一种基于标志码在线识别处理的无人机回收方法技术

本发明专利技术属于无人机回收方法技术领域，尤其涉及一种基于标志码在线识别处理的无人机回收方法。包括设置于无人机上的相机以及设置于回收平台上的标志码，相机用于获取数字图形，还包括如下步骤：通过特定特征区内中心店灰度值与其他位置的灰度值的接近度作为判断依据，利用特征值判定某个点是否为轮廓拐角点，依次连接各轮廓拐角点初步确认标志码所在范围；基于前述步骤进行标志码提取，利用标志码上至少四个特征点位坐标，进行投影变换和相对位姿换算后即可进行位姿结算，确定无人机的位姿计算，引导无人机的回收降落。本申请有效提高了无人机获取标志码图形的效率，同时能够更好地应对图形丢失以及图形失真等问题。应对图形丢失以及图形失真等问题。应对图形丢失以及图形失真等问题。

【技术实现步骤摘要】
一种基于标志码在线识别处理的无人机回收方法


[0001]本专利技术属于无人机回收方法
，尤其涉及一种基于标志码在线识别处理的无人机回收方法。

技术介绍

[0002]在陆地上，无人机的回收过程可以利用相对宽阔和丰富的自然平台或结构来帮助实现快速回收，但针对在海面或者陆地运动无人机平台而言，则需要更高效精准取得控制无人机接近和降落在回收平台上进行回收，此过程中涉及到着陆导航系统的引导、机器视觉辅助、位姿结算等大量工作内容。
[0003]无人机的一些特定作业任务对于无人机发射回收过程的时间以及效率要求较高，需要无人机能够高效快速的确认自身以及回收平台的相对位置和自身位姿参数等信息，传统的机器视觉辅助由于获取的影像资料数据冗杂，处理效率较低，因此可以结合标志码(二维码、图形码)的方式来提高其效率，但现有方案依然需要大量的数据处理和运算，对于无人机自身以及回收系统为产生较大的计算负担，且效率提升能力有限。

技术实现思路

[0004]本专利技术的目的在于，在现有结合标志码的无人机回收方案的基础上，提供一种能够有效减少数据处理量，提高标志码定位的效率，优化标志码图形的体谅和有效性的基于标志码在线识别处理的无人机回收方法。
[0005]为实现上述目的，本专利技术采用如下技术方案。
[0006]一种基于标志码在线识别处理的无人机回收方法，包括设置于无人机上的相机以及设置于回收平台上的标志码，所述相机用于获取数字图形，还包括如下步骤：
[0007]步骤1.数字图像进行图像预处理，具体是指：
[0008]A1、基于无人机上的相机获取实时图像，通过滤波方案消除图像噪音；
[0009]A2、利用阈值处理方法，将获取的实时图像进行处理，经过处理后得到的新图像可表示为其中G(x,y)是指新图像的灰度值，g(x，y)为原始图像灰度值，(x，y)为像素坐标，G0为预设置的灰度阈值；
[0010]步骤2.标志码定位，具体是指通过特定特征区内中心店灰度值与其他位置的灰度值的接近度作为判断依据，利用特征值判定某个点是否为轮廓拐角点，依次连接各轮廓拐角点初步确认标志码所在范围，具体而言，采用如下步骤：
[0011]B1、轮廓定位
[0012]定义基于区域灰度阈值的圆形特征区灰度接近变量
[0013][0014]其中x0是特征区中心像素点坐标，x是特征区其他像素点坐标；S是对应像素点的像素值，s是灰度接近度阈值；
[0015]计算特征区内所有像素点的接近变量，得到特征区的灰度接近度进一步得到像素点的特征响应值
[0016]基于特征区仅包含一个轮廓拐角点的原则，选取特征区的尺寸参数，确定控制灰度接近度阈值s；
[0017]B2、对前述轮廓拐角点对应的像素点进行判断，筛除被误判的像素点，具体采用如下步骤：
[0018]B21、统计步骤A中获取的所有被判定为轮廓拐角点的像素点；
[0019]B22、对于任意像素点a，计算其他像素点b与像素点a的坐标距离L
ab
，将满足(S
a
‑
1,S
a
+1)的点构成集合C1，计算集合C1的质心坐标；其中s
a
为标志码图形每个点位对应的像素块大小，距离越近，s
a
越大；
[0020]B23、统计集合C1中坐标与质心坐标不相同的像素点得到集合C2，对于集合C2中的任意像素点c，计算其他像素点d与像素点c的坐标距离L
cd
，统计坐标距离L
cd
≤L0的像素点得到集合C3；L0是标志码或其外接矩形的宽度；
[0021]B24、重复步骤B3，直至只存在一个点或者不存在与质心坐标不相同的像素点为止；统计前述步骤中所有与质心坐标相同的像素点得到集合C4，以集合C4中任意像素点为中心，以L1为半径划分判断区，L1是标志码或其外接矩形的长度；计算分布在判断区内的像素点的总数量占集合C4中像素点总数的百分比，若超过设定百分比阈值，则认为该判断区内存在标志码数据；其中百分比阈值一般可设置为90％～95％，主要由图像质量以及标志码图像与背景图像的对比度决定，图像质量越高，对比度越高，则百分比阈值越高；
[0022]B25、集合所有百分比占比超过阈值的判断区对应的像素点得到集合C5，计算集合C5质心坐标，以该质心坐标为旋转中心点，以标志码外接矩形对应尺寸旋转截取图像；选择百分比占比最高的一个或者多个截图作为有效的标志码图像；其中标志码外接矩形的长宽比由试剂标志码的形状决定，外接矩形的对应尺寸通过外接矩形试剂长款、无人当前高度以及相机焦距参数根据相机成像原理进行换算得到；
[0023]步骤3.位姿解算
[0024]基于前述步骤进行标志码提取，对于标志码上任意点，可通过单应性矩阵转换到无人机图像；利用标志码上至少四个特征点位坐标，进行投影变换和相对位姿换算后即可进行位姿结算，确定无人机的位姿计算，引导无人机的回收降落。
[0025]对前述基于标志码在线识别处理的无人机回收方法的进一步完善或者优化方案所述步骤2中，对于采用矩形或者具有直线型边缘的标志码，在图像发生扭曲变型过程中，通过拟合边界的方式来提取到变形后的完整边界，并在此基础上还原原始标志码图形，具体而言，基于如下步骤实现：
[0026]B30、基于标志码设计制作规则，提取用于构建标志码边界的像素块的设计方案；
[0027]B31、根据当前图像中标志码或者特定标记物的尺寸缩放比，将前述标志码边界像素块进行同比例缩放后，在原始图像上进行匹配定位，确定所有的标志码边界像素块；
[0028]B32、确定标志码设计过程中用于确定标志码边界所使用的边界像素块的最小数量，基于该最小数量为最小拟合点数量进行直线拟合，得到若干标志码可能的边界直线；
[0029]B33、先删除上述边界直线中重合的部分，定位作为三个及以上边界共同端点的特定像素块，删除两端点均为前述特定像素块的边界直线；连接所有边界直线得到标志码边界；
[0030]B34、结合标志码真实边界的角度，利用透视变换原理对标志码边界的变形进行校正，同时复原标志码内部像素块位置。
[0031]对前述基于标志码在线识别处理的无人机回收方法的进一步完善或者优化方案所述步骤2还包括，根据当前海面以及回收平台附近的结构和状态设置合理的时间阈值，对于未超过相应时间阈值的临时性图像丢失，通过标志码图像丢失前的若干个时刻的飞行姿态数据来拟合推断在丢失的时间段内无人机的实际位姿数据，具体方法如下：
[0032]对于标志码图像丢失的任意时间节点t的位姿数据f(t)，若f(t)与该时刻前的k个时间节点存在直接影响，则可以基于最小二乘法建立其关系式：
[0033]其中a0～a
r
为无人机飞行姿态参数，b
t
为时间节点t位姿相关的随机变量；利用多次试验后获取的数据建立无人机飞行姿态连续方程，即可求解无人机飞行姿态参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标志码在线识别处理的无人机回收方法，包括设置于无人机上的相机以及设置于回收平台上的标志码，所述相机用于获取数字图形，其特征在于，还包括如下步骤：步骤1.数字图像进行图像预处理，具体是指：A1、基于无人机上的相机获取实时图像，通过滤波方案消除图像噪音；A2、利用阈值处理方法，将获取的实时图像进行处理，经过处理后得到的新图像可表示为其中G(x,y)是指新图像的灰度值，g(x，y)为原始图像灰度值，(x，y)为像素坐标，G0为预设置的灰度阈值；步骤2.标志码定位，具体是指通过特定特征区内中心店灰度值与其他位置的灰度值的接近度作为判断依据，利用特征值判定某个点是否为轮廓拐角点，依次连接各轮廓拐角点初步确认标志码所在范围，具体而言，采用如下步骤：B1、轮廓定位定义基于区域灰度阈值的圆形特征区灰度接近变量其中x0是特征区中心像素点坐标，x是特征区其他像素点坐标；S是对应像素点的像素值，s是灰度接近度阈值；计算特征区内所有像素点的接近变量，得到特征区的灰度接近度进一步得到像素点的特征响应值基于特征区仅包含一个轮廓拐角点的原则，选取特征区的尺寸参数，确定控制灰度接近度阈值s；B2、对前述轮廓拐角点对应的像素点进行判断，筛除被误判的像素点，具体采用如下步骤：B21、统计步骤A中获取的所有被判定为轮廓拐角点的像素点；B22、对于任意像素点a，计算其他像素点b与像素点a的坐标距离L
ab
，将满足(S
a
‑
1,S
a
+1)的点构成集合C1，计算集合C1的质心坐标；其中s
a
为标志码图形每个点位对应的像素块大小，距离越近，s
a
越大；B23、统计集合C1中坐标与质心坐标不相同的像素点得到集合C2，对于集合C2中的任意像素点c，计算其他像素点d与像素点c的坐标距离L
cd
，统计坐标距离L
cd
≤L0的像素点得到集合C3；L0是标志码或其外接矩形的宽度；B24、重复步骤B3，直至只存在一个点或者不存在与质心坐标不相同的像素点为止；统计前述步骤中所有与质心坐标相同的像素点得到集合C4，以集合C4中任意像素点为中心，以L1为半径划分判断区，L1是标志码或其外接矩形的长度；计算分布在判断区内的像素点的总数量占集合C4中像素点总数的百分比，若超过设定百分比阈值，则认为该判断区内存在标志码数据；其中百分比阈值一般可设置为90％～95％，主要由图像质量以及标志码图像与背景图像的对比度决定，图像质量越高，对比度越高，则百分比阈值越高；B25、集合所有百分比占比超过阈值的判断区对应的像素点得到集合C5，...

【专利技术属性】
技术研发人员：叶丽娜，雷琳，冯常奇，陈施奇，蒋玲玲，元梅竹，杨易，王晶晶，
申请(专利权)人：武汉船舶职业技术学院，
类型：发明
国别省市：