[发明专利]一种基于深度学习的目标姿态估计方法

说明书

一种基于深度学习的目标姿态估计方法，涉及目标物体的姿态估计领域。为了解决如何利用深度学习来解决传统目标姿态估计方法过程繁琐的问题。本发明包括如下步骤：步骤一、利用运动捕捉系统及挂载在无人机上的单目相机，采集N组数据信息，其中，N组数据信息构成标注完成的数据集；步骤二、利用标注完成的数据集对初始深度学习网络模型进行训练，获得训练后的深度学习网络模型；步骤三、再通过无人机上的单目相机，获得待估计的含有目标物体的图像信息；步骤四、将待估计的含有目标物体的图像信息发送至训练后的深度学习网络模型，从而获得目标物体相对于无人机的姿态信息的估计值。本发明具体应用在无人机导航、控制及其相关任务应用领域。

技术领域

本发明涉及目标物体姿态估计领域。

背景技术

近年来，无人机行业飞速发展，被广泛应用于航拍、农业植保、电力巡检、森林消防、货物投递、遥感测绘等等行业领域，但大多数应用尚停留于无人机输入层面，即无人机挂载相机进行图像拍摄等层面。对于无人机输入输出型的应用，即与环境、目标进行交互，根据交互结果做相关决策，进而完成特定功能的任务层面的应用开发还有待进一步研究推广。

然而，要进行无人机输入输出型的应用开发，首先需要解决的问题就是对目标物体的位置姿态进行估计识别。调研相关文献资料可知，关于无人机对目标的位置姿态估计的研究已经有很多，但是普遍都是基于双目相机、深度相机以及与超声波、红外、光流等硬件模块的组合应用，再加上相关算法软件的开发而成，这样做的代价就是整体成本会变得昂贵，且无人机会因为挂载诸多硬件传感器而变得负载满满，这样以来无人机的续航能力、整体结构、机动能力、载重能力等都会被大大削弱。且对于有的任务只需要估计出目标姿态而言，挂载太多传感器无疑是弊大于利的。

在无人机目标姿态估计问题中，如果采用传统目标姿态估计方法，需要根据几何关系进行复杂的数理推导，且需要对每个轴夹角单独去计算，过程繁琐，不利于实现；而近几年快速发展的深度学习方法，能够提供端到端抽象概念的直接拟合。在深度学习方面，如何进行数据集的采集和标注是网络被正确训练的大前提，然而，传统深度学习数据集的标注工作主要还是通过人为手动测量位置姿态等信息。利用手打标签的方式进行，这很浪费时间和精力的，且手打标签的方式不仅会因为所需数据集的庞大而变得异常困难，而且还会极有可能造成标注不准确、错误的数据，这对于后续深度卷积神经网络的训练难度和训练效果是十分不利的。因此，如何利用深度学习来解决传统目标姿态估计方法过程繁琐的问题亟需解决。

发明内容

本发明的目的是为了解决如何利用深度学习来解决传统目标姿态估计方法过程繁琐的问题，本发明提供了一种目标姿态估计方法。

一种基于深度学习的目标姿态估计方法，该方法包括如下过程：

步骤一、利用运动捕捉系统及挂载在无人机上的单目相机，采集N组数据信息，其中，N组数据信息构成标注完成的数据集；N为整数，且10000＜N＜100000；

每组数据信息中包括：同一时刻下的无人机上的单目相机采集的目标物体图像信息和运动捕捉系统获得的目标物体坐标系三轴相对于无人机坐标系三轴的实际相对姿态偏移信息，且同一时刻下的目标物体图像信息与目标物体坐标系三轴相对于无人机坐标系三轴的实际相对姿态偏移信息存在映射关系；

无人机坐标系三轴分别为X′、Y′和Z′，且无人机的质心定义为原点；

X′轴的方向为无人机所在平面内机头所指的方向；

Y′轴的方向为无人机所在平面内垂直于机头向左方向；

Z′轴的方向为垂直于无人机所在平面向上的方向；

目标物体坐标系三轴分别为X、Y和Z，目标物体的质心定义为原点；

X轴的方向为目标物体所在平面内任意指向方向；

Y轴的方向为目标物体所在平面内垂直于X轴向左的方向；