)信息提供給飛行控制模塊，進(jìn)而調(diào)整無人機(jī)的飛行姿態(tài)，最后實(shí)現(xiàn)飛行跟隨。

2.根據(jù)權(quán)利要求1所述無人機(jī)自主跟蹤方法，其特征在于，

上述步驟一，

(1)中，利用壓縮感知矩陣對(duì)特征維度進(jìn)行壓縮；

式中，y表示標(biāo)號(hào)，y＝1代表正樣本即目標(biāo)，y＝0代表負(fù)樣本即背景。數(shù)學(xué)上可證高維的隨機(jī)向量的隨機(jī)投影總是符合高斯分布的，因此在分類器H(v)中的條件分布p(v_i|y＝1)和p(v_i|y＝0)符合高斯分布：

式中，表示正樣本的第i個(gè)特征的均值和，表示正樣本的第i個(gè)特征的標(biāo)準(zhǔn)差，表示為負(fù)樣本的第i個(gè)特征的均值，表示為負(fù)樣本的第i個(gè)特征的標(biāo)準(zhǔn)差，則H(v)最大響應(yīng)值位置即為理論認(rèn)為最可能的目標(biāo)位置；

(2)中，此時(shí)分類器表達(dá)為：

為了減少誤差因素影響，其位置權(quán)系數(shù)做tanh歸一化處理；

(3)中，分類器更新表達(dá)為：

式中，表示正樣本的第i個(gè)特征的均值和，表示正樣本的第i個(gè)特征的標(biāo)準(zhǔn)差，表示為負(fù)樣本的第i個(gè)特征的均值，表示為負(fù)樣本的第i個(gè)特征的標(biāo)準(zhǔn)差，λ為學(xué)習(xí)速率，λ＞0且為常數(shù)，新的學(xué)習(xí)速率由下式可得：

λ'＝λ/L

式中，L為上一幀和當(dāng)前幀處理結(jié)果的Bhattacharyya距離。