[发明专利]一种基于卡尔曼滤波轨迹预测的能量机关识别算法

权利要求书

1.一种基于卡尔曼滤波轨迹预测的能量机关识别算法，其特征在于：具体包括以下步骤：

首先对图像进行预处理；

基于几何约束集遍历轮廓，删除伪装甲板；

采用模板匹配方法对能量机关扇叶进行识别；

对能量机关进行定位及预测，即建立基于卡尔曼滤波的能量机关轨迹预测模型，获取卡尔曼滤波的运动方程和观测方程，采用卡尔曼滤波预测和更新能量机关运动状态；

建立子弹抛物模型，通过对云台角度进行补偿，获得云台横摆角和俯仰角，完成能量机关的激活。

2.根据权利要求1所述的基于卡尔曼滤波轨迹预测的能量机关识别算法，其特征在于：前述对图像进行预处理具体包括以下步骤：

第11步，将摄像头获取的三通道图像转换为三个单通道图像，分离彩色通道，分别为红色通道、绿色通道以及蓝色通道；

第12步，将红蓝通道相减去除背景噪声的干扰，预处理删除敌方能量机关颜色得到灰度图图像；

第13步，将灰度图图像进行阈值化处理，得到图像的二值图；

第14步，对获得的二值图进行膨胀处理，采用椭圆拟合灯条轮廓获得灯条的外包椭圆；

第15步，进行形态学闭运算，去除白色区域中的小洞避免干扰灯条轮廓的查找。

3.根据权利要求2所述的基于卡尔曼滤波轨迹预测的能量机关识别算法，其特征在于：前述的采用模板匹配方法对能量机关扇叶进行识别具体包括以下步骤：

第21步，查找灯条轮廓值是否为空，遍历灯条轮廓完成风车扇叶的识别；

第22步，应用透视变换，矫正提取风车扇叶的宽度和高度，将轮廓矫正成规则矩形，并提取风车扇叶图片，从而查找灯条轮廓的最小外接矩形；

第23步，装甲板为风车扇叶的子轮廓，基于装甲板面积、装甲板高宽比的两个几何约束集，与预先设定阈值比较后做筛选，遍历灯条轮廓删除伪装甲板；

第24步，采用模板匹配法对矫正成规则矩形的风车扇叶进行识别，根据匹配值得分确定待击打风车扇叶；

第25步，由于装甲板为风车扇叶的子轮廓，进一步识别待打击装甲板，获取装甲板中心位置即为理论击打区域。

4.根据权利要求1所述的基于卡尔曼滤波轨迹预测的能量机关识别算法，其特征在于：前述的建立子弹抛物模型具体包括以下步骤，

步兵机器人发射子弹对能量机关进行击打，结合步兵机器人与能量机关之间的距离以及子弹发射速度，建立子弹李想飞行轨迹的抛物线模型

其中，x、y分别为子弹击打能量机关的横纵坐标，v为子弹发射速度，θ为子弹发射时的速度方向和水平方向之间的夹角，g为重力加速度；

若子弹发射速度波动值为Δv，则子弹击打能量机关的纵坐标偏移量Δy近似为：

5.根据权利要求4所述的基于卡尔曼滤波轨迹预测的能量机关识别算法，其特征在于：

前述对云台角度进行补偿具体是指设定激活能量机关时机器人固定不动，子弹抛物模型简化为考虑重力影响的定点射击模型，子弹飞行轨迹为抛物线，通过多次实验采集数据建立俯仰角偏移表，通过查找俯仰角偏移表确定需要补偿的云台俯仰角，对云台角度进行补偿；

前述俯仰角偏移表为云台的俯仰角变化角度，对应的击打到能量机关的位置因重力作用下降相应距离建立的对应表格。

6.根据权利要求1所述的基于卡尔曼滤波轨迹预测的能量机关识别算法，其特征在于：前述图像通过摄像头获取，摄像头安装在移动步兵机器人的底盘或云台上，相机的摄像头焦距计算方法为

其中，f为镜头焦距，d为镜头到物体的距离，size为相机型号尺寸，h为物体尺寸高度。