[发明专利]一种飞行器着陆标志的检测跟踪方法与系统

说明书

本发明涉及图像处理领域，公开了一种飞行器着陆标志的检测跟踪方法与系统，以实现对飞行器着陆标志的准确快速的检测与跟踪，辅助完成飞行器的准确着陆；本发明的方法包括：获取飞行器上的视频检测装置采集的两个以上图像帧信息，确定初始图像帧中对应着陆标志的目标区域，然后确定目标区域的最小外接矩形，并通过库函数确定最小外接矩形的四角点坐标；将初始图像帧的下一帧作为当前图像帧，计算初始图像帧与当前图像帧之间的仿射变换矩阵，根据仿射变换矩阵预测初始图像帧中的四角点坐标在当前图像帧中的位置，并在当前图像帧中标出预测的矩形框图；将当前图像帧作为新的初始图像帧，并重新确定当前帧，重复上述步骤，完成对着陆标志的跟踪。

技术领域

本发明涉及图像处理领域，尤其涉及一种飞行器着陆标志的检测跟踪方法与系统。

背景技术

随着计算机行业的迅速发展，基于计算机视觉的目标检测及跟踪技术也得到了很大的提升，目前，目标检测的方法主要包括，基于边缘的角点特征检测方法、基于圆特征的检测方法、基于不变矩的检测方法、以及基于深度学习的目标检测方法；目标跟踪的方法主要包括基于模板匹配的方法、基于区域的跟踪方法、动态轮廓跟踪算法、以及粒子滤波跟踪算法；其中，基于边缘的角点检测方法虽然精度高、稳定性好，但是角点对边缘提取算法的依赖性较大，断裂的边缘线对角点检测影响巨大；基于圆特征的检测方法中的圆形曲线的拟合依赖图形轮廓数据的准确性，且计算量较大；基于不变矩的目标检测方法能很好的检测出目标，但是不变矩的计算复杂度较高，且只适合处理简单的二维图像。基于模型匹配的跟踪法可以应用在复杂环境和目标姿态变化的情形下，但是该方法需要计算复杂的模型，计算量非常大；区域匹配算法计算量大，并且在遮挡和光照强度变化的情况，该方法可能跟踪失败；动态轮廓跟踪法的缺点是对目标的初始值比较敏感，一旦初始的目标轮廓参数检测的不正确，后续的跟踪过程将完全失效。粒子滤波算法本身较复杂，运算量大，需要存储的空间大；基于深度学习的目标检测方法具有非常高的准确率，但是越来越高维的特征描述给计算带来负担，且分类器模型的预训练需要庞大的数据量，且一种模型只对应一种目标情况。

发明内容

本发明目的在于提供一种飞行器着陆标志的检测跟踪方法与系统，以实现对飞行器着陆标志的准确快速的检测与跟踪，辅助完成飞行器的准确着陆。

为实现上述目的，本发明提供了一种飞行器着陆标志的检测跟踪方法，包括以下步骤：

步骤S1：获取飞行器上的视频检测装置采集的两个以上图像帧信息，确定初始图像帧中对应着陆标志的目标区域，然后确定所述目标区域的最小外接矩形，并通过库函数确定所述最小外接矩形的四角点坐标；

步骤S2：将所述初始图像帧的下一帧作为当前图像帧，计算所述初始图像帧与所述当前图像帧之间的仿射变换矩阵，根据所述仿射变换矩阵预测所述初始图像帧中的四角点坐标在当前图像帧中的位置，并在所述当前图像帧中标出预测的矩形框图；

步骤S3：将所述当前图像帧作为新的初始图像帧，重复上述步骤S2，完成对着陆标志的跟踪。

优选地，所述步骤S1具体包括以下步骤：

步骤S11：获取飞行器上的视频检测装置采集的两个以上图像帧信息，选取初始图像帧中的所有轮廓，采用平面图形不变矩顺序判断所有轮廓以得到目标轮廓；

步骤S12：选取首个目标轮廓进行旋转和拉伸处理以得到圆形轮廓，选取所述圆形轮廓的圆形半径的N分之一为步长，对圆形轮廓进行N个同心圆的灰度采样；

步骤S13：将每个同心圆的采样结果与相应的设定标定值进行比较，确定圆盘内的字符是否与设定着陆标志相符，若相符，则锁定所述初始图像帧中的目标区域，若不相符，返回步骤S12，选择下一个目标轮廓重新进行判断，直至成功锁定所述初始帧图像中的目标区域；

步骤S14：确定所述目标区域的最小外接矩形，并通过库函数确定所述最小外接矩形的四角点坐标。

优选地，所述步骤S2具体包括以下步骤：