一种空间光束指向方法、系统及存储介质与流程

本发明涉及空间定位领域，具体涉及一种空间光束指向方法、系统及存储介质。

背景技术：

随着无线通信技术的发展和业务的增长，人们对通信带宽的需求不断提高，但由于传统射频频段的频谱资源非常有限并且需要高价购买，人们逐渐将研究方向转到更高频段，如毫米波、太赫兹，甚至光谱的范围。光通信的带宽资源丰富(约200thz)，光谱频段内无需申请和付费，无线光通信还拥有一些传统射频通信所没有的优势，如可兼顾通信与照明；可见光通信范围易控制，减小被窃听的可能；没有电磁辐射等。

对于地面短距离自由空间光通信而言，因为存在大气扰动，环境震动甚至目标低速移动的原因，仍然需要采用捕获、跟踪和瞄准(atp)系统来完成信道的建立。快速自动地捕获并跟踪目标是信息传输的基础。常见捕获方式一般基于信标光在目标区域内的扫描(逐行/隔行/螺旋等策略)实现，适合于较小的视场，且耗时较长。

技术实现要素：

针对现有技术的不足，本发明提出了一种空间光束指向方法、系统及存储介质。

本发明的目的可以通过以下技术方案实现：

一种空间光束指向方法，包括以下步骤：

在双目摄像头之间布置扫描振镜；

布置光束发射器，向所述扫描振镜发射光束，通过振镜反射后指向目标；

构建能够根据图像识别所述目标的神经网络；

将所述双目摄像头捕获的图像输入所述神经网络，当神经网络同时在双目摄像头提供的图像中均识别出所述目标时，分别读取此时目标在所述图像中的像素坐标；

根据两个像素坐标与实际位置的关系求得所述目标在三维坐标系下的实际坐标；

将所述实际坐标转化为扫描振镜坐标系下的坐标，获得所述扫描振镜的偏转角度，使得所述光束指向所述目标。

可选地，双目摄像头通过相同的时钟信号驱动。

可选地，通过输入标注所述目标位置信息的图片以训练所述神经网络。

可选地，通过构建能覆盖所述图片中的目标的最小矩形框，记录所述矩形框左上角和右下角的像素坐标点，以表征所述目标的位置信息。

可选地，所述位置信息存储在json或xml格式的文件中。

可选地，所述神经网络为vgg16。

可选地，所述扫描振镜坐标系为以光束射出点为原点的任意空间坐标系。

一种空间光束指向系统，包括：

双目摄像头；

布置所述双目摄像头之间的扫描振镜；

光束发射器，发射光束通过所述扫描振镜反射后射出；以及

控制模块，装载有能够识别所述目标的神经网络；

其中，所述神经网络获取所述双目摄像头采集的图像，并从所述图像中识别所述目标；

当神经网络同时在双目摄像头提供的图像中均识别出所述目标时，分别读取此时目标在所述图像中的像素坐标；

根据两个像素坐标与实际位置的关系求得所述目标在三维坐标系下的实际坐标；

将所述实际坐标转化为扫描振镜坐标系下的坐标，获得所述扫描振镜的偏转角度，所述控制模块控制所述扫描振镜按所述偏转角度偏转，使得所述光束指向所述目标。

可选地，所述双目摄像头、扫描振镜与光束发射器均安装在可活动的安装平台上。

一种计算机可读的存储介质，存储有指令，所述指令执行时能够实现上述的指向方法。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明的一个示例的系统结构示意图；

图2为本发明的一个示例中的坐标布置位置示意图。

图中各标号对应的部件图下：

1、安装平台；2、光束发射器；3、第一摄像头；4、扫描振镜；5、第二摄像头；6、光束射出点；7、发射光束；8、反射光束；9、目标。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的一个示例中，提供了一种空间光束指向系统，包括双目摄像头、布置所述双目摄像头的第一摄像头3与第二摄像头5之间的扫描振镜4、光束发射器2以及控制模块。光束发射器2发射光束7通过所述扫描振镜4反射后射出，即为需要提供指向的光束。

其中，上述的控制模块装载有能够识别所述目标9的神经网络。为了获得能够识别目标9的神经网络，可以进行有目的的神经网络模型训练。针对于神经网络模型，例如可使用基于深度学习的卷积神经网络，同时基于效率和实时性的考虑，可以选用ssd或者yolo网络，它们都是通过组合不通尺寸的卷积层、池化层和全连接层实现一步检测的功能。通过训练，目标9检测网络可以高效识别特定的目标9。可以标注双目摄像头拍摄的目标9图片，标注的方法例如为，使用一个能覆盖目标9整体的最小矩形框来体现目标9在图片中的位置，记录下该矩形框左上角和右下角的像素坐标点，并以通用的格式，例如为json或者xml，保存在文件中供读取使用。训练时神经网络同时读取图片和矩形框坐标信息，重点对矩形框中的图形提取特征并最终形成供检测使用的参数模型。该参数模型可以保存在可读取的存储介质中，在识别对应的目标9时，能够调用相应的参数执行识别。

扫描振镜4可以是包括由音圈电机控制的两个反射镜片，将光束发射器2的射出光束7偏转后反射出去。而双目摄像头可以是由两个单目摄像头集成在一起的，并可以将两个摄像头配置为具有相同的光学参数。

本示例中的扫描振镜4、光束发射器2以及双目摄像头可以安装在一个安装平台1上，为了方便后面的位置计算与坐标转换，例如可以将扫描振镜4固定在双目摄像头的第一摄像头3与第二摄像头5的连线的中点处。为了方便直角坐标系的构建，还可以将光束发射器2放置在使入射光线与两个摄像头的连线垂直，因而不限于本示例的图示中光束发射器2竖直布置的方式。另外，搭载扫描振镜4、光束发射器2以及双目摄像头的安装平台1可以是活动的，使扫描振镜4及双目摄像头可以对周遭的空间执行扫描，以捕获目标9。

在神经网络执行图像识别的过程中，为了表达目标9在所输入的图形中的位置，可以构建二维坐标系，举例而言，可以是直角坐标系。因此，经过神经网络处理后，可以输出双目摄像头的两个摄像头捕获的图像中目标9的二维坐标(u1,v1)和(u2,v2)。

双目摄像头进行标定时获得的投影矩阵为：

构建三维坐标系以表达目标9的具体位置，在本示例中，三维坐标系是以双目摄像头的一个摄像头为原点的空间直角坐标系。则根据空间几何关系，像素坐标(u,v)与实际坐标(xw，yw，zw)之间的关系如下：

其中，zc是目标9在相机坐标系下的z轴坐标。整理后获得方程组如下：

由于未知量个数少于方程式数量，可通过最小二乘法获得最优解(xt,yt,zt)，即为目标9在双目摄像头坐标系下的实际坐标。

其中，zc是目标9在相机坐标系下的z轴坐标。整理后获得方程组如下：

由于未知量个数少于方程式数量，可通过最小二乘法获得最优解(xt,yt,zt)，即为目标9在上述的三维坐标系下的实际坐标。

通信光束最终需要由扫描振镜4进行指向，因此需要将目标9在上述的三维坐标系下的坐标(xt,yt,zt)转化为扫描振镜4坐标系下的坐标(x’t，y’t，z’t)，而扫描振镜4坐标系原点可以是反射光束8的光束射出点6。举例而言，可以采用下列步骤：通过测量扫描振镜4坐标原点与上述三维坐标原点的几何关系，获得扫描振镜4坐标原点在上述的三维坐标系下的坐标(o'x，o'y，o'z)，(x’t,y’t,z’t)满足下列关系：

通过扫描振镜4坐标系下的坐标，可由下式获得振镜在水平和俯仰方向上的旋转角度：

θx＝arctan(x't/z't)

θy＝arctan(y't/z't)

通过控制模块，控制扫描振镜4在水平和俯仰方向上的两个音圈电机旋转角，便可以将偏转后的反射光束8直接指向目标9。

此外，在本发明的一些示例中，还公开了一种计算机可读的存储介质，存储有指令，这种指令可以是一种计算机可识别的语言。所述指令执行时能够实现上述的指向方法。

上述示例所称的计算机可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机可以是台式机、便携式电脑、网络服务器、掌上电脑(personaldigitalassistant，pda)、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。所述的存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。举例而言，所述的存储介质例如为但不限于磁性介质(例如：软盘、硬盘、磁带)、光介质(例如：数字通用光盘(digitalversatiledisc，dvd))、或者半导体介质(例如：固态硬盘(solidstatedisk，ssd))等。

上述示例中所称的系统以及系统执行光束指向的方法能够应用在光通信设备上。

上述示例中的神经网络可以是一种算法模型，其模型参数能够根据外部输入用于训练的图像进行调整，最终获得识别目标9的模型。举例而言，上述神经网络可以是vgg16。双目摄像头可以直接采集视场内的图像，也可以通过采集视频流后转换所得的图像。针对于本发明中的各坐标系的构建，图2仅仅是给出了坐标系构建的示例，由于坐标系的构建是为了方便表示目标9的空间位置，因此各坐标系方向与原点的布置不做其他限制，也不应当将图2中的各个坐标的y轴理解为绝对垂直于实际水平面的轴线。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。