地理信息时空约束下的无人机运动目标跟踪与定位方法
【技术领域】
[0001] 本发明属于视觉跟踪与空间定位技术领域，具体涉及一种地理信息时空约束下的 无人机运动目标跟踪与定位方法。
【背景技术】
[0002] 目标跟踪在科学和工程中具有重要价值。无人机因具有高机动性、低成本、操作灵 活等优势，得到了空前的开发和运用。由于搭载视频传感器的无人机具有获取动态信息及 快速响应的能力，基于视觉的无人机目标跟踪与定位在空中侦查、目标监视、实时定位等应 用中具有重要意义。
[0003] 目标跟踪算法的难点在于如何设计出鲁棒稳定的跟踪算法，以适应跟踪过程中光 照变化、目标遮挡、目标尺度变化以及目标形变，对目标进行实时持续跟踪。单摄像机目标 跟踪算法大体上可分为2大类：基于生成模型的目标跟踪方法和基于判别模型的目标跟踪 方法。
[0004] 基于生成模型的目标跟踪方法通过提取目标特征，在特征空间中对目标区域进行 描述，构建目标的表观模型；然后在目标可能出现的区域进行搜索，以具备最小重建误差的 图像块作为跟踪目标。该方法的重点在于描述目标，构建一个能够完善表达目标（包括不 同视角，不同尺度，目标形变等）的模型，以适应跟踪过程中各种干扰。该类方法充分利用 了目标的表观信息，在跟踪过程中对光照和颜色变化不敏感。由于该类跟踪方法未利用背 景信息，目标跟踪易受复杂背景干扰。此外，构建鲁棒高效的外观模型十分困难。
[0005] 基于判别模型的目标跟踪方法则是估计观测数据的条件概率分布，寻找能把目标 和背景分离开的最优分类面，将跟踪问题转化成为了一个二分类问题。由于分类边界比较 灵活，所以该类目标跟踪方法的区分性较好。
[0006] 对于机载摄像机的无人机目标跟踪而言，摄像机与地面存在相对运动，使得视频 背景也是动态的，这给运动目标检测跟踪带来很大干扰。针对动态背景中运动目标检测跟 踪，常用的方法是进行运动背景补偿，如特征匹配法、灰度投影法、光流场法、图像块匹配法 和相位相关法，估计出当前帧图像相对于参考帧图像的运动矢量，以补偿背景运动，将动态 背景转换为静态背景，减少场景变化对目标检测和跟踪的影响，然后再进行目标检测与跟
[0007] 航拍图像具有图像场景大、复杂多变且图像受噪声影响显著的特点，而待跟踪目 标弱小且与背景特征相似，这使得误检测误跟踪可能性大大提高，因此机载摄像机的无人 机目标跟踪算法需具备较高的抗干扰能力。
[0008] 由于无人机平台姿态变化大和摄像机晃动大，通常无人机视频图像抖动旋转变形 较为严重，目标形态变化大，目标被部分或完全遮挡，甚至因无人机平台姿态变化，目标突 然从视频场景中消失让后又重新出现，为了能对目标进行持续跟踪，这就要求机载摄像机 的无人机目标跟踪算法具有目标重检测功能和抗遮挡能力。
[0009] 此外，现有目标跟踪方法一般只是获取目标在视频图像上的像素坐标，无法获得 目标真实的高精度地理坐标，难以满足空中侦查、目标监视、实时定位等任务的需求。
[0010] 由上述可知，对无人机视频图像的目标锁定跟踪是一项充满挑战的任务，现有无 人机运动目标跟踪技术面临普适性的问题，难以对视频场景中的运动目标进行稳定持续的 跟踪。
【发明内容】
[0011] 针对现有技术存在的不足，本发明提供了一种更为稳健可靠的、地理信息时空约 束下的无人机运动目标跟踪与定位方法。
[0012] 为解决上述技术问题，本发明采用如下的技术方案：
[0013] 地理信息时空约束下的无人机运动目标跟踪与定位方法，包括步骤：
[0014] S1根据无人机P0S数据获得航摄像片的外方位角元素和外方位线元素；
[0015] S2结合高程数据对航摄像片进行几何校正得正射影像；
[0016] S3采用基础地理信息库中基准影像对正射影像进行精纠正，获得正射影像的几何 校正坐标和地理坐标的映射关系；
[0017] S4第一帧正射影像上框选待跟踪的目标，即初始目标；
[0018] S5对正射影像序列逐帧进行目标跟踪，具体为：
[0019] 5. 1根据基础地理信息库中道路矢量数据构建当前帧正射影像的道路缓冲区，对 目标和道路缓冲区做空间分析，确定目标所在的道路缓冲区；
[0020] 5. 2以目标所在的道路缓冲区为前景掩膜，输入初始目标，采用目标跟踪法在当前 帧正射影像的道路缓冲区内进行目标跟踪；
[0021] 5. 3以目标中心地理坐标及目标移动速度构建当前时刻的系统状态向量，以子步 骤5. 2所跟踪的目标中心地理坐标构建当前时刻的系统观测向量，采用卡尔曼滤波器修正 当前帧正射影像的目标跟踪结果；
[0022] 5. 4将当前帧正射影像所跟踪的目标作为下一帧正射影像的初始目标，重复执行 子步骤5. 1~5. 3 ;
[0023] S6拼接正射影像序列并显示目标运动轨迹。
[0024] 步骤S2中采用反解法数字微分纠正或间接法数字微分纠正进行几何校正。
[0025] 步骤S3进一步包括：
[0026] 由正射影像的几何校正坐标获得影像覆盖范围；
[0027] 根据影像覆盖范围从基础地理信息库中查询正射影像匹配的基准影像；
[0028] 对正射影像和其匹配的基准影像分别提取特征点；
[0029] 基于特征点对正射影像和其匹配的基准影像进行配准，获得正射影像的几何校正 坐标和地理坐标的映射关系。
[0030] 子步骤5. 2中采用TLD法在正射影像的道路缓冲区内进行目标跟踪。
[0031] 和现有技术相比，本发明具有如下优点和显著效果：
[0032] (1)针对无人机平台姿态变化大和摄像机晃动大的特点，将无人机视频图像进行 几何校正，校正待跟踪目标形变，并且将视频序列图像纳入统一的坐标系中，化运动背景为 静态背景，进行运动补偿，确保对目标稳定的跟踪。为摄像机运动补偿提供了新的技术方 案。
[0033] (2)引入先验地理信息约束目标跟踪处理范围，有效排除干扰，减少误检测，提高 跟踪可靠性与效率。结合先验地理信息辅助下的目标遮挡判断与Kalman滤波，修正目标跟 踪结果，提尚跟踪精度与可靠性。
[0034] (3)将视频图像与基准图影像图进行匹配，获取运动目标高精度的地理坐标，实现 目标高精度定位。
【附图说明】
[0035] 图1为本发明的具体流程图。
【具体实施方式】
[0036] 以下将结合附图和【具体实施方式】详细说明本发明技术方案。
[0037] 步骤1 :无人机POS (Position and Orientation System，定位定向系统）数据的 解析与重组。
[0038] 本步骤是根据P0S数据中姿态角和頂U几何中心位置获得航摄像片的外方位角元 素和外方位线元素，本步骤的实现过程为已有技术。
[0039] 惯性测量单元（IMU)可获得无人机姿态角，其通常采用HPR(即heading、pitch、 roll)系统，heading、pitch、roll分别是指偏航角、俯仰角、翻滚角。摄影测量领域则一 般采用0ΡΚ系统表示航摄像片的外方位角元素。所以要将頂U采样瞬间测定的姿态角 (Φ，Θ，Ψ)转换成摄影测量领域使用的外方位角元素
[0040] 可通过一系列坐标变换将姿态角（Φ，Θ，Ψ)转换成航摄像片的3个外方位角元 素（队机即按下述顺序依次进行坐标变换：地辅坐标系m -地心直角坐标系E -导航坐 标系g - IMU坐标系b -传感器坐标系c -像空间坐标系i。
[0041] 变换矩阵具体形式如下：
[0043] 式⑴中，if表示坐标系j变换到坐标系k的正交变换矩阵。
[0044] 将INS系统测定的頂U几何中心在地心直角坐标系E中的坐标（XIMU，Y_ Z: J转 换为外方位线元素，即摄影中心在地辅坐标系m中的坐标（Xs，Ys，Zs)，转换公式如下：
[0046] 式⑵中，（Xu yu ζ)表示偏心矢量，即摄影中心在頂U坐标系b中坐标； (X。，Υ。，Z。）为地辅坐标系m原点在地心直角坐标系E中坐标。
[0047] 本步骤的具体实现过程可参考文献：刘军，王冬红，张永生.GPS/INS系统HPR与 0ΡΚ角元素的剖析与转换[J].测绘科学，2006, 31 (5):54-56。
[0048] 步骤2 :结合平均高程、DEM数据、或DSM数据，对航摄像片进行几何校正，将航摄像 片变换为与地理坐标相一致的正射影像。
[0049] 本步骤实质为两个二维图像间的几何变换，常用方法有反解法数字微分纠正、间 接法数字微分纠正。
[0050] 反解法数字微分纠正进行几何校正的过程为：首先，依次计算正射影像上各正射 像元坐标；然后，按共线方程将正射像元反算到航摄像片；接着，对航摄像片进行灰度内 插，将灰度内插得到的灰度值赋给对应的正射像元。逐正射像元计算，直至所有正射像元都 赋予灰度值。
[0051] 由于需要逐正射像元计算，计算量大，效率低。考虑到航摄像片对应地面范围较 小，可以以"面元素"作为纠正单元。即在航摄像片上建立ηΧη大小的格网，对格网点像元 按共线方程严格进行数字微分纠正，各格网内部像元由格网四个角点按一次多项式内插进 行几何校正。这种方法以牺牲少量几何精度为代价换取计算效率的提高。
[0052] 本步骤的具体实现过程可参考文献：张剑清，潘励，王树根编著，摄影测量学，武汉 大学出版社，2009. 05 :217-220。
[0053] 步骤3 :基于基准