[发明专利]一种无人飞行器视觉自主导引着陆的目标跟踪方法

说明书

技术领域

本发明涉及一种基于多分辨率运动先验的逆向复合目标跟踪方法，特别适用于无人飞行器视觉自主导引着陆过程中的目标稳定跟踪，属于数字图像处理领域。

背景技术

无人飞行器视觉自主着陆是无人飞行器控制研究领域里的热点问题。它利用数字图像处理技术获取定位参数，具有设备简单，代价小，获取的信息量大等诸多优点。相较于GPS和惯性导航，是完全自主和无源的。预定着陆点模板图像与机载实时图像的快速稳定匹配和跟踪是实现精确着陆控制的前提。无人机着陆过程中，目标匹配图像往往存在旋转、尺度及视角变化、局部遮挡和运动模糊等，因此对图像匹配和跟踪算法的实时性和鲁棒性均提出了极高的要求。

自Lucas和Kanade首次提出基于仿射变换模型的图像配准算法(Affine Image Alignment)[1](参见Lucas B，Kanade T.An iterative image registration technique with an application to stereo vision[C].Proceedings of the 7th International Joint Conference on Artificial Intelligence，1981，2：674-679.)以来，Lucas-Kanade算法在目标跟踪，光流场估计，图像拼接，运动估计，图像配准，人脸识别等领域获得广泛的应用。

Lucas-Kanade算法的基本原理是：求取几何变换参数使得模板图像T(x)的像素点x＝(x，y)经过变换后映射在输入图像I中的变形图像与原始模板图像间的差方和(SSD)最小，可用数学表达式描述为：

p^=argminpΣx[I(W(x;p))-T(x)]2---(1)]]>

上式也称为Lucas-Kanade算法的最小二乘目标函数。式中W(x；p)为几何变换函数，T(x)为模板在坐标x处的像素点灰度值，I(W(x；p))表示输入图像在坐标x经变换后的新坐标W(x；p)处的灰度值。

最小化目标函数实际上是一个非线性最优化问题。为了求解这一最优化问题，假设已知变换参数初始值然后反复迭代累加Δp，并确保每次迭代关于Δp的近似目标表达式：

O(Δp)=Σx[I(W(x;p+Δp))-T(x)]2---(2)]]>