[发明专利]一种基于植物枝根演化行为的无人机目标检测方法

说明书

【技术领域】

本发明是一种基于植物枝根演化行为的无人机自主目标检测方法，属于无人机智能感知与测量领域。

【背景技术】

无人机(UnmannedAerialVehicle,UAV)是一种无人驾驶的航空飞行器，也叫做空中机器人，如今它走上历史舞台已将近百年，主要具有如下特点：操作灵活、隐蔽性好、生存能力强等。自上世纪90年代以来，无人机的发展日益蓬勃，尤其在军事应用上。最开始无人机只作为靶机，后来随着技术上的进步以及战争的需要，科技人员开始在无人机上安装了各种各样的设备，使其具备了执行情报侦察、电子对抗、雷达诱饵、战场态势监控以及目标攻击等任务的能力。目前世界上先进的军用无人机主要包括美国的全球鹰、X-47B无人机等。在民用方面，无人机在气象观测、地理勘测、资源勘探、交通巡逻和森林防火等方面的应用也越来越广泛。

目前，无人机正朝着微型化、模块化、以及功能多元化、智能化的方向发展。为了实现无人机路径规划、障碍物规避、安全着陆、目标辨识、搜索等功能，并最终实现智能化，使无人机具有自主定位和自主导航的能力，显得尤为重要。这就需要无人机在执行任务时，能够不断地感知自身的状态信息，以及周围环境的相对信息，并通过多信息辅助和处理，实时地有效地获取自身的位置与姿态信息，从而根据其自身位姿信息来进行智能决策。

目前，视觉传感器在无人机上得到了广泛的应用。无人机利用光学传感器获得图像，然后通过对图像进行处理，可以进行目标检测、识别，以便无人机进行态势评估。通过光学传感器可以得到无人机的位置和姿态参数，从而为无人机提供导引信息，这种方式是一种可行的无人机自主导航解决方案，且已经成为国内外研究的热点。相比于其他位姿测量方法，视觉测量使用的相机或摄像机具有价格低、体积小、功耗弱、方便实用的特点，它可以充分获取周围场景信息，同时由于视觉测量系统的工作波段特殊，使它不易受到电测干扰的影响，具有非常好的现场应用性，近年来得到了广泛的研究和应用。本专利申请将计算机视觉方法用于无人机的目标检测。

在图像检测方法中，基于形状的代表和匹配是一个非常重要的分支方法，并且被广泛地应用于目标识别技术中。通常来讲，形状匹配技术通常包括两个步骤：特征提取和相似性检测。目前已经有多种方法用来检测二维平面图像的相似性，主要方法有基于几何矩的匹配，基于Hausdorff距离的匹配等，以及基于特征点的匹配方法。但几何矩存在特征表述能力较弱和噪声敏感等缺点，当图像噪声大质量不高时，基于几何矩的目标检测方法效果较差，基于Hausdorff距离的匹配方法计算代价高，速度慢，基于特征点的匹配方法旋转不变性差。

为了使得目标检测方法具有较强的鲁棒性和实时性，本发明采用的边缘势函数法是一种新的相似性检测方法。这种方法是由充电电荷产生电势所启发得到的，一系列的充电电荷在同质介质中能产生电势，电势的大小和密度取决于待测点和场源的距离以及电场介电常数。在图像检测过程中，被搜寻的待匹配模板可以被等效为被一系列带电粒子所吸引的测试物体。因此，如果图像中的物体与模板图像相似度越高，它所受到边缘场的吸引能量也越大。由于边缘势场的计算过程中保留了如边缘位置、张力等重要特征，因此它可以作为形状匹配问题的相似性检测方法。同时，由于边缘势场是一个多峰函数，本发明采用枝根搜索优化方法通过迭代寻优的方式进行边缘势场函数优化。

枝根搜索优化方法(Runner-RootAlgorithm，RRA)是由F.Merrikh-Bayat在2015年提出的一种新型的启发式群智能优化算法，该算法受到植物繁殖的启发，即植物在繁殖的过程中，先后依据匍匐枝和根的繁殖来寻找水资源和矿物质。根据这一特性，枝根搜索优化算法提出了两种相对应的算子，分别为匍匐枝搜索算子与根部搜索算子，来模拟植物繁殖的这种特性，并将这两种算子结合起来解决优化问题。

【发明内容】

1、发明目的：

本发明提出了一种基于植物枝根演化行为的无人机自主目标检测方法，其目的是提供一种应用在无人机平台上的目标检测方法，为无人机态势评估与自主决策提供基础。

该方法通过Matlab编写相应程序，对航拍图像中的特定目标进行准确检测与定位。

2、技术方案：

本发明利用群智能优化方法全局搜索能力强、应用性广等特点，开发一种基于植物枝根演化的无人机自主目标检测方法，该方法的步骤如下：

步骤一：获取航拍图像

将无人机搭载工业相机，进行实时采集，获取航拍图像。

步骤二：计算图像边缘势场