黃少強(qiáng)++劉中華++湯晚霞++鐘艷++王飛

摘要：無人機(jī)的姿態(tài)參數(shù)是飛行目標(biāo)狀態(tài)的重要參數(shù)。目前對(duì)無人機(jī)的姿態(tài)測(cè)量方法大致可分為兩大類，即遙測(cè)法和外測(cè)法。遙測(cè)法即在無人機(jī)上裝置各類傳感器（如GPS、陀螺儀、高速攝像儀等）進(jìn)行參數(shù)測(cè)量，此方法還存在很大缺點(diǎn)[1]，如當(dāng)飛行目標(biāo)高速飛行時(shí)，傳感器會(huì)產(chǎn)生較大的數(shù)據(jù)誤差甚至無法偵擦到無人機(jī)的信息，導(dǎo)致測(cè)量失敗。在外測(cè)法中，對(duì)于中遠(yuǎn)距離的姿態(tài)測(cè)量，國內(nèi)外大量使用的是基于廣義點(diǎn)反饋迭代的影像匹配法[2]，此方法具有較高的精確度，但由于測(cè)量前要先建立數(shù)據(jù)庫，因而適用性較低。針對(duì)以上的缺點(diǎn)，本文采用了基于雙目視覺的無人機(jī)姿態(tài)測(cè)量方法， 采用全站儀和圖像采集裝置構(gòu)建系統(tǒng)，利用全站儀數(shù)據(jù)進(jìn)行三維標(biāo)定，圖像采集裝置對(duì)無人機(jī)進(jìn)行三維重建，利用雙目直線原理重構(gòu)機(jī)身、機(jī)翼的空間直線向量，利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行數(shù)據(jù)的機(jī)器學(xué)習(xí)。該系統(tǒng)具有簡(jiǎn)易、精度高、設(shè)計(jì)簡(jiǎn)單等特點(diǎn)，被廣泛應(yīng)用于軍事、民用系統(tǒng)中，具有很強(qiáng)的實(shí)用價(jià)值。

關(guān)鍵詞：無人機(jī) 雙目視覺 機(jī)器學(xué)習(xí) 姿態(tài)識(shí)別

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）10-0048-02

無人機(jī)的姿態(tài)測(cè)量方法可分兩大類：一是在無人機(jī)上裝載傳感器，如陀螺儀、GPS等，把相關(guān)的數(shù)據(jù)傳回地面處理，即所謂的遙測(cè)法，它的優(yōu)點(diǎn)是可以不受空間的限制，但精準(zhǔn)度會(huì)大大降低。本文采用基于雙目視覺的無人機(jī)姿態(tài)測(cè)量方法， 采用全站儀和圖像采集裝置構(gòu)建系統(tǒng)，利用全站儀數(shù)據(jù)進(jìn)行三維標(biāo)定，圖像采集裝置對(duì)無人機(jī)進(jìn)行三維重建，利用雙目直線原理重構(gòu)機(jī)身、機(jī)翼的空間直線向量，再根據(jù)直線向量算出姿態(tài)參數(shù)，該方法具有精度高、適用范圍高等特點(diǎn)。

1 系統(tǒng)設(shè)計(jì)概述

本設(shè)計(jì)利用四臺(tái)全高清的攝像頭、全站儀、時(shí)間同步器及PC終端組成。系統(tǒng)由四臺(tái)攝像頭分別處于邊長為5米的矩形場(chǎng)地的（我給你新加的文字）四個(gè)角中，用以（我給你新加的文字）采集視頻數(shù)據(jù)，再由全站儀提供的相關(guān)角度矢量參數(shù)，通過計(jì)算得出系統(tǒng)所需要測(cè)量的姿態(tài)參數(shù)：偏航角、俯仰角及翻滾角。最后把這些參數(shù)存儲(chǔ)到數(shù)據(jù)庫中，并進(jìn)行BP神經(jīng)網(wǎng)絡(luò)算法機(jī)器學(xué)習(xí)，讓該系統(tǒng)具有（新加）能夠二次識(shí)別飛行目標(biāo)參數(shù)的能力。該系統(tǒng)能廣泛應(yīng)用于無人機(jī)的主動(dòng)測(cè)量領(lǐng)域，即不需要在無人機(jī)上安裝傳感器，也能夠準(zhǔn)確識(shí)別無人機(jī)的姿態(tài)參數(shù)，應(yīng)用方便、快捷。

2 姿態(tài)參數(shù)計(jì)算分析

步驟一：利用雙目視覺原理，對(duì)飛行物體進(jìn)行三維姿態(tài)恢復(fù)。

步驟二：分離目標(biāo)和背景。對(duì)飛行物體進(jìn)行數(shù)字信息提取。統(tǒng)計(jì)每幀圖像像素分布直方圖，設(shè)此時(shí)像素分布直方圖的灰度分布為gmin及gmax，在gmin及gmax中選擇較合適的灰度值g作為分割的閾值，去分離目標(biāo)和標(biāo)景。

步驟三：分離機(jī)身及機(jī)翼。在做實(shí)驗(yàn)前，對(duì)飛機(jī)進(jìn)行如下處理：機(jī)翼與機(jī)身處涂上不同的顏色。獲取視頻信息后利用直方圖對(duì)灰度進(jìn)行分析，把兩者分離出來，并分別對(duì)兩者信息進(jìn)行存儲(chǔ)。

步驟四：對(duì)機(jī)身進(jìn)行邊緣檢測(cè)處理，構(gòu)建直線向量。

（1）選用的是Sobel算子來對(duì)其圖像進(jìn)行檢測(cè)。Sobel算子模板分為水平模板及垂直模板，利用此模板在每幀上的像素去卷積，那么就可以得到機(jī)身的邊緣輪廓線段。（2）構(gòu)建機(jī)身直線向量。利用雙目攝像頭在空間交匯產(chǎn)生直線，可構(gòu)建直線向量。如圖2所示，對(duì)于任兩個(gè)攝像機(jī)，無人機(jī)在其攝像頭所投影的圖像平面分別為S1、S2，兩攝像頭在空間所形成的平面相交即會(huì)產(chǎn)生一直線，可以利用這一原理來計(jì)算機(jī)身直線向量。

本系統(tǒng)采用的是四臺(tái)攝像機(jī)，可以排除更大的干擾，因此，可以利用構(gòu)建一個(gè)關(guān)于的集合，為：

式中指的是攝像機(jī)的臺(tái)數(shù)。

步驟五：對(duì)圖像的機(jī)翼處理。圖像的機(jī)翼部分可看作為梯形。由上述，利用Hough Transform進(jìn)行邊緣檢測(cè)，求飛行目標(biāo)的前后翼邊緣，設(shè)其在圖像坐標(biāo)系下的直線方程為：

由上式，可以算出點(diǎn)

由上述求的兩點(diǎn)，就可以算出此機(jī)翼在圖像坐標(biāo)系下的直線方程：

同理，利用雙目系統(tǒng)中兩兩圖像平面相交可求得機(jī)翼向量

步驟六：利用構(gòu)建的空間向量計(jì)算姿態(tài)參數(shù)。參數(shù)推導(dǎo)如下：

由向量得出：

3 實(shí)驗(yàn)

3.1 數(shù)據(jù)準(zhǔn)備

準(zhǔn)備的數(shù)據(jù)為訓(xùn)練集及測(cè)試集，里面的數(shù)據(jù)包括特征數(shù)據(jù)及樣本標(biāo)簽。

訓(xùn)練集便是雙攝像頭采集到的視頻數(shù)據(jù)，通過數(shù)字圖像處理，提取圖像的特征數(shù)據(jù)存儲(chǔ)。測(cè)試數(shù)據(jù)集表示二次提取圖像信息時(shí)所得到的圖像特征信息，二者都需經(jīng)過相同的處理，所得的參數(shù)求法是一樣的。

特征數(shù)據(jù)是根據(jù)雙目視覺分析的圖像的特征數(shù)據(jù)，這里選用了周長像素點(diǎn)總數(shù)、奇數(shù)鏈碼數(shù)目、高度、寬度、周長目標(biāo)面積、矩形度、伸長度、及七個(gè)不變距特征。

3.2 訓(xùn)練結(jié)果與分析

根據(jù)上述算法，對(duì)1241組特征數(shù)據(jù)進(jìn)行訓(xùn)練，為了結(jié)果更為準(zhǔn)確，本文從測(cè)試的的數(shù)據(jù)中拿了一部分?jǐn)?shù)據(jù)作為輸入的訓(xùn)練，這里取訓(xùn)練組的數(shù)據(jù)1000組，測(cè)試的數(shù)據(jù)241組。經(jīng)過BP神經(jīng)網(wǎng)絡(luò)算法后，對(duì)測(cè)試的數(shù)據(jù)進(jìn)行了測(cè)試，為了結(jié)果的顯示，只從測(cè)試數(shù)據(jù)中隨機(jī)抽出50組數(shù)據(jù)對(duì)訓(xùn)練結(jié)果進(jìn)行測(cè)試。

圖1中黑色空白圈表示測(cè)試的值，星點(diǎn)表示神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)后所得的理想值?？梢钥闯鱿鄬?duì)于某點(diǎn)的測(cè)試值與理想值相擬合程度相對(duì)較高，也就是說，在一定的范圍內(nèi)，系統(tǒng)可以正常測(cè)量無人機(jī)的姿態(tài)參數(shù)。但也有部分?jǐn)?shù)據(jù)擬合程度不太好，這和實(shí)驗(yàn)設(shè)備及機(jī)器學(xué)習(xí)的算法都有很大的關(guān)系。

如圖2所示，BP網(wǎng)絡(luò)預(yù)誤差圖中可以看出，把測(cè)試樣本增大到100個(gè)，測(cè)量誤差也控制在30%之內(nèi)，所以，系統(tǒng)具有一定的穩(wěn)定性。

4 結(jié)語

本文論述了基于雙目視覺的無人機(jī)姿態(tài)測(cè)量系統(tǒng)，該系統(tǒng)通過四臺(tái)攝像頭讀取無人機(jī)數(shù)據(jù)，利用雙目視覺系統(tǒng)對(duì)無人機(jī)三維形態(tài)進(jìn)行恢復(fù)，通過數(shù)字圖像處理技術(shù)提取無人機(jī)的特征信息并進(jìn)行存儲(chǔ)。首先利用直方圖法分離背景及無人機(jī)，再分離無人機(jī)的機(jī)翼及機(jī)身信息，并分別進(jìn)行數(shù)據(jù)存儲(chǔ)。其次利用空間兩圖像平面相交得出了無人機(jī)的機(jī)身、機(jī)翼向量，然后利用這些向量進(jìn)行了姿態(tài)參數(shù)的計(jì)算。最后把無人機(jī)的特征參數(shù)及姿態(tài)參數(shù)做上相應(yīng)的標(biāo)簽，讓其進(jìn)行機(jī)器學(xué)習(xí)。由實(shí)驗(yàn)得出，該系統(tǒng)具有二次識(shí)別無人機(jī)姿態(tài)的能力，且此系統(tǒng)比較穩(wěn)定。但由于實(shí)驗(yàn)設(shè)備及算法原因，該系統(tǒng)還存在一定的誤差，但大部分?jǐn)?shù)據(jù)誤差率保持在30%內(nèi)。

參考文獻(xiàn)

[1]蘇國中.基于光電經(jīng)緯儀影像的飛機(jī)姿態(tài)測(cè)量方法研究[J].武漢大學(xué)，博士論文，2005.

[2]H.Mostafavi，M.A. Streicker.Rigid body attitude estimation from a single view.[J] SPIE Ultrahigh-and High- speed Phot ography，videography，and Phot oni cs，1992，290-297.

收稿日期：2016-09-12

作者簡(jiǎn)介：黃少強(qiáng)（1993—），男，廣西梧州人，本科，上海電機(jī)學(xué)院電子信息工程學(xué)生，研究方向：雙目視覺。