：
[0053]式中，1 = 0，1，2、」=0，1，2、1<: = 0，1，2，;[关」关1<:，当1=0，」=1，1<: = 2时01。，011，012 分别对应B，G，R通道，I为计算结果，类型是二值化图像。
[0054]本实施例中，首先，对img_SCene图像分离通道，并将B、G、R三通道转换为32位浮点 类型的图像，以方便于后面乘除法运算。以下通过B、G、R三通道所对应图像以及公式(2)，计 算得到&，C2，C 3，C4中间结果图像。Ci (1 = 1，2，3，4)图像中其每个像素通过B通道、R通道、G通 道所对应位置的像素值按公式(2)进行比值运算再减去1得到结果：
[0056]然后，将图像&，(：2，(：3，(：4像素值中大于0的部分像素保留，小于零的位置置为0，即 认为B通道中满足(B>R且B>G)，以及R通道中满足(R>B且R>G)的像素值强度达到我们要提取 的标准予以保留，其它像素值置为0。
[0057] 再后，定义Seg_img_blue(代替公式（1)中Ιο)和Seg_img_red(代替公式（1)中12)分 别为从各自通道中提取出蓝色和红色区域的结果为：
[0059] 本实施例中，公式(3)中使用的是通过乘法将Ci，C2，C3，C4两两合并，也可用逻辑与 等其他合并方法。公式(3)中的thresholdb及thresholdr函数为进行图像的阈值分割，其阈 值THRESHOLD_VALUE_B、THRESHOLD_VALUE_I^以分别从实验中获得。根据我们的实验，本实 例中取THRESHOLD_VALUE_B = 0 · 8、THRESHOLD_VALUE_R = 0 · 8。分别将Ci X C2 图像素值大于 X C4图像像素值大于THRESHOLD_VALUE_B的像素值置为1，其余的为 〇,所得就是我们需要的B通道和R通道中蓝色区域和红色区域所对应的二值图像Ml和M2，M1 和M2分别如图7和图8所示。
[0060] 最后，将通道图像Ml和M2转换回8位int类型Seg_img_B_int、Seg_img_R_int。该方 法用目标通道分别与另外两个通道的比值作为后续提取的基础来有效降低环境光线强弱 变化对检测结果的影响。
[0061] 2.针对本实例中标志物的标志B通道Seg_img_B_int存在我们需要的标志物边框 信息，用7*7的结构对B通道图像进行腐蚀和膨胀去除微小的噪点，结果如图9示。对B通道 Seg_img_B_int取连通域，使用f indContours，模式(mode)选择找到所有轮廓，包括大轮廓 里面的小轮廓，方法(method)选择获取所有轮廓像素。
[0062] 3 ·本实例中获取到的连通域数量contours_size>3(C0NT0URS_MIN1)，进行第一步 连通域去噪处理，定义可变长度数组将连通域按边界长短(边界像素的数量)从小到大排 序，取后80%的部分，也就是去掉边界比较短的20%连通域噪声，本实例中连通域数量 contours_size是5个(如图10所示），取边界最大的80%之后剩下4个连通域(如图11所示）。 [0063] 4.第一次去噪后如果连通域数量contours_size大于2(C0NT0URS_MIN2)，则根据 标志物图型的外接矩形boundingRect的长宽比进行第二步连通域去噪处理，将外接矩形的 长宽比进行排序，保留长宽比接近1的80%。在本实例中上一步剩下的4个连通域处理后的 结果如图12所示，减少了一个连通域，剩余3个连通域。
[0064] 假设剩余的连通域数量contours_size为n，将这η个连通域的凸包分别映射在到B 通道二值图像Seg_img_B_int和R通道二值图像Seg_img_R_int上，得到η对兴趣区，每对由 相应的Β通道和R通道的二值图像组成。在每一对兴趣区中分别对每个区域求像素和，分别 记为811111(13[1^])、811111(1?[1^])，1^=1，2，".，11，其比值为1^^6[10，将比值1^^6[1^]小于0.15的连 通域剔出，得到比较精确的目标区域结果：
[0066] 本实例中上一步剩下3个连通域，因此有3对兴趣区，兴趣区基于Β通道Seg_img_B_ int取得，可以预测噪声区域上述比值会很小，处理之后结果已经很理想，去掉了所有的噪 声区域且保留了目标区域，如图13所示。
[0067] 5.计算本帧中连通域的中心坐标Coordinates(以图像中心为原点），如图14所示。 本实例中使用连通域的外接矩形（boundingRect)的四个顶点的中心，定义本帧坐标为 currentcoo，（ currentcoo · X为横坐标，currentcoo · y为纵坐标）则
[0069] 式中，（boundingRect.x，boundingRect.y)为外接矩形左上角坐标， boundingRect .width为外接矩形的宽，boundingRect. height为外接矩形的高。本实例中到 这一步连通域只剩下一个，因此最后的坐标就是这个中心。本实例中时长为一分钟的视频 最终测试结果帧处理结果为单个坐标的比例达到80%以上，因此很容易能在某一帧得到正 确的结果。
[0070] 接下来的帧处理结果中用马尔科夫链原理:相邻帧之间的时间是很短的，标志物 图像的中心位置Coordinates具有很强的相关性，具体表现在前帧lastFrame标志物图像中 心lastcoo与本帧currentFrame中标志物图像中心currentcoo在帧中的相对距离distance 〈lastcoo，currentcoo〉很短。那么，后一帧图像中的标志物坐标即为与前一帧的坐标 lastcoo的距离最短的那个中心坐标点。
[0071]
[0072] 式中，（lastcoo ·χ, lastcoo .y)为前帧lastFrame标志物图像中心lastcoo的坐标， (currentcoo · X，current coo · y)为本帧 currentFrame 中标志物图像中心 current coo 的坐 标。
[0073] 以上所述，仅为本发明中的【具体实施方式】，但本发明的保护范围并不局限于此，任 何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在 本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。
【主权项】
1. 基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，所述标志物仅包括红绿蓝 中的任意两种颜色，其特征在于，包括W下具体步骤： 步骤1，无人机机载摄像头拍摄的视频信号通过图传设备实时传输至图像处理系统； 步骤2，图像处理系统对接收到的视频图像进行逐帖预处理，具体为： 201，将当前帖图像进行缩放，W满足实际需求;并对缩放后的图像进行通道分离，得到 各通道的二值化图像； 202,对步骤201所得的具有标志物边界信息的二值化图像进行腐蚀膨胀处理，并获取 其连通域； 203，对步骤202中获取的连通域进行去噪处理，具体为： a,若获取的连通域数目大于第一阔值，按照边界长度对连通域进行排序，滤除边界长 度不在有效边界长度范围内的连通域，若剩余连通域数目大于第二阔值，则进入步骤b，否 则进入步骤5; b，获取剩余连通域的外接矩形的长宽比，滤除外接矩形长宽比不在有效比值范围内的 连通域，进入步骤204; 204,将剩余连通域映射到对应标志物所含两种颜色的通道的二值化图像上，所得到的 区域作为兴趣区；对兴趣区内求像素和，获取每个连通域对应的一对兴趣区的像素和的比 值，若该比值小于第Ξ阔值，则删除对应的连通域，否则进入步骤6; 205，若步骤204中剩余连通域的数目等于1，则进入步骤3;若剩余连通域数目大于1，且 当前帖之前的各帖视频图像经过步骤201至204处理后的连通域剩余数目均大于1，则舍弃 当前帖图像，返回步骤201;若剩余连通域数目大于1，且当前帖之前的各帖视频图像经过步 骤201至204处理后的连通域剩余数目出现过等于1的情况，则进入步骤4; 步骤3，计算该连通域的中屯、坐标，该中屯、坐标即为目标标志物的坐标； 步骤4,计算各剩余连通域的中屯、坐标，并计算各个中屯、坐标与前一帖视频图像得到的 目标标志物坐标之间的相对距离，相对距离最短的中屯、坐标即为目标标志物的坐标。2. 根据权利要求1所述的基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，其 特征在于，步骤2中各通道的二值化图像为：式中，1 = 0，1，2〇 = 0，1，2、4 = 0，1，2，1辛占 '辛4，当1 = 0^' = 1，1^ = 2时邸〇，邸1，邸2分别 对应B，G，R通道;I功二值化图像。3. 根据权利要求1所述的基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，其 特征在于，步骤a中第二阔值小于第一阔值。4. 根据权利要求1所述的基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，其 特征在于，步骤204中第Ξ阔值为0.15。5. 根据权利要求1所述的基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，其 特征在于，步骤a中第一阔值为3。
【专利摘要】本发明公开了一种基于标志物颜色及轮廓检测的无人机自动寻的着陆方法，以机载摄像机实时采集到的视频图像为对象，自动地较准确地检测目标在图像中的位置，进而计算出目标在图像中的坐标以及无人机和目标的相对距离。该方法以标志物图形的颜色特征和形状轮廓的形态特征作为判断依据，可以实时地对标志物图形进行检测，进而实时计算标志物的坐标，检测结果准确率高，对无人机自动寻地着陆具有重要的应用价值。
【IPC分类】G06K9/46
【公开号】CN105550692
【申请号】CN201511017341
【发明人】白晓东, 吉利, 马曙晖, 张珺蓉, 吕晨飞, 赵来定, 谢继东, 肖建
【申请人】南京邮电大学
【公开日】2016年5月4日
【申请日】2015年12月30日