[发明专利]一种高集成度远距离舰载无人机回航运动轨迹实时检测跟踪方法及装置

说明书

本发明公开了一种高集成度远距离舰载无人机回航运动轨迹实时检测跟踪方法及装置，涉及舰船舰载无人机回收领域。不仅能够简易部署在大型舰船上，并且能够实现远距离舰载无人机高速回航时的实时定位，为回收控制系统提供准确运动信息。包含以下步骤：S1、构建特有数据集；S2、对数据集进行人工标注；S3、进行YOLOv5检测模型的训练；S4、将模型与YOLOv5检测算法整体部署于嵌入式图像处理板；S5、将YOLOv5检测算法扩展改进为非预测式检测‑跟踪算法；S6、对载入模型且改进后的检测‑跟踪算法进行加速推理；S7、利用整体集成于pytorch框架下加速的检测‑跟踪算法对舰载无人机的回航运动轨迹实时检测跟踪。与同类方法比较该算法的同构集成度极高，能够稳定确保检测跟踪任务的精确度与实时性。

技术领域

本发明涉及舰船舰载无人机回收领域，具体涉及一种在YOLOv5深度学习模型基础上融合TensorRT加速优化后的高集成度远距离舰载无人机回航运动轨迹实时检测跟踪技术。

背景技术

随着人工智能的兴起，计算机视觉领域涌现出大量基于深度学习的运动目标检测跟踪算法，在无人驾驶，交通运输，设备回收等诸多领域大放异彩。

当前，舰载无人机工作环境复杂，末端回航速度快距离远，航迹变化难以预测，传统的基于光学的定位方法，基于预测性质的跟踪方法在这一层面的应用不具备鲁棒性，因为光流受环境、速度等影响较大，预测式的跟踪在长距离，尺度变换明显的目标跟踪任务中表现不佳。所以传统方法难以准确提取到舰载无人机高速回航的多变运动信息。综上所述，无人机末端回收任务迫切需要一种复杂环境下的高精度，高速度检测跟踪算法来应对上述特点。

发明内容

本发明的目的是为了克服现有传统检测跟踪算法嵌入式迁移效果差，实时性低，不适用于舰载无人机高速回航回收等尖端任务的不足，本发明提供一种高集成度远距离舰载无人机回航运动轨迹实时检测跟踪方法及装置，不仅能够简易部署在大型舰船上，并且能够实现远距离舰载无人机高速回航时的实时定位，为回收控制系统提供准确运动信息。

本发明的技术方案是：搭建具有YOLOv5深度学习模型的嵌入式实时检测跟踪组合框架，包含以下步骤：

S1、通过高精度拍摄设备获取各类无人机回航时的图像数据，利用这些无人机数据构建一个专用于舰载无人机回收航迹检测跟踪模型训练的特有数据集；

S2、对步骤S1采集的数据集进行人工标注，标注数据集中无人机目标对象的像素位置框图，记录下像素框坐标作为训练真值，保存为.txt文件；

S3、以S1和S2构建的特有各类无人机数据集采用特定训练方法进行YOLOv5检测模型的训练；

S4、将权重模型转化为.wts文件，再生成为.engine序列模型文件，将模型与YOLOv5检测算法整体部署于嵌入式图像处理板；

S5、在图像处理板的Linux环境下将YOLOv5检测算法扩展为基于先验检测的非预测式检测-跟踪算法，该改进后的算法仅检测特定目标，可作用于视频流每一帧对特定目标进行跟踪；

S6、将TensorRT模型解析推理加速技术搭建为pytorch框架，建立动态链接库，对载入模型后的检测-跟踪算法进行加速推理；

S7、利用整体集成于pytorch框架下加速的检测-跟踪算法对舰载无人机的回航运动轨迹实时检测跟踪。

所述步骤S1和S2构建及标注的数据是本发明特别提出的，所有素材均来自于各类舰载无人机。