[发明专利]基于雷达红外可见光图像融合的高压线检测方法

说明书

本发明提供一种基于雷达红外可见光图像融合的高压线检测方法，包括以下步骤：步骤一、对红外图像和可见光图像分别进行图像预处理得到处理后的红外图像和处理后的可见光图像；步骤二、对毫米波图像、处理后的红外图像和可见光图像进行语义分割，并分别检测毫米波图像、处理后的红外图像和可见光图像中的高压线和高压塔；步骤三、对步骤二中毫米波图像的检测结果、处理后的红外图像的检测结果和可见光图像的检测结果进行时空配准操作并获得融合结果；步骤四、对融合结果进行图像后处理操作以获得处理后的融合图像；步骤五、将处理后的融合图像及相应的检测结果输出。实现了高压线的智能化检测，有效增强了直升机低空飞行时对高压线的综合感知能力。

技术领域

本发明涉及雷达技术领域，具体涉及一种基于雷达红外可见光图像融合的高压线检测方法。

背景技术

高压线等低空障碍物因其体积小、特征不明显等特性，是造成直升机飞行事故的重要原因之一，也是直升机防撞规避领域实时检测和告警的重点对象。受限于传感器的单一性和局限性，传统的基于毫米波雷达的高压线检测方法仍然存在地表杂波干扰的问题，遇到信噪比不足的探测场景时难以得到高分辨率的检测结果。可见光摄像机和红外成像仪由于价格低廉、图像分辨率和更新率高，已成为直升机普遍搭载的防撞传感器设备，也是高压线多信息源融合检测的重要组成部分。由于出色的特征提取与学习能力，语义分割模型已经在人脸识别追踪、汽车自动驾驶等领域取得了突破性的成果，是目前图像处理领域最流行的方法之一。

基于可见光图像、红外图像以及毫米波雷达回波图像的特征，本发明将深度学习语义分割技术和多源图像时空配准技术应用到高压线检测中，提出了一种基于雷达红外可见光图像融合的高压线智能检测方法，相比现有发明和公开文献的高压线识别方法，该发明具有以下特点：

传统的基于毫米波雷达的高压线检测技术受限于传感器的单一性和局限性，存在着地表杂波干扰的问题，遇到信噪比不足的探测场景时难以得到高分辨率的检测结果。本发明提出一种基于雷达红外可见光图像融合的高压线智能检测方法，通过深度学习的语义分割模型实现高压线的快速检测识别，通过时空配准技术实现可见光红外图像以及毫米波雷达数据检测结果的融合，处理结果综合了可见光红外图像的高分辨率高刷新率以及毫米波雷达回波的丰富距离方位信息的优点，检测识别正确率高，场景适应性强，虚警率低，有效弥补了单一毫米波雷达高压线检测技术的不足。

传统基于特征提取的低空障碍物检测方法，大多依赖于图像的成像质量和特征提取算法的有效性，在图像质量较差时，难以有效提取特征，特定的特征提取算法难以保证通用的效果，场景适应性不强，而且容易产生信息丢失问题。此外，这类方法只能实现较为粗略的分类，难以对高压塔、高压线、孤立障碍物等不同类型的低空障碍物进行精细地区分。本发明在可见光图像、红外图像和毫米波雷达回波图像数据的处理过程中均采用了深度学习语义分割模型的方法，通过预先输入人工标注样本的方式训练语义分割模型，以数据驱动模型，自动提取和学习图像中高压线的抽象特征，避免了传统特征提取方法的信息丢失，训练后的网络模型能够自动识别不同场景图像中的高压线目标，有效减少了图像成像质量和成像场景变化造成的负面影响，识别正确率高，且能够对高压线、高压塔等不同障碍物进行分类和分割，实现了精细化检测和识别。

发明内容

有鉴于此，本说明书实施例提供一种基于雷达红外可见光图像融合的高压线检测方法，以达到有效增强直升机低空飞行时对高压线的综合感知能力的目的。

本说明书实施例提供以下技术方案：一种基于雷达红外可见光图像融合的高压线检测方法，包括以下步骤：步骤一、对红外图像和可见光图像分别进行图像预处理得到处理后的红外图像和处理后的可见光图像；步骤二、对毫米波图像、处理后的红外图像和可见光图像进行语义分割，并分别检测毫米波图像、处理后的红外图像和可见光图像中的高压线和高压塔；步骤三、对步骤二中毫米波图像的检测结果、处理后的红外图像的检测结果和可见光图像的检测结果进行时空配准操作并获得融合结果；步骤四、对融合结果进行图像后处理操作以获得处理后的融合图像；步骤五、将处理后的融合图像及相应的检测结果输出。