[發(fā)明專利]一種基于雙掩膜圖像分割的無人機狹窄通道檢測方法

有效

• 申請?zhí)枺?/td>: 202011243647.9
• 申請日: 2020-11-10
• 公開（公告）號: CN112365434B
• 公開（公告）日: 2022-10-21
• 發(fā)明（設(shè)計）人: 莊嚴(yán);楊佳輝;閆飛;張雪濤
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06V10/40;G06V10/82;G06V10/774;G06N3/04;G06N3/08
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 劉秋彤;梅洪玉

一種基于雙掩膜圖像分割的無人機狹窄通道檢測方法，屬于基于視覺的圖像分割領(lǐng)域。本發(fā)明使用深度學(xué)習(xí)的方法提取通道與通道所在墻壁的雙掩膜，再對雙掩膜融合便可以得到通道與通道輪廓的位置信息。此外，本發(fā)明設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)模型具有參數(shù)少、計算量小的特點，可以在機載計算機上達(dá)到實時檢測的效果。本發(fā)明中檢測方法可以檢測各種不規(guī)則形狀的狹窄通道，在狹窄通道背景圖案復(fù)雜、光照不均勻等場景均有較強的魯棒性。而且模型計算量較少，在機載計算機平臺上運行時可以實現(xiàn)高頻率的檢測。

技術(shù)領(lǐng)域

本發(fā)明屬于基于視覺的圖像分割領(lǐng)域，用于小型無人機在飛入飛出建筑物時，對建筑物墻壁上狹窄通道的實時檢測。

背景技術(shù)

無人機技術(shù)是跨越電器工程、機械工程、計算機科學(xué)和數(shù)學(xué)等領(lǐng)域的綜合性技術(shù)，同時隨著人工智能技術(shù)的快速發(fā)展，無人機技術(shù)已在很多領(lǐng)域得到了應(yīng)用。面對災(zāi)后室內(nèi)救援等任務(wù)，小型無人機憑借自身敏捷的優(yōu)勢可以在第一時間替代搜救人員進(jìn)入建筑物內(nèi)部執(zhí)行環(huán)境勘測、補給品投遞等任務(wù)。在這種情況下，無人機進(jìn)出建筑物通常需要穿越建筑物上的狹窄通道，因此小型無人機如何自主、準(zhǔn)確、快速的檢測建筑物墻體上的狹窄通道是一個重要問題。

在基于視覺的目標(biāo)檢測檢測方法中，yolo、ssd等快速檢測的方法常常作為小型無人機上的感知算法。文獻(xiàn)(Jung S,Hwang S,Shin H,et al.Perception,guidance,andnavigation for indoor autonomous drone racing using deep learning[J].IEEERobotics and Automation Letters,2018,3(3):2539-2544.)提出了一種基于目標(biāo)檢測的狹窄通道檢測方法，該方法具有速度快的特點，但是該方法只能得到圖像上包圍目標(biāo)通道的一個矩形框，而無法得到該通道在圖像上的像素級的語義信息，因此無法完成針對非規(guī)則狹窄通道的有效檢測。

文獻(xiàn)(Sanket N J,Deep S C,Kanishka G,et al.GapFlyt:Active vision basedminimalist structure-less gap detection for quadrotorflight[J].IEEE Roboticsand Automation Letters,2018,3(4):2799-2806.)仿照昆蟲感知，采用主動視覺的方式對小型無人機狹窄通道穿越問題進(jìn)行了研究。此方法使用光流法估計通道的位置，這種檢測方法對通道邊緣信息敏感，檢測的精度較高。但是該方法的泛化能力差，通常在實驗條件可控的環(huán)境中有較好表現(xiàn)，但如果狹窄通道存在邊緣模糊的情況，則檢測精度顯著降低。

綜上所述，為了提升小型飛行器飛行穿越建筑物上的狹窄通道的成功率，找到一種準(zhǔn)確度高、速度快、適應(yīng)性強的檢測狹窄通道的方法是非常必要的。

發(fā)明內(nèi)容

本發(fā)明針對小型無人機飛入飛出建筑物時的狹窄通道檢測問題，提出了一種基于雙掩膜圖像分割的狹窄通道檢測方法。本發(fā)明使用深度學(xué)習(xí)的方法提取通道與通道所在墻壁的雙掩膜，再對雙掩膜融合便可以得到通道與通道輪廓的位置信息。此外，本發(fā)明設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)模型具有參數(shù)少、計算量小的特點，可以在機載計算機上達(dá)到實時檢測的效果。

本發(fā)明通過以下步驟對狹窄通道進(jìn)行檢測：

一種基于雙掩膜圖像分割的無人機狹窄通道檢測方法，步驟如下：

步驟一：構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)

狹窄通道檢測模型使用深度卷積神經(jīng)網(wǎng)路進(jìn)行搭建，網(wǎng)絡(luò)的主體主要由編碼模塊和解碼模塊兩個部分組成。