【技術實現步驟摘要】
本專利技術涉及一種基于數據增強的無人機單目視覺障礙定位方法，屬于無人機視覺障礙定位識別。
技術介紹
1、小型多旋翼無人機因其操作簡便、便攜靈活等特點，在如今得到了廣泛的應用；然而，隨著城市建筑的不斷增多，逐漸密集，無人機在城市環境中執行任務時面臨著諸多的挑戰；高樓大廈、密集樹林、電線桿等障礙物不僅增加了飛行時的風險，還限制了無人機的機動能力和作戰效率；因此，無人機需要快速精準地感知并定位周圍障礙物，增大飛行安全性；
2、現有的障礙物感知方法中主要是基于激光雷達、超聲波傳感器和視覺傳感器檢測障礙物的；與基于激光雷達和超聲波傳感器的障礙物檢測方法相比，基于視覺的障礙物探測方法具有成本低、部署簡單、環境信息提取能力強等優點；而利用深度神經網絡提取障礙場景圖像特征進行識別的算法，由于其識別精度較高，已被廣泛應用于基于視覺的目標檢測方法中；然而，基于深度學習的障礙識別算法需要大量樣本集圖像的采集，才能使算法針對不同的場景有一定的泛用性，但這需要耗費大量的人力資源；
3、在障礙定位方法中，利用雙目相機進行定位的方法具有顯著優勢，是目前障礙定位方法的主流；但是，針對一些運算資源有限的小型多旋翼無人機設備上，基于雙目視覺的障礙定位方法，有著以下缺點：一是雙目相機一般體積質量較大，難以應用于小型無人機上；二是標定好的雙目相機參數在無人機運動時可能會改變，這將極大影響對障礙物的定位精度；
4、為了解決以上問題，在訓練障礙識別算法時，采用數據增強的方式，對原有樣本集中的圖像進行處理，模擬無人機飛行中的大角度飛行、障
技術實現思路
1、為了解決密集障礙物下，現有的障礙識別與定位方法樣本集獲取難度大，識別算法泛用性差等問題，本專利技術的目的是提出一種基于數據增強的無人機單目視覺障礙定位方法，該方法采用基于深度學習的障礙識別算法識別障礙物，采用圖像數據增強并通過改進損失函數，降低障礙識別算法的預測誤差；通過相機標定方法，標定單目相機的內參，應用于無人機單目視覺障礙定位中；結合無人機的位置姿態與標定得到的相機內參，實現障礙像素坐標到地面坐標的轉換，定位障礙物。
2、本專利技術的目的是通過下述技術方案實現的：
3、本專利技術公開的一種基于數據增強的無人機單目視覺障礙定位方法，構建訓練深度學習障礙識別網絡模型所需的樣本集；在障礙識別算法的樣本集構建時，對原始圖像進行隨機處理，擴充樣本集，提高識別算法泛用性；再依據障礙物特征進行數據標注；利用所構建的樣本集訓練深度學習障礙識別網絡模型，并通過改進損失函數，降低障礙識別算法的預測誤差；在訓練好深度學習障礙識別網絡模型后，使用精確度、平均精度均值等指標評估識別深度學習障礙識別網絡模型的性能，訓練好的深度學習障礙識別網絡模型用于之后障礙定位中障礙物像素坐標的獲取；進行相機標定，獲取相機的內參；并依據障礙物特征以及障礙物像素坐標估計障礙物圖像的深度；根據像素坐標與地面坐標的轉換關系，結合無人機的位置姿態，實現障礙物的定位。
4、本專利技術公開的一種基于數據增強的無人機單目視覺障礙定位方法，包括以下步驟：
5、步驟一：構建障礙識別算法訓練所需的樣本集；通過數據增強方法對樣本集圖像進行處理，標注障礙物特征，得到增強的用于訓練深度學習障礙識別網絡模型的數據集；
6、步驟1.1：依據無人機任務場景選擇障礙物作為識別對象；利用不同攝像設備拍攝多種場景下的障礙物圖像，構建樣本集；將樣本集劃分為訓練集、驗證集與測試集；
7、步驟1.2：采用圖像數據增強方法，對訓練集和驗證集中的部分圖片進行圖像處理，得到增強的樣本集；
8、圖像處理包括以下方法：旋轉、翻轉、顏色變化和隨機擦除；
9、圖像旋轉與翻轉用于模擬無人機的大角度飛行；圖像旋轉用式(1)表示：
10、
11、式中，為圖像旋轉的像素坐標中心，表示待處理像素點原始坐標，θ表示圖像繞選轉中心旋轉角度，順時針旋轉為正；表示旋轉處理后的圖像像素坐標；
12、圖像翻轉用下式表示：
13、
14、式中，a，b，c表示翻轉直線方程ax+by+c＝0的系數，表示翻轉前像素點的坐標，表示翻轉后的像素坐標；
15、圖像顏色變化用于模擬無人機飛行時不同光照場景，還能用于模擬不同的攝像設備；對rgb圖像進行顏色變換表示為：
16、r′＝min(max(k11r+k12g+k13b,0),255)
17、g′＝min(max(k21r+k22g+k23b,?0),?255)?(3)
18、b′＝min(max(k31r+k32g+k33b,0),255)
19、式中，r，g，b表示處理前rgb圖像三個通道的值，k11～k33表示顏色變換的系數，r′，g′，b′表示顏色變換后圖像三個通道的值；對每個像素點[ucolor,vcolor]t的三通道rgb值進行式(3)的加權處理，得到三個通道值；
20、將rgb彩色圖像轉化為單通道灰度圖像，模擬灰度相機采集的圖像；加權得到單通道值gray表示為：
21、gray＝0.299r+0.587g+0.114b?(4)
22、經過加權得到的三個或者單個通道值為浮點數，取最近的整數作為加權后的通道值；
23、采用圖像隨機擦除模擬障礙物被遮擋的情況，采用矩形擦除框進行圖像隨機擦除模擬，包括如下步驟：
24、步驟1.2.1：選擇隨機擦除的概率perase、擦除區域面積的范圍擦除區域長寬比的范圍
25、步驟1.2.2：根據擦除的概率perase來決定是否對圖像進行擦除；通過生成一個0到1之間的隨機數，如果這個隨機數大于perase，則不進行擦除，直接返回原始圖像；否則，進行下一步操作；
26、步驟1.2.3：依據設定的擦除區域面積占整張圖片的范圍serase和擦除區域長寬比的范圍rerase，來確定擦除區域的寬度werase和高度herase，表示為：
27、
28、式中，r，s表示按擦除區域長寬比與面積占比范圍隨機選取的數值；wimg，himg為圖像的大小；
29、步驟1.2.4：依據原始圖像大小wimg，himg，按式(6)獲取擦除區域的位置；
30、
31、式中，random()函數表示按照相應的范圍隨機選取參數值，表示擦除區域左上角像素坐標，表示擦除區域右下角像素坐標；
32、步驟1.2.5：采本文檔來自技高網...
【技術保護點】
1.一種基于數據增強的無人機單目視覺障礙定位方法，其特征在于：包括以下步驟，
2.如權利要求1所述的一種基于數據增強的無人機單目視覺障礙定位方法，其特征在于：步驟一實現方法為，
3.如權利要求2所述的一種基于數據增強的無人機單目視覺障礙定位方法，其特征在于：步驟二實現方法為，
4.如權利要求3所述的一種基于數據增強的無人機單目視覺障礙定位方法，其特征在于：步驟三實現方法為，
5.如權利要求4所述的一種基于數據增強的無人機單目視覺障礙定位方法，其特征在于：步驟3.5實現方法為，
【技術特征摘要】
1.一種基于數據增強的無人機單目視覺障礙定位方法，其特征在于：包括以下步驟，
2.如權利要求1所述的一種基于數據增強的無人機單目視覺障礙定位方法，其特征在于：步驟一實現方法為，
3.如權利要求2所述的一種基于數據增強的無人機單目視覺障礙定位...
【專利技術屬性】
技術研發人員：龍騰，王彥鈞，孫景亮，鐘建鑫，周楨林，
申請(專利權)人：北京理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。