一种视觉线特征提取精度评价方法技术

本发明专利技术提供一种视觉线特征提取精度评价方法，评价方法包括：根据当前帧图像中跑道边线两端点的像素坐标和前后两个成像时刻相机的位姿变化，基于对极几何约束以在下一帧图像中确定两条极线，并根据跑道边线两端点到对极线的垂直距离建立跑道边线的评价指标

【技术实现步骤摘要】
一种视觉线特征提取精度评价方法


[0001]本专利技术属于无人机惯性
/
视觉着陆导航
，涉及一种视觉线特征提取精度评价方法
。

技术介绍

[0002]目前无人机主要依靠差分卫星导航系统或雷达导引实现与目标着陆场站间之间的相对位置测量从而实现自主着陆，对抗无线电干扰的能力较弱，因此在无线电信号受干扰条件下，难以稳定准确获取无人机与目标着陆场站间的相对位姿信息
。
惯性
/
视觉导航技术通过视觉传感器测量载体与目标之间的相对位置
、
姿态信息，与惯性信息进行融合，确保导航信息的精度
、
连续性
、
可靠性，并提高信息的更新速率，为实现无线电干扰情况下无人机高速着陆提供了可能
。
[0003]惯性
/
视觉导航中，视觉测量精度决定导航精度
。
视觉传感器基于成像几何原理测量载体与目标之间的相对位姿信息，在无人机着陆过程中，主要是利用机载视觉传感器实时采集目标跑道图像，计算无人机相对跑道的位置
、
姿态，近年来被称为无人机视觉着陆导航技术
。
但跑道的图像信息并不丰富，可用的特征信息主要是跑道边线
。
因此保证视觉测量精度的前提是实现跑道边线精确
、
稳定
、
可靠的提取
。
在实际应用中，需要对跑道边线提取效果进行评价，作为惯性
/
视觉信息融合和着陆过程控制方法设计的依据，如果能实现在线评价，将大幅度提高无人机自主着陆能力
。
[0004]目前对边线提取效果的评价主要分为主观评价和间接客观评价
。
主观评价通过肉眼观察，仅适用于少量图像的粗略评价，用于大数据集图像处理结果的评价时，效率低且存在较大的不确定性；间接客观评价指利用差分卫星导航系统或惯性导航系统提供的参考位置信息，评价视觉导航解算的相对位置参数精度，间接反映边线提取可靠度，过程复杂且不能直接反映在图像层面
。
目前的一些客观评价方法更适用于边缘检测通用任务，在跑道边线提取应用场景下适应性不强
。
核心的问题在于：目前缺少能反映图像到跑道边线提取结果之间关联关系的量化参数，导致评价方法有限，也不能直接
、
实时反映出跑道边线提取效果
。

技术实现思路

[0005]本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一
。
[0006]为此，本专利技术提供了一种视觉线特征提取精度评价方法
。
[0007]本专利技术的技术解决方案如下：
[0008]根据一方面，提供一种视觉线特征提取精度评价方法，该评价方法包括：
[0009]根据当前帧图像中跑道边线两端点的像素坐标和前后两个成像时刻相机的位姿变化，基于对极几何约束以在下一帧图像中确定两条极线，并根据跑道边线两端点到对极线的垂直距离建立跑道边线的评价指标
q
i
；
[0010]基于提取的当前帧图像中跑道边线邻域内相对灰度梯度统计建立评价指标
q
g
；
[0011]将评价指标
q
i
和
q
g
的乘积作为可靠度评价因子以实现对跑道边线提取效果的定量评价
。
[0012]进一步地，通过下述方式获取前后两个成像时刻相机的位姿变化：
[0013]通过惯导测量载体的运动信息，并在此基础上获取载体前后两个时刻的姿态和位移变化，其中，所述惯导与相机固连；
[0014]根据惯导与相机的固定安装关系，将所述载体前后两个时刻的姿态和位移变化转换为相机的位姿变化，得到前后两个成像时刻相机的姿态转移矩阵
R
和位移变化量
T。
[0015]进一步地，通过下式根据跑道边线两端点到对极线的垂直距离建立跑道边线的评价指标
q
i
：
[0016][0017]其中，
|d1|、|d2|
分别两端点距对应极线的垂直距离；两端点都位于极线上，
|d1|
＝
|d2|
＝0，则
q
i
＝1，表示该提取结果可靠；当两端点偏离极线，即
|d1|≠0,|d2|≠0
时，
q
i
∈(0,1)
，且两端点偏离极线越远，
q
i
取值越小，表示该提取结果可靠程度越低
。
[0018]进一步地，所述基于提取的当前帧图像中跑道边线邻域内相对灰度梯度统计建立评价指标
q
g
具体包括：
[0019]依次计算跑道边线
l
AB
上各像素点梯度强度
G(x,y)
，得到梯度强度序列
[0020]利用所述梯度强度的最大值对该跑道边线上所有像素点梯度强度进行归一化，得到各像素点相对梯度强度；
[0021]设置阈值
T
，当跑道边线上任意像素点
(x
p
,y
p
)
的相对梯度强度大于
T
时，判断该像素点为可靠边缘点，像素点可靠度
q(x
p
,y
p
)
取为1，表示该点位于边线上；否则判断该像素点为不可靠边缘点，像素点可靠度
q(x
p
,y
p
)
取为0；
[0022]对跑道边线上所有像素点的可靠度进行统计，计算可靠边缘点数在边线像素点总数中所占比例，将该指标记作
q
g
，
[0023]其中，
N
为边线
l
AB
上像素点个数，
q
g
的值域为
[0,1]，该值越大表明提取边线上真实边线点所占比例越大，提取结果的可靠度越高
。
[0024]进一步地，通过下述方式获取所提取边线
l
AB
上像素点个数：
[0025][0026]其中，
(x
a
,y
a
)、(x
b
,y
b
)
分别为边线
l
AB
两端点
A、B
的像素坐标，
y
b
≤y≤y
a
。
[0027]进一步地，任意像素点的梯度强度通过下述方式获取：
[0028]获取图像中任意像素点
(x
p
,y
p
)
四个方向的灰度梯度
M0(x
p
,y
p
)、M
45...

【技术保护点】

【技术特征摘要】
1.
一种视觉线特征提取精度评价方法，其特征在于，所述评价方法包括：根据当前帧图像中跑道边线两端点的像素坐标和前后两个成像时刻相机的位姿变化，基于对极几何约束以在下一帧图像中确定两条极线，并根据跑道边线两端点到对极线的垂直距离建立跑道边线的评价指标
q
i
；基于提取的当前帧图像中跑道边线邻域内相对灰度梯度统计建立评价指标
q
g
；将评价指标
q
i
和
q
g
的乘积作为可靠度评价因子以实现对跑道边线提取效果的定量评价
。2.
根据权利要求1所述的一种视觉线特征提取精度评价方法，其特征在于，通过下述方式获取前后两个成像时刻相机的位姿变化：通过惯导测量载体的运动信息，并在此基础上获取载体前后两个时刻的姿态和位移变化，其中，所述惯导与相机固连；根据惯导与相机的固定安装关系，将所述载体前后两个时刻的姿态和位移变化转换为相机的位姿变化，得到前后两个成像时刻相机的姿态转移矩阵
R
和位移变化量
T。3.
根据权利要求1所述的一种视觉线特征提取精度评价方法，其特征在于，通过下式根据跑道边线两端点到对极线的垂直距离建立跑道边线的评价指标
q
i
：其中，
|d1|、|d2|
分别两端点距对应极线的垂直距离；两端点都位于极线上，
|d1|
＝
|d2|
＝0，则
q
i
＝1，表示该提取结果可靠；当两端点偏离极线，即
|d1|≠0,|d2|≠0
时，
q
i
∈(0,1)
，且两端点偏离极线越远，
q
i
取值越小，表示该提取结果可靠程度越低
。4.
根据权利要求1或3所述的一种视觉线特征提取精度评价方法，其特征在于，所述基于提取的当前帧图像中跑道边线邻域内相对灰度梯度统计建立评价指标
q
g
具体包括：依次计算跑道边线
l
AB
上各像素点梯度强度
G(x,y)
，得到梯度强度序列利用所述梯度强度的最大值对该跑道边线上所有像素点梯度强度进行归一化，得到各像素点相对梯度强度；设置阈值
T
，当跑道边线上任意像素点
(x
p
,y
p
)
的相对梯度强度大于
T
时，判断该像素点为可靠边缘点，像素点可靠度
q(x
p
,y
p
)
取为1，表示该点位于边线上；否则判断该像素点为不可靠边缘点，像素点可靠度
q(x
p
,y
p
)
取为0；对跑道边线上所有像素点的可靠度进行统计，计算可靠边缘点数在边线像素点总数中所占比例，将该指标记作
q
g
，其中，
N
为边线
l
AB
上像素点个数，
q
g<...

【专利技术属性】
技术研发人员：尚克军，李茜茜，刘崇亮，明丽，王大元，李至，焦浩，赵宇飞，王洪枫，赵亮，扈光锋，徐策，
申请(专利权)人：北京自动化控制设备研究所，
类型：发明
国别省市：