一种基于单目视觉系统的多尺度空-地参数自动标定方法
【技术领域】
[0001] 本发明属于无人机自主环境感知技术领域，涉及到一种小型飞行器基于机载单目 视觉系统的多尺度空-地参数自动标定方法。
【背景技术】
[0002] 视觉传感器是无人机实现环境感知的主要设备之一，其具有实时采集图像功 能。无人机基于机载单目视觉可实现航拍、目标检测、跟踪以及场景理解等功能，实现无 人机上述功能，必须首先完成基于单目视觉的多尺度空-地参数的自动标定。文献（Wang IH,DobrokhodovVN,KaminerII,etal."Onvision-basedtargettrackingand rangeestimationforsmallUAVs" ·ProceedingsofAIAAGuidance,Navigationand ControlConference. 2005)提出了一种小型飞行器基于单目视觉的地面移动目标实时检 测与跟踪算法，为了给出被跟踪地面目标的运动轨迹，该系统假设飞机与地面目标的相对 距离为事先给定的规定值。但如果无人飞行高度是实时变化的，那么该系统将不能计算出 地面目标的运动信息。实际飞行中的无人机高度总处于不断变化中，为了在这种工作条 件下仍能完成地面目标参数的估计，文献（毛昭军，汪德虎，姿态测量/激光测距的无人机 目标定位模型，火力与指挥控制，2003年05期）通过激光传感器以某一固定脉冲间隔对 目标连续测距，并将测距数据与无人机的位姿信息（航向角、倾斜角、俯仰角）相融合来建 立定位数学模型，从而完成对地面目标的精准定位。但由于并未提供可行的标定方法来 提供飞行高度、目标几何参数以及图像分辨率三者之间的具体对应关系，因此无法用于地 面目标参数的在线估计。为了获取地面物体的尺寸信息，文献（StefanikKV，GassawayJ C,KochersbergerK,etal. "UAV-basedstereovisionforrapidaerialterrain mapping. "GIScience&RemoteSensing, 2011，48(1) :24-49.)采用基于视差原理的双目视 觉系统来获取被测物体的双目视觉图像，并通过计算图像对应点间的位置偏差来估计地面 物体的三维几何信息。该方法可以准确提取目标物体的空间参数，但由于双目视觉系统质 量大且性价比低，并不适用于载荷有限的近地面小型飞行器。
[0003] 无人机要准确计算地面物体（例如车辆、树木）的空间参数或地面环境参数（如 道路、河道宽度），必须要解决对地面特定目标信息的在线估计问题。该问题的本质是提供 一种可行的标定方法来获得飞行器飞行高度、地面物体几何参数、图像分辨率三者之间的 关系。为了实现这一功能，本发明提出了一种基于单目视觉的小型飞行器多尺度空-地参 数自动标定方法，从而为无人机基于单目视觉的目标检测、在线跟踪及场景理解提供技术 保障。
【发明内容】
[0004] 为解决现有技术的不足，本发明提供一种基于单目视觉的小型飞行器多尺度 空-地参数标定方法。本发明以小型飞行器作为运动载体，以单目视觉传感器以及气压传 感器作为测量装置，以机载计算机作为数据收集及处理平台，完成飞行器飞行高度、地面物 体几何参数、图像分辨率三个相互关联的空-地参数的在线标定。
[0005] 本发明的技术方案为：
[0006] 采用自制的标定板为标定工具，视觉传感器在空中对地面环境进行图像采集得到 序列图像，微型计算机根据接收到的图像数据，对图像数据进行二值化、边缘提取和查找轮 廓、计算最小外接矩形等预处理；以预处理后的图像为基础，进行去噪处理，提取出属于标 定板的特征点，识别出标定板后，得到标定板的内外矩形长度和宽度的像素个数；微型计算 机接受飞行器上气压传感器测得的飞行高度数据，在图像中描绘出像素个数与实际距离的 比值和飞机飞行高度的关系曲线，由曲线便可以得到地面物体几何参数数据，完成小型飞 行器多尺度空-地参数自动标定，其中图像分辨率能够影响地面物体几何参数数据。
[0007] 技术方案具体包括以下步骤：
[0008] 第一步，制作标定板，对图像进行数据采集
[0009] 针对视觉传感器图像采集特性，选用深色材料，自主设计回形标定板，标定板的内 外边框的长宽比相同，便于后续标定板角点的识别，标定板样式如图1所示；通过小型飞行 器上的单目视觉传感器采集标定板及标定板附近图像信息，每一个图像像素对应一个灰度 值，用整型数字〇到255表示，系统通过图像处理，可识别出标定板上内外边缘的八条线段， 保证了算法的鲁棒性和结果的准确性。
[0010] 第二步，通过机载单目视觉传感器采集图像信息，对图像信息进行预处理
[0011] 2. 1对采集的图像信息按公式（1)进行二值化预处理，将标定板突显出来，得到二 值化图像
[0012]
[0013] 其中，g'i为二值化后的像素灰度值，皮是单幅图像所有像素点的灰度均值，匕为 灰度调节阈值。图2为采集到的图像数据示意图，图3为该图像数据二值化后的结果。
[0014] 2. 2利用Canny算子对二值化图像进行边缘提取
[0015]由于使用Canny算子时会检测到图像真实边缘，伪边缘基本会被排除掉。通过 Canny算子提取的图像边缘准确，对边缘不会造成双重检测。
[0016]首先，利用环形二维高斯函数对图像进行平滑处理，令f(x，y)表示待处理图像，G(x，y)表示高斯函数，用G(x，y)和f(x，y)的卷积形成一幅平滑后的图像匕〇^):
[0017]
[0018]fs(X，y) =G(X，y)*f(x，y) (3)
[0019]最后，计算梯度值和方向角：
[0022] 其中，x表示沿横坐标方向的像素位置：y表示沿纵坐标方向的像素位置；
M(x，y)表示梯度值；α(X，y)表示方向角。
[0023] 对方向角和梯度值设定阈值进行边缘提取，得到二值化图像若干边缘轮廓。为了 保留局部梯度最大的点，需要抑制非极大值，设置双阈值对边缘进行检测连接。图3为提取 轮廓后的示意图。
[0024] 2. 3查找轮廓，计算最小外接矩形
[0025] 对第二步2. 2得到的若干边缘轮廓进行轮廓的查找，用如下算法实现：先查找轮 廓上两个最远的点，然后将两个点连成一个线段，接着查找轮廓上到线段距离最远的点，将 查找到的最远的点与之前的两个点相连，得到新轮廓，算法反复迭代，不断将最远的点添加 到轮廓中，直到所有的点到多边形的最短距离小于某一特定值（特定值为具体人为设定的 像素个数），得到轮廓上若干个点。步骤如图4所示。
[0026] 将查找到的轮廓上的若干个点两两组合，将每个组合中的两个点连接起来，保留 连线可以把其余点分成两边的组合，接着分别查找两边距连线最远的点，且保证由这四个 点围成的外接矩形可包围轮廓上所有的点。筛选出满足上述条件的多个矩形，接着查找面 积最小的矩形，即轮廓的最小外接矩形。图5为框选出最小外接矩形后的示意图。
[0027] 第三步，标定板识别
[0028] 对第二步2. 3得到多个轮廓的最小外接矩形，把这些矩形轮廓信息存储起来，根 据被保留的最小外接矩形的长宽比、矩形的周长比、矩形的中心点关系进行筛选。
[0029] 根据所述矩形长宽比m:n设置长宽比阈值区间（m+k) :n到m: (n-k)，k的取值
对矩形的长宽比进行筛选；接着将筛选出的矩形轮廓两两组 合，根据所述矩形周长比a:b设置周长比阈值区间（a+c) :b到a: (b-c)，c的取值区间为
,对矩形的周长比进行筛选；最后以两个矩形的中心点关系进行筛选，即 因为标定板的内外矩形的中心点是相同的，分别计算两个矩形的中心点，并将两个中心点 距离为d个像素之内的矩形组合保留下来，d的取值区间为[5,10]。当满足条件的矩形组 合有且只有一组时，记录为一组有效数据，完成标定板的识别，得到标定板的内外矩形长度 宽度的像素个数。根据标定板的矩形轮廓的有效数据计算出图像数据中像素个数与实际距 离的比值。图6即最后将标定板框选出来的结果。
[0030] 第四步，小型飞行器多尺度空-地参数标定
[0031] 用光滑的曲线将飞行高度数据和第三步得到的像素个数与实际距离的比值结合， 以高度为横坐标，以像素个数与实际距离的比值为纵坐标，并将离散数据通过光滑的曲线 连接起来，由曲线得到地面物体几何参数数据，完成小型飞行器多尺度空-地参数自动标 定。
[0032] 通过机载微型计算机，使气压传感器与视觉传感器在同一时刻采集数据，然后将 视觉传感器采集的图像与气压传感器采集的高度一一匹配，每组数据包括：通过气压传感 器采集的高度数据，经过图像处理算法计算得出的标定板中心点位置，像素个数与实际距 离的比值。由于视觉传感器的光学元件是凸透镜，存在近大远小的现象，参数标定的结果 会因为标定板位于图像中的位置产生不同的偏差，把图像信息分成多个区域，根据单