[發(fā)明專利]一種用于室外無人機的單目稀疏光流算法

有效

• 申請?zhí)枺?/td>: 202011291009.4
• 申請日: 2020-11-17
• 公開（公告）號: CN112529936B
• 公開（公告）日: 2023-09-05
• 發(fā)明（設(shè)計）人: 歐陽子臻;楊煜基;成慧
• 申請（專利權(quán)）人: 中山大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/269;G06T7/277
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 陳偉斌

1.一種用于室外無人機的單目稀疏光流算法，其特征在于，包括以下步驟：

S1：提取跟蹤相鄰兩幀灰度圖像的特征點，記為原始樣本點集合；

S2：剔除原始樣本點集合中的無效特征點，得到抽樣樣本點集合，并通過抽樣樣本點集合得到最優(yōu)模型H_best；運用隨機抽樣一致性算法得到最優(yōu)模型H_best，具體包括以下步驟：

S21：在原始樣本點集合中隨機尋找m_i對樣本點；

S22：利用m_i對樣本點求得模型H；利用齊次方程組求得模型H，具體公式為：

其中，(x^[n],y^[n])和(x′^[n],y′^[n])為第n組樣本對，x^[1]為相鄰兩幀灰度圖像中前一幀第一個特征點在圖像中的x軸位置，y^[1]為相鄰兩幀灰度圖像中前一幀第一個特征點在圖像中的y軸位置，x^[n]為相鄰兩幀灰度圖像中前一幀第m個特征點在圖像中的x軸位置，y^[n]為相鄰兩幀灰度圖像中前一幀第n個特征點在圖像中的y軸位置,x′⁽¹⁾為相鄰兩幀灰度圖像中當前幀第一個特征點在圖像中的x軸位置，y^′(1]為相鄰兩幀灰度圖像中當前幀第一個特征點在圖像中的y軸位置，x′^[n]為相鄰兩幀灰度圖像中當前幀第m個特征點在圖像中的x軸位置，y′^[n]為相鄰兩幀灰度圖像中前一幀第n個特征點在圖像中的y軸位置；

S23：根據(jù)模型H計算得到局內(nèi)點集I_i，并根據(jù)局內(nèi)點集I_i得到當前最優(yōu)局內(nèi)點集I_best；具體包括以下步驟：

S231：設(shè)置最大循環(huán)次數(shù)N；

S232：計算原始樣本點集合中的所有樣本對與模型H的誤差J^[n]具體公式為：

J^[n]＝||p^[n]′-Hp^[n]||₂；

其中，p^[n]′為相鄰兩幀灰度圖像中前一幀第n個特征點，p^[n]為相鄰兩幀灰度圖像中當前幀第n個特征點；

S233：判斷J^[n]是否小于誤差閾值e，若是，則將第n個特征點歸入到最優(yōu)局內(nèi)點集I_best，若否，則將第n個特征點歸入到局外點集進行剔除；

S234：重復(fù)執(zhí)行步驟S232到步驟S233，得到局內(nèi)點集I_i；

S235：分別求得局內(nèi)點集I_i和最優(yōu)局內(nèi)點集I_best中所有元素數(shù)量S_i和S_best，判斷s_i是否小于s_best，若是，則使I_best＝I_best，若否，則使I_best＝I_i；

其中，i為循環(huán)執(zhí)行次數(shù)，i≤N；

S24：根據(jù)當前最優(yōu)局內(nèi)點集I_best更新模型H，記為當前最優(yōu)模型H_best；

S25：計算原始樣本點集合內(nèi)所有樣本點對當前最優(yōu)模型H_best的誤差和J_sum，判斷J_sum是否小于總模型誤差閾值E，若是，則輸出當前最優(yōu)模型H_best，若否，則進入步驟S26；

S26：設(shè)置最大循環(huán)次數(shù)K，循環(huán)執(zhí)行步驟S21到步驟S25，得到并輸出當前最優(yōu)模型H_best；

S3：根據(jù)最優(yōu)模型H_best，得到無人機在圖像坐標系下的速度；

S4：將圖像坐標系下的速度轉(zhuǎn)換為攝像機坐標系下的速度。