一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法
【专利摘要】本发明涉及一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，属于定位导航与控制技术领域。本方法包括如下步骤：(1)根据前一帧目标的位置及尺度在前一帧目标位置附近区域采集样本，并提取样本的压缩特征；(2)利用贝叶斯分类器判断得到当前帧目标的位置区域；(3)提取前后两帧图像目标区域上SIFT特征点，并以SIFT特征点间距离变化率作为相邻帧图像跑道区域尺寸的变化率；(4)引入SIFT特征点模值作为跑道区域尺寸变化率的权值，得到最终跑道区域尺度变化率；(5)更新跑道区域尺度，并在当前帧目标区域邻近范围内采集正负样本，训练更新分类器。本发明提高了跑道跟踪的实时性和准确性。
【专利说明】
-种面向固定翼无人机着陆的快速变尺度跑道跟踪方法
技术领域
[0001] 本发明设及一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，属于定位导 航与控制技术领域。
【背景技术】
[0002] 随着机器视觉技术发展及其在多个领域成功应用，近年来将视觉技术用于无人飞 行器自主导航得到广泛研究。固定翼无人机飞行速度高，在着陆过程中跑道在视觉传感器 的视野中尺寸不断变大，而且变化率不恒定，与无人机的速度及无人机与跑道的相对距离 相关。无人机速度越快，则变化率越大，无人机距离跑道越近，变化率越大。故此，实现快速 变尺度跑道跟踪是固定翼无人机基于视觉导航成功着陆的关键。
[0003] Xiaobing Wang等人利用跑道的边缘特性对跑道进行检测和跟踪。文中利用改进 的canny方法进行边缘检测，并使用化U曲变换求取边缘直线的表示。由于化U曲变换运行速 度较慢，该跟踪方法并不能实现对跑道的快速跟踪。近年来有许多快速跟踪方法，如Zhang 等人提出的基于压缩感知的快速跟踪算法。压缩跟踪算法利用随机测量矩阵在多尺度图像 特征空间提取目标外观模型，用相同的随机测量矩阵提取测试样本的特征，使用二值分类 器跟踪目标区域。Zhang提出的跟踪算法是目前最快速有效的跟踪方法之一。但在算法中相 邻帖之间采样样本的尺寸是W恒定的变化率革策遗摩变化。但是，无人机着陆过程中跑 道在视觉传感器中获得的图像中的尺寸相邻帖之间变化率不是恒定的。在着陆初期，无人 机距离跑道1千米W上时，相邻帖跑道在图像中的尺度变化很小，可W忽略不计，而无人机 相距跑道较近(在500米W内时），此时变化率较大，而且无人机的速度也会影响到相邻帖的 变化率。经实验，采用Zhang的算法进行跑道跟踪时，跑道区域的尺寸几乎不变，最终算法会 跟踪到跑道的局部区域。故此采用Zhang提出的多尺度策略并不能有效地跟踪跑道。
【发明内容】
[0004] 本发明提出了一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，在压缩跟 踪的基础上，改进跟踪框尺度变化方法，实现在着陆过程中对跑道的鲁棒多尺度跟踪，即跟 踪算法得到的目标区域大小适应跑道尺寸的变化。
[0005] 本发明为解决其技术问题采用如下技术方案： 一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，包括如下步骤： (1) 根据前一帖目标的位置及尺度在前一帖目标位置附近区域采集样本，并提取样本 的压缩特征； (2) 利用贝叶斯分类器判断得到当前帖目标的位置区域； (3) 提取前后两帖图像目标区域上SIFT特征点，并WSIFT特征点间距离变化率作为相 邻帖图像跑道区域尺寸的变化率； (4) 引入SIFT特征点模值作为跑道区域尺寸变化率的权值，得到最终跑道区域尺度变 化率； (5)更新跑道区域尺度，并在当前帖目标区域邻近范围内采集正负样本，训练更新分类 器。
[0006] 所述步骤（1)具体实现过程如下：W前一帖目标位置为圆必，队片=赶游如2 +妒 为半径进行采样，其中W、A分别为前一帖目标区域的宽度和高度，然后根据压缩跟踪算法 提取出样本的压缩特征。
[0007] 所述步骤(3)具体实现过程如下:首先分别提取前后两帖图像目标区域中的SIFT特 征点并进行匹配，得到两组对应的点集，分别记为S:=;i婚風，...端…站，疾=格鳥，…，為...留)， 其中巧与超为前后两帖目标区域中相匹配的SIFT特征点，η为成功匹配的特征点对数;相邻 两帖目标区域在X轴方向与y轴方向尺度变化率載'。^，1??分别为
其中杰贤三|麵^龄II，蘇巧I敦-策I分别点集S中任意两特征点巧，髮在X轴y轴方向上 的距离，.霉:si |[蹲:-錦I、:臻社I燦-麵I则为点集惠:'中相匹配的特征点4、||在X轴y轴方向 的距离。
[000引所述步骤(4)具体实现过程如下：在变化率中引入特征点的模值m作为权值，即将 两特征点的距离乘W此两特征点的模值后代入到变化率计算式中，则相邻两帖图像目标区 域在X轴y轴方向的变化率为：
其中，";戸/为特征点辕、镑的模值，端、竭为特征点喃、璋的模值。
[0009] 所述步骤巧）中所述邻近范围，其指正样本的采样范围是W当前帖目标位置为圆 屯、，W5个像素即r=5为半径；负样本采样范围W当前帖目标位置为圆屯、，在距离圆屯、位置距 离大于化斜且小于化日的区域，其中w，h分别为当前帖目标区域的宽 度和局度。
[0010] 本发明的有益效果如下： (:1)提高了跑道跟踪的实时性； 本发明采用压缩特征，将高维的目标特征转变为低维的特征，极大降低了算法的耗时。 同目前的已有跑道跟踪算法相比，本发明的跑道跟踪算法在实时性具有明显的优势。
[00川控）提高了跑道跟踪的准确性； 跑道跟踪的结果将由无人机视觉导航系统进行进一步处理得到无人机的导航信息，为 此跟踪结果必须包含完整的的跑道。本发明实现了对跑道的多尺度跟踪，经实验证明在着 陆过程中跟踪结果包含完整的跑道区域，提高了跟踪结果的准确性。
[001^ 搜具有较强的鲁棒性； SIFT特征具有较强的鲁棒性，本发明在此基础上引入SIFT的模值作为权值，提高了尺 度变化率的准确性，进一步增强了算法的鲁棒性。
【附图说明】
[0013] 图1是面向固定翼无人机着陆快速多尺度跑道跟踪算法流程图。
【具体实施方式】
[0014] 下面结合附图对本发明创造做进一步详细说明。
[0015] 图1为本发明面向固定翼无人机着陆快速多尺度跑道跟踪方法的【具体实施方式】。 首先由其他方式得到测试序列图像第一帖图像目标的位置及其尺寸，对目标区域跟踪框初 始化，然后读入第一帖图像提取目标区域内的SIFT(尺度不变特征变换)特征，同时在此过 程中进行压缩跟踪算法的初始化如分类器的初始化。读入下一帖图像，利用压缩跟踪算法 得到运一帖图像的目标区域，提取目标区域内的SIFT特征点，并与前一帖图像目标区域的 特征点进行匹配，得到相应的特征点集S，S，求得目标区域在X轴y轴方向的变化率，利用变 化率对目标区域的尺寸进行更新。同时随机测量矩阵的大小也要根据目标区域的尺寸变化 而变化。
【主权项】
1. 一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，其特征在于，包括如下步 骤： (1) 根据前一帧目标的位置及尺度在前一帧目标位置附近区域采集样本，并提取样本 的压缩特征； (2) 利用贝叶斯分类器判断得到当前帧目标的位置区域； (3) 提取前后两帧图像目标区域上SIFT特征点，并以SIFT特征点间距离变化率作为相 邻帧图像跑道区域尺寸的变化率； (4) 引入SIFT特征点模值作为跑道区域尺寸变化率的权值，得到最终跑道区域尺度变 化率； (5) 更新跑道区域尺度，并在当前帧目标区域邻近范围内采集正负样本，训练更新分类 器。2. 根据权利要求1所述的一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，其 特征在于所述步骤（1)具体实现过程如下：以前一帧目标位置为圆心 为半径进行采样，其中神:、$.分别为前一帧目标区域的宽度和高度，然后根据压缩跟踪算法 提取出样本的压缩特征。3. 根据权利要求1所述的一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，其 特征在于所述步骤(3)具体实现过程如下：首先分别提取前后两帧图像目标区域中的SIFT 特征点并进行匹配，得到两组对应的点集，分别记为夕= ，，其中ft与嚴|为前后两帧目标区域中相匹配的SIFT特征点，η 为成功匹配的特征点对数；相邻两帧目标区域在X轴方向与y轴方向尺度变化率 分别为：其中.?口 夂爲I，_戸|沒一:關 的距离，_ |_:一 __ :3? = :则为点集< 中相匹配的特征点_、_在乂轴y轴方向 的距离。4. 根据权利要求1所述的一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，其 特征在于:所述步骤(4)具体实现过程如下:在变化率中引入特征点的模值m作为权值，即将 两特征点的距离乘以此两特征点的模值后代入到变化率计算式中，则相邻两帧图像目标区 域在X轴y轴方向的变化率为：其中ns￡、m%为特征点_; ||的模值，祕、域为特征点S的模值。5.根据权利要求1所述的一种面向固定翼无人机着陆的快速变尺度跑道跟踪方法，其 特征在于:所述步骤(5)中所述邻近范围，其指正样本的采样范围是以当前帧目标位置为圆 心，以5个像素即r=5为半径;负样本采样范围以当前帧目标位置为圆心，在距离圆心位置距的区域，其中w，h分别为当前帧目标区域的宽 度和高度。
【文档编号】G06T7/20GK105825523SQ201610136685
【公开日】2016年8月3日
【申请日】2016年3月11日
【发明人】曹云峰, 胡运强, 丁萌, 庄丽葵
【申请人】南京航空航天大学