[发明专利]一种基于机器视觉的无人机协同目标跟踪算法

说明书

本发明涉及一种基于机器视觉的无人机协同目标跟踪算法，其步骤为：检测启动，从目标图像数据组成数据库中选择初始模板，开始跟踪；跟踪当前帧k帧姿态，估计k‑1帧的目标视线位置；定义搜索区域后预测目标投影，获得目标投影预估值，并进行模板匹配和形态滤波；根据目标数据链接确定相对定位后开始跟踪并获取新图像；若目标落在检测区外，则删除该定位，模板更新后重新开始跟踪检测过程，模板更新按下式设定阈值τ_bin；若模板匹配相似度大于阈值τ_bin，则认为跟踪正确，根据目标投影预估值、相对定位进行模板匹配和形态滤波估计最新k帧的目标视线位置，否则重新检测识别目标，同步进行跟踪参数初始化，模板更新。本发明跟踪适应性好。

技术领域

本发明涉及跟踪技术领域，尤其涉及一种基于机器视觉的无人机协同目标跟踪算法。

背景技术

随着机器视觉技术的发展，无人机(UAV)机载目标的检测和跟踪广泛应用于军事与民用领域。由于其可动态部署、配置方便、高度自主等特点，无人机在物联网领域同样扮演着极其重要的角色。机器视觉系统算法研究无人驾驶飞行器检测跟踪的重要工具。首先基于视觉系统可以增强无人机的自主定位，自主着陆，障碍物探测和感知并避开等性能，这些技术经常用于恢复周围场景的信息，如基础设施监测、沿海地区监测和三维测绘等。其次，机器视觉技术及其算法在改善无人机自身功能方面也发挥着关键作用，例如在自主导航、导航和控制以及姿态感知等方面。除了单独的无人机操作之外，基于机器视觉的技术在无人机群的活动中也起着至关重要的作用。它们可用于全球导航卫星系统环境中，实现的无人机协同合作完成3D制图和协助导航。

发明内容

本发明的目的是为了提供一种基于机器视觉的无人机协同目标跟踪算法，跟踪适应性高。

为解决以上技术问题，本发明的技术方案为：一种基于机器视觉的无人机协同目标跟踪算法，其步骤包括：

步骤1：检测启动，从目标图像数据组成数据库中选择初始模板，开始跟踪；

步骤2：跟踪当前帧k帧姿态，估计k-1帧的目标视线位置；

步骤3：定义搜索区域后预测目标投影，获得目标投影预估值，并进行模板匹配和形态滤波；预测目标投影的步骤为：

计算目标损失的预测值ρ_c：

ρ_c＝R_nbR_bcρ_n

其中，

其中，R_nb代表跟踪器无人机姿态在NED坐标系下机载导航系统提供的的旋转矩阵，R_x、R_y、R_z分别表示无人机对应绕轴的偏航、俯仰、横滚的运动矩阵；R_bc代表通用参考系相对于无人机姿态身参考系姿态的旋转矩阵；ρ_n为目标定位的差分定位和载波相位间的差值；

计算目标投影预估值：通过执行跟踪视线固有校准过程的校准矩阵K，可得目标投影预测值u_pr和v_Pr：

步骤4：根据目标数据链接确定相对定位后开始跟踪并获取新图像；

步骤5：目标检测：若目标落在检测区外，则删除该定位，模板更新后重新开始跟踪检测过程，模板更新按下式设定阈值τ_bin：

τ_bin＝μ_BH+n_BHσ_BH