[发明专利]一种基于模糊SARSA学习的旋翼无人机视觉伺服控制方法

说明书

本发明公开了一种基于模糊SARSA学习的旋翼无人机视觉伺服控制方法；旋翼无人机通过摄像头采集图像信息，基于费尔曼链码的目标轮廓提取算法提取出目标的轮廓特征，并对在图像采集过程中目标的边缘信息进行轮廓补偿；利用强化学习算法对视觉伺服的参数伺服增益参数进行训练，使旋翼无人机获得自适应调节伺服增益能力，同时结合模糊控制的方法调节学习率。使用强化学习使旋翼无人机在不同的情景下通过训练获得经验，能自行改变增益，同时通过模糊控制可为强化学习的学习率记忆调节，获得较快的收敛速度。使用基于费尔曼链码的目标轮廓提取算法，有效地减少提取算法提取中心特征点与实际中心特征点的误差，提高特征提取的精确度。

技术领域

本发明涉及机器学习与机器人自动控制领域，具体地说，涉及一种基于模糊SARSA学习的旋翼无人机视觉伺服控制方法。

背景技术

在当前人工智能与机器学习技术发展迅速的今天，机器学习技术应用到了人们生产生活的方方面面。旋翼无人机的控制方法一直使用经典的自动控制方法，如使用PID控制或是视觉伺服控制方法，但是随着当今旋翼无人机所承担的任务越来越复杂，所处的环境也变得无法预测，经典的控制方法已经无法满足旋翼无人机控制的需要；针对传统的旋翼无人机控制所采用的PID控制方法、基于图像的视觉伺服控制等控制方法在复杂场景下的稳定性不高，收敛速度慢，使得旋翼无人机在具体的应用场景下难以高效的实现工作任务的问题。因此，需要一种结合机器学习改进视觉伺服的旋翼无人机智能控制方法。

发明内容

为了避免现有技术存在的不足，本发明提出一种基于模糊SARSA学习的旋翼无人机视觉伺服控制方法；旋翼无人机通过底部摄像头采集图像信息，然后通过基于费尔曼链码的目标轮廓提取算法提取出目标的轮廓特征，但通常在图像采集的过程中目标的边缘信息会有缺失，因此需要进行一次轮廓补偿；利用强化学习算法对视觉伺服的参数伺服增益参数进行训练，使得旋翼无人机获得自适应调节伺服增益的能力，同时结合模糊控制的方法调节学习率。在基于模糊SARSA学习的旋翼无人机视觉伺服控制方法上，使用强化学习可使旋翼无人机在不同的情景下通过不断的训练而获得经验，因而能自行改变增益，同时通过模糊控制又可为强化学习的学习率记性调节，加快经典的强化学习的运行效率，因而可获得较快的收敛速度。使用基于费尔曼链码的目标轮廓提取算法，并且使用轮廓补偿算法补全轮廓，有效地减少经典的图像特征提取算法由于边缘缺失,而造成的提取中心特征点与实际中心特征点的误差，提高特征提取的精确度。

本发明解决其技术问题所采用的技术方案是:一种基于模糊SARSA学习的旋翼无人机视觉伺服控制方法，其特征在于包括以下步骤:

步骤1.利用Canny算法对比图像进行边缘提取，通过过滤、降噪操作可获得N个轮廓坐标的集合，N个轮廓坐标的集合使用费尔曼链码来描述，使用费尔曼链码的轮廓像素记为C＝{C_i|i＝1,...,N}；将目标的轮廓像素进行旋转归一化得到费尔曼链码与标准轮廓库中的图形分别计算lenvenshtein距离，lenvenshtein 距离的计算方式是形状A变换到形状B所需要的操作数，操作为插入、删除、修改；使用该方法可在图像目标丢失一定程度的边缘的条件下对物体形状进行识别；