[發明專利]一種面向無人機機載平臺部署的實時目標檢測方法及裝置

有效

• 申請號: 202010925793.3
• 申請日: 2020-09-04
• 公開（公告）號: CN112013820B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 胡天江;李銘慧;王法魁;鄭勛臣;朱波
• 申請（專利權）人: 中山大學
• 主分類號: G01C11/00
• 分類號: G01C11/00;G01C11/04;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.一種面向無人機機載平臺部署的實時目標檢測方法，其特征在于，至少包括如下步驟：

將預先搭建的LiteDenseHG-Net網絡模型部署至無人機的機載平臺，并通過無人機的機載攝像機實時采集對地畫面圖像；

對所述機載攝像機實時采集的對地畫面圖像進行圖像預處理后，存儲至機載平臺的數據庫；

將經過圖像預處理后的圖像輸入至所述LiteDenseHG-Net網絡模型進行前向計算，得到對應的目標檢測結果；

將所述目標檢測結果實時發送至所述無人機的控制單元，以使所述控制單元根據所述目標檢測結果對無人機進行實時控制；

所述將經過圖像預處理后的圖像輸入至所述LiteDenseHG-Net網絡模型進行前向計算，得到對應的目標檢測結果，具體為：

將經過圖像預處理后的圖像進行尺寸轉換后，輸入至優化后的LiteDenseHG-Net網絡模型進行前向預算，得到對應的預測張量；

根據所述預測張量確定該圖像對應的預測矩形框；其中，所述預測張量包括無人機目標區域的中心坐標值、寬值、高值、置信度和類別信息；

采用非極大值抑制算法對若干個所述預測矩形框進行計算，得到每個目標區域的置信度最高的目。

2.根據權利要求1所述的面向無人機機載平臺部署的實時目標檢測方法，其特征在于，所述將預先搭建的LiteDenseHG-Net網絡模型部署至無人機的機載平臺，具體為：

搭建初步的LiteDenseHG-Net網絡模型；

通過采集無人機的歷史對地目標圖像構建樣本數據集；

通過所述樣本數據集對所述初步的LiteDenseHG-Net網絡模型進行訓練優化，得到最優的LiteDenseHG-Net網絡模型后部署至無人機的機載平臺。

3.根據權利要求2所述的面向無人機機載平臺部署的實時目標檢測方法，其特征在于，所述通過采集無人機的歷史對地目標圖像構建樣本數據集，還包括：

對采集的所述歷史對地目標圖像進行二次編輯處理，得到新的無人機圖像，組成擴充數據集；其中，所述二次編輯處理包括翻轉、剪裁和平移；

對所述擴充數據集中的每一張圖像進行標注，得到對應的標簽數據；其中，所述標簽數據包括無人機待檢測目標的中心坐標值、寬值、高值和類別信息。

4.根據權利要求2所述的面向無人機機載平臺部署的實時目標檢測方法，其特征在于，所述通過所述樣本數據集對所述初步的LiteDenseHG-Net網絡模型進行訓練優化，具體為：

將所述樣本數據集中的圖像分批次輸入至所述初步的LiteDenseHG-Net網絡模型中進行卷積和池化處理，得到預設尺度下對應的輸出預測結果；

在所述初步的LiteDenseHG-Net網絡模型的檢測層對所述輸出預測結果進行損失值計算，并構建損失函數；

在所述損失函數構建完成后，采用反向梯度傳播算法對所述初步的LiteDenseHG-Net網絡模型的卷積核參數進行迭代更新；

在判定所述損失值低于預設閾值時，停止訓練，得到最優的DenseHR-Net目標檢測網絡模型。

5.根據權利要求4所述的面向無人機機載平臺部署的實時目標檢測方法，其特征在于，所述損失值包括邊框坐標損失值、目標置信度損失值和類別置信度損失值。

6.根據權利要求1所述的面向無人機機載平臺部署的實時目標檢測方法，其特征在于，所述圖像預處理，具體為：

通過雙線性差值法對所述機載攝像機拍攝的RGB三通道圖像進行放縮，將圖像統一放縮至預設尺寸大小。