[發明專利]一種無人機降落過程中視覺錨點的檢測方法及系統

有效

• 申請號: 202011235408.9
• 申請日: 2020-11-09
• 公開（公告）號: CN112102412B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 唐鄧清;相曉嘉;周晗;常遠;閆超;黃依新;陳紫葉;李貞屹;譚沁;孫懿豪
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06T7/73
• 分類號: G06T7/73
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

1.一種無人機降落過程中視覺錨點的檢測方法，其特征在于，包括：

根據錨點的屬性，在無人機三維模型上選取錨點；

獲取無人機降落過程中的視覺圖像，對視覺圖像中無人機目標和錨點進行人工標注，形成訓練集；

利用所述訓練集對預先構建的錨點檢測模型進行訓練，所述錨點檢測模型包括目標檢測神經子網絡和錨點檢測子網絡；

將實時生成的待檢測視覺圖像輸入訓練好的錨點檢測模型中，利用目標檢測神經子網絡獲得視覺圖像中的無人機區域；

根據錨點在歷史幀圖像中的分布狀況，將所述無人機區域劃分為多塊不同分辨率的子區域，利用錨點檢測子網絡分別檢測所述無人機區域和多塊所述不同分辨率的子區域，獲得多組原始錨點，求取各組原始錨點間相同原始錨點的位置均值，獲得待檢測視覺圖像中無人機視覺錨點的位置。

2.如權利要求1所述的無人機降落過程中視覺錨點的檢測方法，其特征在于，根據錨點的屬性，在無人機三維模型上選取錨點，包括：

根據錨點的特征性、可見性以及包絡性，在無人機三維模型上選取錨點。

3.如權利要求1所述的無人機降落過程中視覺錨點的檢測方法，其特征在于，所述目標檢測神經子網絡依次包括6個卷積層和2個全連接層；其中，前5個卷積層的后面均連接1個最大池化層；

利用目標檢測神經子網絡獲得視覺圖像中的無人機區域，包括：

利用目標檢測神經子網絡中的卷積層對視覺圖像進行特征提取，利用最大池化層對提取的特征進行篩選；

根據篩選的特征，利用全連接層獲得視覺圖像中的無人機區域。

4.如權利要求1所述的無人機降落過程中視覺錨點的檢測方法，其特征在于，所述錨點檢測子網絡依次包括5個卷積層和1個全連接層；第2、3和4個卷積層的后面均連接1個最大池化層；

利用錨點檢測子網絡分別檢測所述無人機區域和多塊所述不同分辨率的子區域，獲得多組原始錨點，包括：

利用錨點檢測子網絡中的卷積層對所述無人機區域和多塊所述不同分辨率的子區域進行特征提取，利用最大池化層對提取的特征進行篩選；

根據篩選的特征，利用全連接層獲得多組原始錨點。

5.如權利要求1所述的無人機降落過程中視覺錨點的檢測方法，其特征在于，在獲得待檢測視覺圖像中無人機視覺錨點的位置之后，還包括：

根據錨點在歷史幀圖像中的分布狀況，校正所述無人機視覺錨點的位置。

6.如權利要求5所述的無人機降落過程中視覺錨點的檢測方法，其特征在于，根據錨點在歷史幀圖像中的分布狀況，校正所述無人機視覺錨點的位置，包括：

獲取歷史幀圖像中錨點的位置；

根據錨點在歷史幀圖像中的位置，擬合各錨點在不同幀圖像中的變化曲線，獲得當前幀圖像的預測錨點；

根據所述預測錨點和所述錨點檢測模型輸出的視覺錨點，通過加權平均的方式，獲得當前幀圖像中無人機視覺錨點的最終位置。

7.如權利要求6所述的無人機降落過程中視覺錨點的檢測方法，其特征在于，根據所述預測錨點和所述錨點檢測模型輸出的視覺錨點，通過加權平均的方式，獲得當前幀圖像中無人機視覺錨點的最終位置，包括：

根據所述預測錨點和所述錨點檢測模型輸出的視覺錨點，通過加權平均的方式，獲得當前幀圖像中無人機視覺錨點的最終位置，

式中，為權重因子；為錨點序號。