【技术实现步骤摘要】
本专利技术涉及无人机在复杂任务背景下自主感知、多源传感融合、群智决策的，具体涉及一种面向追捕目标的无人机多源传感群智动态跟踪方法。
技术介绍
1、现有无人机跟踪技术难以在不同地形、复杂环境中轻松操作，实现对追捕目标的智能全天候跟踪，提供实时的视觉信息。
技术实现思路
1、无人机对特定追捕目标进行识别、追踪，并不断调整优化方法可以提高目标识别的准确性和鲁棒性，确保在复杂多变的环境中能够稳定可靠地识别目标。其次，追踪目标的运动轨迹，使得系统能够实时获取目标的位置、速度等关键信息，从而更好地了解目标的动态行为。帮助无人机系统能够更加灵活、智能地应对各种复杂环境，为目标的精准追踪和识别提供有力支持。本专利技术提供了一种面向追捕目标的无人机多源传感群智动态跟踪方法。首先对待追捕目标从车型外观、车牌号以及驾驶员进行多维特征识别，锁定追捕目标。然后建立无人机的驾驶状态与追捕目标实时运动状态的动态关系，基于两者运动状态动态差值对比实时动态调整跟踪策略和驾驶状态，并基于无人机的动态驾驶调整对追捕目标的轨迹进行预测，根据预测结果进行自适应跟踪，确保对目标的持续监视跟踪，保持与目标的适当距离，并在可能的情况下重新获取目标的跟踪，确保不会因目标的躲避逃脱等变化而丢失目标，所述方法具体过程如下：
2、步骤1：将无人机检测到的各搜索目标视觉特征与待追踪目标的视觉特征进行基于点云的特征匹配算法，比较两个点云并寻找点云之间的最佳匹配，进而判断外观相似性，初步锁定待追捕目标；
3、步骤2：解
4、步骤3：解决由于不同光照强度变化导致的对车辆驾驶员面部三维几何信息进行人脸识别；
5、步骤4：解决由无人机的速度角速度及视角映射计算目标的运动特征，获取特定目标的运动位移及其运行速度；
6、步骤5：提出基于运动状态对比的无人机驾驶控制调整策略，对特定追捕目标进行唯一确定识别后，动态计算差值，由动态差值不断调整无人机的运行驾驶状态；
7、步骤6：提出基于追捕目标轨迹预测的自适应跟踪，根据实时动态驾驶调整后无人机监测到的追捕目标的历史运动轨迹，对追捕目标未来的运动轨迹进行预测，将无人机的动态驾驶调整与追捕目标的实时运动相结合；
8、步骤7：通过偏差程度评估追捕目标的预测结果与实际结果，对预测效果不好的结果做修正处理，最后无人机根据实时的预测轨迹对车辆进行动态跟踪调整。
9、进一步，所述步骤1中将无人机检测到的各搜索目标视觉特征与待追踪目标的视觉特征进行基于点云的特征匹配算法，比较两个点云并寻找点云之间的最佳匹配，进行外观匹配，其具体公式如下：
10、定义初始变换；初始对齐是后续迭代过程的起点，通过计算最优初始变换矩阵使得点云pj在初次迭代中与q点云尽可能对齐：
11、
12、其中t0为平移向量，ro为旋转矩阵。点云匹配；假设搜索目标点云为pj，待追踪目标点云为q，使用最小化目标函数来计算刚性变换使得目标点云中的对应点qi尽可能与源点云中的点pi相匹配：
13、
14、其中pi和qi分别表示点云pj和q中的对应点。重复迭代；重复上述步骤，直到满足收敛条件，计算搜索假设搜索目标点云p和待追踪目标点云为q两个点云的匹配分数sj：
15、
16、其中，为经过最小二乘法多次计算，重复迭代直至收敛的变换矩阵。通过阈值比较法对点云的匹配分数sj进行初步筛选，当满足公式如下：
17、
18、进一步，所述步骤2中解决追捕目标驾驶车辆在行驶过程中车牌号遮挡问题，采用双三次插值法对车牌号码被遮挡的部分进行补全恢复，其公式如下：
19、wij＝u(x-xi)·u(y-yi)
20、
21、其中，x是相对于目标位置的相对坐标，使用权重对相邻点的函数值进行加权平均，得到插值结果f(x0,y0)：
22、f(x0,y0)＝∑i,jf(xi,yj)·wij。
23、进一步，所述步骤3中解决由于不同光照强度变化导致的对车辆驾驶员面部三维几何信息进行人脸识别，将深度图中的点映射到rgb图像上，实现深度图和rgb图像配准对齐，其公式如下：
24、
25、其中，fx和fy是rgb相机的焦距，(cx,cy)是图像的中心坐标，r是旋转矩阵，t是平移向量，通过深度图和rgb图像对齐配准，将驾驶员三维面部信息与光照强度信息融合，减少由于光照强度引起的人脸识别的误差。同时根据对应点的深度信息调整rgb图像的强度，使得在不同光照条件下驾驶员面部的特征更加一致，并进行归一化处理，得到一个具有空间深度的综合图像。其公式如下：
26、
27、结合无人机在对特定目标追踪过程中的偏航角φ、俯仰角θ以及翻滚角提出转换矩阵rdetected，实时将驾驶员人脸框的坐标(x,y,z)结合无人机的姿态视角结合，得到该状态下驾驶员在实际世界坐标系下的位置xreal＝(xreal,yreal,zreal)，其公式如下：
28、
29、
30、提出基于驾驶员的自适应头部姿态调整矩阵rrotated，根据检测到的人脸的三维空间信息，人脸姿势进行调整，使其适应不同头部倾斜或旋转的情况，实现对车辆驾驶员的自适应姿态精准识别，其公式如下：
31、
32、
33、其中,xadjusted＝(xadjusted,yadjusted,zadjusted)为最后结合驾驶员自身在行驶过程中头部姿势转动后的自适应调整结果，α，β，γ分别为驾驶员头部绕x轴、y轴、z轴的旋转角度。
34、进一步，所述步骤4中由无人机的速度角速度及视角映射计算目标的运动特征，获取特定目标的运动位移及其运行速度，其具体公式如下：
35、计算在t1，t2时刻特定目标相对无人机在地面行驶的位移差距特定目标与无人机在水平方向上的间距其公式如下：
36、
37、
38、
39、在t1，t2时刻无人机相对地面行驶的位移为其公式如下：
40、
41、
42、
43、根据无人机的在在t1，t2间的运动的速度视角位移等相对信息获得特定目标在其时间内的运行速度其公式如下：
44、
45、
46、进一步，所述步骤5中提出基于运动状态对比的无人机驾驶控制调整策略，对特定追捕目标由动态差值不断调整无人机的运行驾驶状态，其具体公式如下：
47、根据车辆速度以及动态对比的速度差值对无人机下一时刻的速度进行调整为vi+1，其公式如下：
48、
49、
50、
51、
52、
53、其中，δvi,i-1表本文档来自技高网...
【技术保护点】
1.面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，具体操作步骤如下：
2.根据权利要求1所述的面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，所述步骤1中将无人机检测到的各搜索目标视觉特征与待追踪目标的视觉特征进行基于点云的特征匹配算法，比较两个点云并寻找点云之间的最佳匹配，进而判断外观相似性，初步锁定待追捕目标，其具体公式如下：
3.根据权利要求2所述的面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，所述步骤2中解决追捕目标驾驶车辆在行驶过程中车牌号遮挡问题，采用双三次插值法对车牌号码被遮挡的部分进行补全恢复，其公式如下：
4.根据权利要求1所述的面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，所述步骤3中解决由于不同光照强度变化导致的对车辆驾驶员面部三维几何信息进行人脸识别，其具体公式如下：
5.根据权利要求1所述的面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，所述步骤4中由无人机的速度角速度及视角映射计算目标的运动特征，获取特定目标的运动位移及其运行速度，其具体公式如下：<...
【技术特征摘要】
1.面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，具体操作步骤如下：
2.根据权利要求1所述的面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，所述步骤1中将无人机检测到的各搜索目标视觉特征与待追踪目标的视觉特征进行基于点云的特征匹配算法，比较两个点云并寻找点云之间的最佳匹配，进而判断外观相似性，初步锁定待追捕目标，其具体公式如下：
3.根据权利要求2所述的面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，所述步骤2中解决追捕目标驾驶车辆在行驶过程中车牌号遮挡问题，采用双三次插值法对车牌号码被遮挡的部分进行补全恢复，其公式如下：
4.根据权利要求1所述的面向追捕目标的无人机多源传感群智动态跟踪方法，其特征在于，所述步骤3中解决由于不同光照强度变化导致的对车辆驾驶员面部三维几何信息进行人脸识别，其具体公式如下：
5.根据权利要求1所述的面向追捕目标的无人机多源传感群智动态跟踪方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。