[发明专利]基于立体视觉的无人机降落区域主动安全检测方法及应用

权利要求书

1.一种基于立体视觉的无人机降落区域主动安全检测方法，其特征在于，包括以下步骤，

1)获取深度图像；

2)对深度图像内像素点按深度差进行初步聚类得到多个初级类别；

3)筛选有效且与无人机降落区域相交的初级类别；

4)对筛选出的初级类别进行比对并优化聚类得到优化类别；同时更新优化类别的类别信息；

5)根据优化类别检测出地面并判断是否存在地面以外的障碍物；

所述的步骤3)中筛选包括空间位置判断，所述的空间位置判断方法包括以下步骤，

31)通过坐标转换得到深度图像中表示的降落区域；

32)为每个初级类别所代表的物体片段建立左右上下边界构成的包围盒；

33)判断所述的包围盒与降落区域的左右上下边界所构成的包围盒是否相交，如果不相交，则舍弃该初级类别；如果相交则保留该初级类别；

所述的步骤3)中筛选包括初级聚类的像素数判断，所述的像素数判断为舍去像素数小于阈值t_s的初级类别，所述的

其中，f为校正后左、右相机相同的焦距，z是无人机下降过程开始启用立体视觉安全检测功能的高度，S是双目相机在高度z时能够感知到的威胁无人机降落的最小障碍物面积。

2.如权利要求1所述的基于立体视觉的无人机降落区域主动安全检测方法，其特征在于，所述的步骤2)中初步聚类包括以下子步骤，

21)搜索深度图像中一个深度值非零的像素点，将该像素点设为初始点并建立一个新的初级类别；

22)以与初始点深度之差小于预设阈值t_z为条件开始对周围相邻像素点进行聚类，将聚入该初级类别的像素点置零，直至没有新的像素点聚入该初级类别为止；

23)重复步骤21)和22)直至深度图像中不再存在非零像素点。

3.如权利要求1所述的基于立体视觉的无人机降落区域主动安全检测方法，其特征在于，所述的优化聚类的合并条件为同时满足以下条件，

a、深度区间约束，两初级类别的深度区间重叠或对应边界值差小于动态阈值；

b、边界包围盒约束，通过多个初级类别之间的包围盒交集来辅助进行近距离初级类别间的融合；

c、基于色彩图像的分类类别约束，其包括，

c1，基于色彩信息进行阈值分割，将深度图像的像素分为背景像素和前景像素；

c2，统计每个初级类别中前景像素和该类别总像素的比值，

c3，若两初级类别的所述的比值均大于比例阈值则满足该分类类别约束条件。

4.如权利要求3所述的基于立体视觉的无人机降落区域主动安全检测方法，其特征在于，所述的c1中所述的色彩信息为左目图像HSV色彩空间的V通道信息。

5.如权利要求1所述的基于立体视觉的无人机降落区域主动安全检测方法，其特征在于，所述的步骤5)中地面判断条件为：将优化类别按照平均深度由大到小的类别顺序，第一个满足像素数大于所有其他优化类别像素数总和一定比例的优化类别定为地面，该优化类别对应的平均深度定义为地面深度，平均深度大于地面深度的优化类别均归为地面，若存在平均深度比地面深度更小的优化类别，则该优化类别被判别为障碍物，所述的比例为0.1-0.2。

6.如权利要求3所述的基于立体视觉的无人机降落区域主动安全检测方法，其特征在于，所述的优化聚类的合并规则为：

对初级聚类所得到的初级类别两两之间进行判断，若同时满足三个约束条件，则两类合并；

所有初级类别均判断完成后，若一个初级类别能与多个初级类别合并，则将其中两个初级类别合并后得到的新类别再与其余初级类别判断，若满足则再次合并。

7.如权利要求1-6任一项所述的基于立体视觉的无人机降落区域主动安全检测方法在无人机上的应用。