[发明专利]一种网格背景下的高精度靶标识别检测方法

说明书

本发明公开了一种网格背景下的高精度靶标识别检测方法。使用本发明能够实现网格背景下靶标的实时、高精度识别，为无人机撞网回收提供可靠的视觉导航信息。本发明首先设计了一种靶标，并基于梯度搜索阈值和最优阈值更新的算法，获取合适的二值化阈值，并利用形态学滤波和粗细轮廓筛选算法实现在网状背景下靶标识别，同时为了实现实时检测，采用生成感兴趣区域和降采样的方式实现算法加速，在无人机撞网回收过程中，本发明采用图像处理的方式为导航提供位置解算信息，使得无人机可以实现自主回收的功能。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种网格背景下的高精度靶标识别检测方法。

背景技术

随着无人机技术的不断发展，固定翼无人机自助回收方式主要包括空中勾取、伞降回收、撞网撞绳回收以及气囊减震回收和反冲火箭等回收方式。其中撞网回收可使无人机减小因阵风和地面撞击而造成的机体及机载设备的损坏，同时，撞网回收还可以将无人机回收伞去掉，从而增加机上的任务载荷或加大油量，延长续航时间。目前主要采用视觉引导的方式实现撞网回收，视觉引导部分的可靠性和精确性对于撞网回收有着决定性的作用，现有的撞网回收过程中视觉识别方法，存在以下问题有待解决：

(1)单纯的对准中心的算法无法精确计算无人机与靶标降落网之间的距离，对撞网回收的策略提出了较高的要求。

(2)基于颜色的靶标识别算法，抗阳光性能较差，同时容易颜色受相似靶标的干扰。

(3)基于ArUco Marker等二维码的识别算法，无法解决回收网的网格对靶标轮廓的影响问题。

综上所述：现有技术无法实现网格背景下的远距离高精度的识别。

发明内容

有鉴于此，本发明提供了一种网格背景下的高精度靶标识别检测方法，能够实现网格背景下靶标的实时、高精度识别，为无人机撞网回收提供可靠的视觉导航信息。

本发明提供了一种网格背景下的高精度靶标识别检测方法，包括如下步骤：

步骤1，设计靶标；所述靶标为白色的、裁去一角的底板；底板上设有由多个相同图标规则排布形成的图标阵列；

步骤2，飞行器对靶标进行成像识别；具体地，

步骤2.1，对当前帧图像进行低通滤波后进行二值化处理；其中，二值分割阈值在设定的阈值范围内循环梯度变化，每一帧选取一个阈值计算；初始帧的二值分割阈值设定为其阈值范围的最大值或最小值；

步骤2.2，对二值化处理后的图像进行膨胀及腐蚀；

步骤2.3，对步骤2.2处理后的图像进行轮廓提取，并判断提取到的轮廓是否满足要求a)～c)，若满足，则判断识别到靶标，执行步骤3；否则，判断未识别到靶标，提取下一帧图像，执行步骤2.1，并按步骤2.1的梯度变化规律设定下一帧的二值分割阈值；

其中，要求a)～c)为：

a)提取到的外轮廓与设计的靶标底板外轮廓形状一致；

b)提取到的外轮廓的内部具有N个内轮廓，所有内轮廓的面积之和与外轮廓面积的比值为设计靶标中所有图标面积之和与底板面积的比值的0.7～1.3倍；

c)设计靶标上位于同一直线上的图标所对应的内轮廓仍共线；

步骤3，二值分割阈值更新：

将当前帧识别出的靶标区域转成灰度直方图，然后根据下式更新二值化阈值：

其中，threshold为更新后的二值化阈值；i的取值范围为0～255；P(t)为灰度值为t的像素的个数；S_black为N个内轮廓的面积之和；S_all为靶标外轮廓的面积；