[发明专利]一种实现巡检稳像精度测量的方法及系统

说明书

本发明公开了一种实现巡检稳像精度测量的方法及系统，利用多阈值直方图分割方法对检测目标进行识别检测，确定目标位置；利用区域预测匹配方法，对定位的目标进行实时跟踪并记录目标位置移动变化量；最后，分析位置变化数据确定视频中目标变化范围，进而确定无人机整体的稳像性能。本发明有益效果：实现了对无人机本体与云台稳像能力的评测，指导输电线路无人机智能采集系统设备选型与系统搭建。

技术领域

本发明涉及数字图像处理领域，尤其涉及一种实现巡检稳像精度测量的方法及系统。

背景技术

小型无人机作为灵活的高速空中飞行器，可以通过搭载各种辅助设备完成各种艰巨的任务，在军用和民用领域具有重要的使用价值，已经受到业界的高度重视。

无人机智能采集系统，通过在巡检过程中自主控制云台转动、相机拉焦拍摄的方式，实现对输电线路信息的自动采集。但是由于无人机本体、云台自身稳定性能的影响，无法有效的克服飞行过程中由于自身的抖动、旋转、风力等影响，导致获取的视频图像出现像素位移、相机失焦造成视频图像模糊以及在拍摄固定目标时画面抖动较严重等，影响巡检作业效果。传统的无人机影像质量与稳定性判定方法，主要依靠测试员对获取的视频序列采用人眼主观判读进行。而人工判读存在两个主要问题，一是不同人对同一段视频的评价标准不一，缺少量化指标；二是人工检测效率低下，需要投入大量的人员以及工作量。这就需要我们通过技术手段完成对无人机视频稳定性的全自动检测。实现对无人机视频图像稳定性的客观、公正及快速评价。

现有技术通过获取云台的惯性测量单元数据并进行积分运算，实现对云台姿态的检测；现有技术通过检测导航定位、飞行控制的水平与垂直方向的偏差，完成对巡检系统的飞行性能评价。但是，上述无人机系统相关性能评测技术中，均没有针对无人机稳像精度进行评测。

发明内容

本发明为了解决上述问题，提出了一种实现巡检稳像精度测量的方法及系统，利用多阈值直方图分割方法对检测目标进行识别检测，确定目标位置；利用区域预测匹配方法，对定位的目标进行实时跟踪并记录目标位置移动变化量；最后，分析位置变化数据确定视频中目标变化范围，进而确定无人机整体的稳像性能。

为了实现上述目的，本发明采用如下技术方案：

在一个或多个实施方式公开的一种实现巡检稳像精度测量的方法，包括：

对获取到的拍摄影像进行解压处理，形成图像集合并转化为灰度图像序列，并将灰度图像序列输入到环形缓冲区中；

根据灰度图像的到灰度直方图，统计灰度直方图并确定第一个分割阈值，结合多阈值分割方案将剩余灰度分成三部分，完成对目标的定位与提取；

设计多级分层匹配运动估计模型，利用多级分层与逐级优化的搜索策略，实现对关键目标点的搜索与跟踪，并记录关键目标点的运动偏移量；

构建稳像参数估计模型，分析关键点运动偏移量数据，确定稳像性能。

需要说明的是，上述的拍摄视频可以是无人机智能采集获取到的视频或者影像信息，也可以是电力巡检机器人拍摄到的视频或者影像信息。

进一步地，根据灰度图像的到灰度直方图，统计灰度直方图并确定第一个分割阈值，具体为：

把灰度直方图中波峰值的t％所对应的右侧灰度值T₁作为多阈值分割的第一个阈值；其中，t为设定值。

进一步地，t的值优选为50％。

进一步地，结合多阈值分割方案将剩余灰度分成三部分，完成对目标的定位与提取，具体为：

在[0,T1]区间内求类间最大方差对应的值，即为T2；

在[0,T2]区间内求类间最大方差对应的值，即为T3；