一种基于预测分析的摄像稳定控制方法与流程

本发明涉及摄像控制技术领域，尤其涉及一种基于预测分析的摄像稳定控制方法。

背景技术：

稳定平台多被用于易发生横摇、纵摇、艏摇等情况的船舶上，亦可应用于日常用到的相机稳定装置等。它们均是通过对外界所有速度、角速度等信息的采集来实时地调整设备姿态以抵消外界环境的转动或者位移。外界环境的速度和角速度变化是复杂多变的，但有的时候其某个方向的加速度或者角加速度历程具有弱规律性甚至强规律性。例如船舶匀速行驶时，船舶相对z轴的位移-时间历程和速度-时间历程基本呈类三角函数分布；或者人在跑步时其身体某点的运动的六个自由度上相应的速度、加速度时间历程也具有周期性规律。

技术实现要素：

针对现有技术中存在的问题，本发明的目的在于提供一种基于预测分析的摄像稳定控制方法，主要针对于摄像设备处在周期性激励下的成像不稳定，可提高在周期性外界激励下摄像设备录制的有效性。

为达到上述目的，本发明采用以下技术方案予以实现。

一种基于预测分析的摄像稳定控制方法，包括以下步骤：

步骤1，连续采集某一时间点前摄像设备的x、y、z三个轴向的加速度和角速度；

步骤2，根据采集得到的三个轴向的加速度和角速度对摄像设备在所述某一时间点前的运动进行分析，确认摄像设备在所述某一时间点前是否处于周期性的外界激励作用之下；如果是，进行下一步骤；

步骤3，根据某一时间点前的摄像设备运动的周期性，预测某一时间点之后的运动情况，根据预测结果获得预测控制结果，并对摄像设备进行控制。

本发明技术方案的特点和进一步的改进在于：

(1)步骤2包含以下子步骤：

子步骤2a，将采集得到的三个轴向的加速度和角速度进行放大信号和滤波去除噪声；

子步骤2b，取多个不同时间段长度，在每个时间段长度中分别等距取n个时间点，读入处理器中；

子步骤2c，处理器对多个时间段内的各n个时间点的数据进行周期性判断。

其中，所述多个不同时间段为3个。

(2)步骤3包含以下子步骤：

子步骤3a，建立三个加权系数矩阵，用于对三个轴向所采集到的加速度和角速度数据进行加权相加；

子步骤3b，对加权后得到的三组数据进行曲线拟合，得到在所述某一时间点之前的三个时间段内的各轴向加速度和角速度的时间历程；

子步骤3c，根据三个时间段内的各轴向加速度和角速度的变化，预测摄像设备在所述某一时间点之后的运动情况，得到预测控制输出矩阵，控制摄像设备保持稳定。

其中，子步骤3a中，三个加权系数矩阵之和为一个固定的矩阵。

(3)采用三轴陀螺仪连续采集某一时间点前摄像设备的x、y、z三个轴向的加速度和角速度。

(4)步骤2中，如果否，进行步骤4：获取实时控制结果，将预测控制结果和实时反馈控制结果结合，获取最终控制结果，并对摄像设备进行控制。

所述将预测控制结果和实时反馈控制结果结合，具体为：分别建立预测控制结果加权系数矩阵和实时反馈控制结果加权系数矩阵，用于对所述预测控制结果和实时反馈控制结果进行加权相加。

与现有技术相比，本发明的有益效果为：

本发明的基于预测分析的摄像稳定控制方法，主要针对摄像设备处在周期性激励下的成像不稳定，通过对某一时间点前一时间段内外界激励的分析，预测该时间点之后的激励情况，基于预测结果给出控制策略，可提高在周期性外界激励下摄像设备录制的有效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的基于预测分析的摄像稳定控制方法的一种实施例的预测控制数据流程图；

图2是本发明的基于预测分析的摄像稳定控制方法的一种实施例的x方向的加速度预测图；

图3是本发明的基于预测分析的摄像稳定控制方法的一种实施例提供的预测控制和反馈控制流程图；

图4是本发明的基于预测分析的摄像稳定控制方法的一种实施例中三周稳定器的结构图。

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。

本发明实施例提供一种基于预测分析的摄像稳定控制方法，通过三轴陀螺仪采集外界激励，包括轴向角加速度和姿态角速度变化的时间历程，采样频率根据精度需求调整；所采集到的数据经由信号放大电路和滤波电路对信号进行放大滤波，本实例中选用mems(微电机系统)陀螺仪芯片，它可以测量六个方向的运动、加速度、角度变化，而芯片核心中的另外一部分则可以将有关的传感数据转换为处理器可以识别的数字格式。

具体的，

基于预测分析的摄像稳定控制方法按照以下步骤进行：

步骤1，连续采集某一时间点前摄像设备的x、y、z三个轴向的加速度和角速度。

步骤2，根据采集得到的三个轴向的加速度和角速度对摄像设备在所述某一时间点前的运动进行分析，确认摄像设备在所述某一时间点前是否处于周期性的外界激励作用之下；如果是，进行下一步骤；如果否，返回步骤1。

步骤2包含以下子步骤：

子步骤2a，将采集得到的三个轴向的加速度和角速度进行放大信号和滤波去除噪声；

子步骤2b，取3个不同时间段长度，在每个时间段长度中分别等距取n个时间点，读入处理器中；

子步骤2c，处理器对3个时间段内的各n个时间点的数据进行周期性判断。

步骤3，根据某一时间点前的摄像设备运动的周期性，预测某一时间点之后的运动情况，根据预测结果获得预测控制结果，并对摄像设备进行控制。

步骤3包含以下子步骤：

子步骤3a，建立三个加权系数矩阵，用于对三个轴向所采集到的加速度和角速度数据进行加权相加；

子步骤3b，对加权后得到的三组数据进行曲线拟合，得到在所述某一时间点之前的三个时间段内的各轴向加速度和角速度的时间历程；

子步骤3c，根据三个时间段内的各轴向加速度和角速度的变化，预测摄像设备在所述某一时间点之后的运动情况，得到预测控制输出矩阵，控制摄像设备保持稳定。

步骤2中，如果否，进行步骤4：获取实时控制结果，将预测控制结果和实时反馈控制结果结合，获取最终控制结果，并对摄像设备进行控制。

其中，所述将预测控制结果和实时反馈控制结果结合，具体为：分别建立预测控制结果加权系数矩阵和实时反馈控制结果加权系数矩阵，用于对所述预测控制结果和实时反馈控制结果进行加权相加。

示例性的，参考图1，

连续采集t＝0时刻之前摄像设备的x、y、z三个轴向的加速度和角速度；x方向加速度时间历程如图2所示。在t＝0时刻时，对此时刻之前的信号在放大滤波之后由采样模块进行采样，取三个不同时间段(时间段应根据外界环境激励的周期自适应或者预先调整)以适应不同频率的外部激励。在三个时间段内均采样100个点，采集时每个时间点最多包含六个数据：根据这三组点数据建立三个数据矩阵：

上式中三个矩阵的每一行表示某一个时间点的六个自由度的数据，每一列表示在该时间段内某个自由度变量的时间历程。根据图2可以看出，在t1和t2时该运动没有明显的周期性，而在t3时可明显观察到该运动的周期性，根据每一个时间段内所有自由度包含变量的周期性强弱来初始化三个加权系数矩阵，三个加权系数矩阵应当满足对六个自由度的加权参数相加起来为一个固定值，即三个加权系数矩阵之和为一个固定的矩阵。

以t3时的加权系数矩阵为例：

在初始化矩阵时需要保证：

wt1+wt2+wt3＝e

当t＝t3时，具有很强的周期性。此时令wt1中的而令其他两个加权矩阵中的这样在下一步加权相加中便使得t3的分析结果对预测结果的权重最大。

参考图1的预测控制数据流程图，当预测控制运行时，wt1+wt2+wt3≠0时，即三个时间段内只要某一项自由度参数具有周期性时，预测控制模块结果便开始介入最终控制结果。

在得到三个时间段和时间内部的加权系数矩阵后，对所采集的数据进行加权相加，如下式：

ans1＝t1·wt1+t2·wt2+t3·wt3

得到加权相加后的数据矩阵，如下：

对加权后得到的数据进行bp曲线拟合，求得在外界激励变化不大时，在t＝0时刻之后的运动情况，以为例，如图2所示。执行机构根据预测结果可做出控制决策。

以三轴稳定器(结构如图4所示)的x轴方向加速度历程为例，当预测到摄相机的ax在未来的t1时间段内有某一个变化历程时，根据曲线拟合可得到其运动函数关系为：

ax(t)＝f(t)

式中：ax(t)为x轴加速度时间历程；f(t)为曲线拟合得到的周期运动函数。

且根据三轴稳定器硬件连接，可知：

ax＝g[θz,μy]

式中：ax为x轴加速度，θz为y轴电机转角，μy为摄相机质心距离z轴轴心距离在y轴上的投影。

由数学几何可得：

ax＝g[θz,μy]＝tanθz·μy

为了弥补外界周期性激励带来的相机在x轴方向的运动，需要在所述预测结果的基础上通过z轴电机的转动抵消x轴方向的运动，即令：

ax(t)＝-tanθz·μy

最终得到控制输出量：

其他自由度控制也如以上步骤给出，最终得到预测控制结果向量m2，从而实现对三轴稳定器的控制：

式中：θx为预测控制得到的x轴电机预测转动角度；θy为预测控制得到的y轴电机预测转动角度；θz为预测控制得到的z轴电机预测转动角度。

进一步的，

参考图3，由于外界激励极有可能发生突变，因此得到预测控制结果后，应结合实时反馈控制实现对摄像设备的最终控制。

在实际控制过程中，实时控制和预测控制同步进行，实时控制即反馈控制可以通过六个自由度数据进行实时反馈控制，但具有一定的滞后性和误差，实时控制可以得到实时控制结果m1，其形式上如m2。

具体的，

得到预测控制输出矩阵，即预测控制结果后，应和实时反馈控制模块所给出的实时控制结果加权相加，如下：

ans＝wf1·m1+wf2·m2

式中：wf1为实时反馈控制结果矩阵，wf2为预测控制结果矩阵，m1为实时反馈控制结果加权系数矩阵，m2为预测控制结果加权系数矩阵。

其中，

式中：mx为x轴电机应转动角度，my为y轴电机应转动角度，mz为z轴电机应转动角度。

wf1和wf2用于对实时反馈控制结果和预测控制结果进行加权相加，应满足：

wf1+wf2＝e

当外界激励在一定时间内具有明显的周期性，则在加权时对预测控制结果的权重加大，即预测结果准确时，增大wf2的占比。

当外界情况突变时，即外界激励情况和预测值不匹配或相差较大时，即：

p1-p2>δ

式中：p1为bp曲线拟合后得到的预测运动模型，p2为实际运动模型，δ为加权系数矩阵重定义阈值，可根据具体环境和要求进行修改。

当预测结果偏大时，即p1-p2>δ，在加权时应当对实时反馈控制结果的权重wf1加大，减小预测控制结果的权重wf2，甚至使预测控制失效；并且命令采点模块重新读入点数据，尝试重新拟合。

在初次运行时，结果加权函数中，wf1应为1系数矩阵，wf2应为零系数矩阵。

即系统开始工作时，仅有实时反馈控制模块参与控制，当预测控制模块检测到外部激励中某一个或者多个自由度变量有明显的规律时，预测控制模块开始工作，得到各个自由度变量的加权求和结果。将得到的预测结果和反馈控制结果通过另一个加权矩阵求和，得到最终控制结果。

在得到最终预测结果ans后：

将ans输出至所述电机驱动模块中，电机驱动通过pwm调制控制x、y、z轴电机转动，即向电机最终输出转动角度矩阵。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。