[发明专利]一种不可见光瞄准方法

说明书

本发明公开了一种不可见光瞄准方法，该方法包括步骤：视觉传感器采集图像信息传输至智能图像处理器和显示控制器；显示控制器向协作控制平台发送控制指令，协作控制平台控制视觉传感器运动，当视觉传感器识别到目标物时，将图像信息传输至智能图像处理器；智能图像处理器分析和采用BP神经网络识别图像信息并解算，定位目标物坐标，并转换为协作控制平台控制指令；协作控制平台根据按照控制指令，控制不可见光瞄准目标物。本发明能够通过基于数据分析的非监督性学习，确定目标物位置坐标，协作控制平台根据位置坐标控制不可见光瞄准目标对象，以此代替人工指示光瞄准。因此，能够有效解决人眼瞄准容易出现瞄准偏差且因疲劳导致易受干扰等问题。

技术领域

本发明涉及一种不可见光瞄准方法，属于智能电网技术领域。

背景技术

不可见光瞄准时，通常需借助同轴指示光进行，但是在恶劣天气情况下，指示光不容易肉眼分辨，远距离情况下，目标物较小，不易捕捉。这种通过指示光指示，人眼进行瞄准的方式，容易导致瞄准偏差。

发明内容

本发明要解决的技术问题是：提供一种不可见光瞄准方法，以解决现有技术中存在的技术问题。

本发明采取的技术方案为：一种不可见光瞄准方法，该方法包括以下步骤：

步骤一：视觉传感器采集图像信息，通过无线方式传输至智能图像处理器和显示控制器；

步骤二：显示控制器向协作控制平台发送控制指令，协作控制平台控制视觉传感器运动，当视觉传感器识别到目标物时，将图像信息传输至智能图像处理器；

步骤三、智能图像处理器分析、识别图像信息并解算，定位目标物坐标，并转换为协作控制平台控制指令，智能图像处理器对获取到的图像采用BP神经网络进行图像识别，得到目标物坐标；

步骤四：协作控制平台根据按照控制指令，控制不可见光瞄准目标物。

将不可见光瞄准位置转化为屏幕坐标，通过屏幕坐标进行位置瞄准，不可见光瞄准位置与目标物作用点位置对于屏幕坐标。因此，将解算后的坐标信息作为神经网络的输入，屏幕坐标为网络输出，隐含层神经元数设置为10个，构建单隐含层屏幕坐标BP神经网络。

通过构建BP神经网络模型，对大量已有标注数据进行训练，其主要步骤如下：

(1)网络初始化，初始化各层神经元节点数，各层神经元之间的连接权值，隐含层和输出层阈值，给定学习速率和激励函数。

(2)隐含层输出计算；

(3)输出层输出计算；

(4)误差计算；

(5)权值更新；

(6)判断算法是否达到迭代次数或者达到预定误差，若没有结束，返回步骤(2)。

本发明的有益效果：与现有技术相比，本发明能够通过基于数据分析的非监督性学习，确定目标物位置坐标，协作控制平台根据位置坐标控制不可见光瞄准目标对象，以此代替人工指示光瞄准。因此，能够有效解决人眼瞄准容易出现瞄准偏差且因疲劳导致易受干扰等问题。

附图说明

图1为需神经元结构图；

图2为BP神经网络图；

图3为屏幕坐标BP神经网络图。

具体实施方式

下面结合附图及具体的实施例对本发明进行进一步介绍。