CN110569810B - 坐标信息的获取方法及装置、存储介质、电子装置 - Google Patents
坐标信息的获取方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN110569810B CN110569810B CN201910860018.1A CN201910860018A CN110569810B CN 110569810 B CN110569810 B CN 110569810B CN 201910860018 A CN201910860018 A CN 201910860018A CN 110569810 B CN110569810 B CN 110569810B
- Authority
- CN
- China
- Prior art keywords
- pattern
- image
- landmark
- area
- acquiring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种坐标信息的获取方法及装置、存储介质、电子装置,所述方法包括:在无人机下降过程中获取包含地标图案的图像画面,其中,地标图案至少包括:背景图案和中心图案,中心图案的面积小于所述背景图案,中心图案与所述背景图案重合;当图像画面中显示的地标图案的面积与图像画面的面积之比小于预设阈值时,获取地标图案的坐标信息;当图像画面中显示的地标图案的面积与图像画面的面积之比大于预设阈值时,获取中心图案的坐标信息。解决了相关技术中无人机执行精准降落任务时对多个相互依赖的复杂地标图案进行检测导致检测难度较大且精度较低的问题。
Description
技术领域
本发明涉及无人机技术领域,具体而言,涉及一种坐标信息的获取方法及装置、存储介质、电子装置。
背景技术
无人机(Unmanned Aerial Vehicle,简称为UAV)自主飞行控制技术是当今无人机领域的研究热点。无人机的精准降落技术是无人机飞行控制技术的重要组成,在执行精准降落任务时,需要对地标图案进行精准识别。利用视觉定位技术将无人机返回的图像序列进行分析,计算出地标图案在每一帧图像坐标系上的二维坐标信息,再将图像坐标系转换为世界坐标系,得到地标图案的实际位置。现有技术中在分析无人机返回的图像序列时一般需要对多个相互依赖的复杂图案进行检测,检测难度较大且精度较低。
针对相关技术中,无人机执行精准降落任务时对多个相互依赖的复杂地标图案进行检测导致检测难度较大且精度较低的问题,目前尚未有完善的解决办法。
发明内容
本发明实施例提供了一种坐标信息的获取方法及装置、存储介质、电子装置,以至少解决相关技术中无人机执行精准降落任务时对多个相互依赖的复杂地标图案进行检测导致检测难度较大且精度较低的问题。
根据本发明的一个实施例,提供了一种坐标信息的获取方法,包括:在无人机下降过程中获取包含地标图案的图像画面,其中,所述地标图案至少包括:背景图案和中心图案,所述中心图案的面积小于所述背景图案,所述中心图案与所述背景图案重合;当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比小于预设阈值时,获取所述地标图案的坐标信息;当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比大于或等于预设阈值时,获取所述中心图案的坐标信息。
可选地,所述当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比小于预设阈值时,获取所述地标图案的坐标信息包括:通过感知哈希算法将所述地标图案的模板图像转换为0度、90度、180度、270度四个方向的第一模板指纹特征序列;获取所述图像画面中第一候选图像区域的指纹特征序列,其中,所述第一候选图像区域为所述图像画面中与所述地标图案的轮廓匹配的图像区域;根据所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列,确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域;获取所述第一目标图像区域的坐标信息。
可选地,所述根据所述模板指纹特征序列和所述候选图像区域的指纹特征序列,确定与所述模板图像相似度最大的所述候选图像区域为目标图像区域包括:获取所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列的汉明距离,其中,所述汉明距离的大小与所述相似度的大小负相关;根据所述汉明距离的大小确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域。
可选地,根据所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列,确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域之后,所述方法还包括:使用所述第一目标图像区域中的地标图案更新所述地标图案的模板图像。
可选地,当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比大于预设阈值时,获取所述中心图案的坐标信息包括:通过感知哈希算法将所述中心图案的模板图像转换为0度、90度、180度、270度四个方向的第二模板指纹特征序列;获取所述图像画面中第二候选图像区域的指纹特征序列,其中,所述第二候选图像区域为所述图像画面中与所述中心图案的轮廓匹配的图像区域;根据所述第二模板指纹特征序列和所述第二候选图像区域的指纹特征序列,确定与所述中心图案的模板图像相似度最大的所述第二候选图像区域为第二目标图像区域;获取所述第二目标图像区域的坐标信息。
可选地,获取所述图像画面中第二候选图像区域的指纹特征序列包括:根据上一帧图像画面中所述地标图案的位置,以及所述中心图案与所述背景图案的位置关系,确定当前帧图像画面中所述中心图案的第二候选图像区域;获取所述第二候选图像区域的指纹特征序列。
可选地,获取所述中心图案的坐标信息之后,所述方法还包括:提取上一帧图像画面的第一特征值和当前帧图像画面的第二特征值;通过匹配所述第一特征值和所述第二特征值,获取所述上一帧图像画面与所述当前帧图像画面之间的单应性矩阵;根据所述单应性矩阵,将所述上一帧图像画面中获取的地标图案的坐标信息和/或中心图案的坐标信息映射到所述当前帧图像画面中。
根据本发明的一个实施例,提供了一种坐标信息的获取装置,包括:第一获取模块,用于在无人机下降过程中获取包含地标图案的图像画面,其中,所述地标图案至少包括:背景图案和中心图案,所述中心图案的面积小于所述背景图案,所述中心图案与所述背景图案重合;第二获取模块,用于当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比小于预设阈值时,获取所述地标图案的坐标信息;第三获取模块,用于当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比大于或等于预设阈值时,获取所述中心图案的坐标信息。
根据本发明的另一个实施例,还提供了一种计算机可读的存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的另一个实施例,还提供了一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明实施例,在无人机下降过程中获取包含地标图案的图像画面,其中,地标图案至少包括:背景图案和中心图案,中心图案的面积小于背景图案,中心图案与背景图案重合;当无人机的飞行高度较高时,获取地标图案的坐标信息,可以包括背景图案和中心图案,即完整的地标图案;当无人机的飞行高度较低时,仅获取中心图案的坐标信息,通过减少检测图案数以及针对性地检测局部图案,大大降低了检测难度,提高了检测精度,解决了现有技术中无人机执行精准降落任务时对多个相互依赖的复杂地标图案进行检测导致检测难度较大且精度较低的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种坐标信息的获取方法的移动终端的硬件结构框图;
图2是本发明实施例中一种可选的坐标信息的获取方法的流程图;
图3是根据本发明实施例的一种可选的地标图案示意图;
图4是根据本发明实施例的一种可选的地标图案检测方法流程图;
图5是根据本发明实施例的一种可选的中心图案检测方法流程图;
图6是根据本发明实施例的一种可选的重检测流程示意图;
图7是根据本发明实施例的一种可选的无人机精准降落流程图;
图8是根据本发明实施例的一种可选的坐标信息的获取装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种坐标信息的获取方法的移动终端的硬件结构框图。如图1所示,移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的调度吞吐量的获取方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
本发明实施例提供了一种坐标信息的获取方法。图2是本发明实施例中一种可选的坐标信息的获取方法的流程图,如图2所示,该方法包括:
步骤S202,在无人机下降过程中获取包含地标图案的图像画面,其中,地标图案至少包括:背景图案和中心图案,中心图案的面积小于背景图案,中心图案与背景图案重合;
步骤S204,当图像画面中显示的地标图案的面积与图像画面的面积之比小于预设阈值时,获取地标图案的坐标信息;
步骤S206,当图像画面中显示的地标图案的面积与图像画面的面积之比大于或等于预设阈值时,获取中心图案的坐标信息。
需要说明的是,地标图案中可以包含一个中心图案或多个中心图案,若包含多个中心图案,在对中心图案进行检测时,可以从中选取一个进行检测,获取其中一个中心图案的坐标信息。中心图案的位置可以设置在背景图案的中心位置,也可以设置在背景图案的边缘或其他任意位置,中心图案可以与背景图案部分重合,优选方案中,中心图案完全落在背景图案范围内。
无人机在执行精准降落任务时,首先返航至地标区域上方(地标位于视觉传感器采集得到的图像范围内)。本发明实施例提出的一种应用于无人机场景的视觉精准降落方法,在采集图像上找到地标的二维坐标信息,并反馈给无人机控制平台执行平移、下降等操作。具体地,无人机控制平台首先执行平移操作使得检测地标位置处于采集图像中心,然后执行下降操作并逐帧反馈地标位置,最后精准降落在地标上。
在无人机下降过程中,地标区域在采集图像上所占的比例越来越大;当下降至一定高度时,地标区域将超出采集图像范围。因此,本发明实施例提出在降落初期(无人机距离地面较远)对整体地标区域进行检测,在降落后期(无人机距离地面较近)对局部地标区域进行检测。同时提出一种重检测策略以减轻外部环境变化的影响。为了方便在感知哈希算法中提取指纹特征,本发明实施例使用的地标图案包含显著的轮廓与结构信息,如图3所示。
图3是根据本发明实施例的一种可选的地标图案示意图,如图3所示,其中整体地标由背景图案和中心图案两部分构成,中心图案位于背景图案中心,形状与背景图案大致相同。在无人机距离地面不同高度时,可以以地标的不同部位作为检测目标,这样既可以保证降落初期能够准确地检出整体地标,也可以保证降落后期无人机距离地面较近、摄像头视野中无外部轮廓时,能够准确地检出中心图案。
可选地,上述步骤S204可以通过以下步骤实现:通过感知哈希算法将地标图案的模板图像转换为0度、90度、180度、270度四个方向的第一模板指纹特征序列;获取图像画面中第一候选图像区域的指纹特征序列,其中,第一候选图像区域为图像画面中与地标图案的轮廓匹配的图像区域;根据第一模板指纹特征序列和第一候选图像区域的指纹特征序列,确定与地标图案的模板图像相似度最大的第一候选图像区域为第一目标图像区域;获取第一目标图像区域的坐标信息。
可选地,根据模板指纹特征序列和候选图像区域的指纹特征序列,确定与模板图像相似度最大的候选图像区域为目标图像区域包括:获取第一模板指纹特征序列和第一候选图像区域的指纹特征序列的汉明距离,其中,汉明距离的大小与相似度的大小负相关;根据汉明距离的大小确定与地标图案的模板图像相似度最大的第一候选图像区域为第一目标图像区域。
图4是根据本发明实施例的一种可选的地标图案检测方法流程图,如图4所示,无人机在降落过程初期,地标区域较小,此时以整体地标作为检测目标,执行整体地标检测。对于模板序列,将给定地标图案表示为初始化的模板图像,通过感知哈希算法构造旋转0度、90度、180度、270度获得四个方向的模板指纹库,得到:
对于采集图像序列,首先以上一帧地标图案的坐标信息为中心,在当前帧图像画面中生成搜索区域,在搜索区域内进行灰度化、自适应阈值、边缘加深等预处理操作。然后对预处理后的图像区域进行轮廓提取,通过轮廓多边形拟合筛选出符合有四边形特征的图像区域,作为候选目标区域;通过仿射变换,获取每一个候选区域内的指纹特征,即 候选区域与模板图像之间的相似度表示为对应指纹特征之间的汉明距离:
其中,XOR表示异或运算。求得结果越小,说明两者相似度越高。根据求出的距离D以及轮廓面积角度等条件进行排序,得到与模板图像相似度最高的候选区域X*。选取X*作为当前帧的检测结果。
可选地,将与模板指纹特征序列的汉明距离最小的候选图像区域确定为目标图像区域之后,所述方法还包括:使用第一目标图像区域中的地标图案更新地标图案的模板图像。
由于地标区域在精准降落过程中常常会受到各种因素的影响,固定的模板图像无法适应外部环境的变化,因此可以将最新获得的地标区域作为模板图像,并对指纹特征库进行实时更新。若整体地标检测算法未检测到地标,则保留上一帧的模板指纹库,不进行模板更新。
可选地,上述步骤S206可以通过以下步骤实现:通过感知哈希算法将中心图案的模板图像转换为0度、90度、180度、270度四个方向的第二模板指纹特征序列;获取图像画面中第二候选图像区域的指纹特征序列,其中,第二候选图像区域为图像画面中与中心图案的轮廓匹配的图像区域;根据第二模板指纹特征序列和第二候选图像区域的指纹特征序列,确定与中心图案的模板图像相似度最大的第二候选图像区域为第二目标图像区域;获取第二目标图像区域的坐标信息。
可选地,获取图像画面中第二候选图像区域的指纹特征序列包括:根据上一帧图像画面中地标图案的位置,以及中心图案与背景图案的位置关系,确定当前帧图像画面中中心图案的第二候选图像区域;获取第二候选图像区域的指纹特征序列。
无人机在降落过程中,摄像机视野区域逐渐变小,拍摄的图像更加清晰。当无人机下降到一定高度时,地标的整体轮廓特征消失,无法将整体作为检测目标,此时需要对局部地标,也就是中心图案进行检测。为了保证中心图案处于摄像机视野范围中,需要在整体轮廓特征消失前,进行局部检测。本发明实施例中,若目标区域(地标图案在图像上的显示面积)与输入的图像画面面积比大于阈值α,执行局部地标检测。
图5是根据本发明实施例的一种可选的中心图案检测方法流程图,如图5所示,如果是初次对中心图案进行检测,首先根据上一帧地标位置以及中心图案与整体图案的位置关系,确定中心图案的坐标信息,以中心图案的坐标信息为中心确定当前帧图像画面中的搜索区域,在搜索区域内进行灰度化、自适应阈值、边缘加深等预处理操作。然后对预处理后的图像区域进行轮廓提取,通过轮廓多边形拟合筛选出符合有四边形特征的图像区域,作为候选目标区域;通过仿射变换,获取每一个候选区域内的指纹特征。需要注意的是,若图像指纹和模板指纹之间的汉明距离D满足一定阈值,则选取面积最大的区域作为目标区域。局部识别可以不进行模板更新,采用统一模板。当进行局部识别时,无人机距离地标距离比较近,且处于地标上方,此时,光照对图像的影响会变得比较小,因此采用统一模板也可满足算法要求。
可选地,获取中心图案的坐标信息之后,所述方法还包括:提取上一帧图像画面的第一特征值和当前帧图像画面的第二特征值;通过匹配第一特征值和所述第二特征值,获取上一帧图像画面与当前帧图像画面之间的单应性矩阵;根据单应性矩阵,将上一帧图像画面中获取的地标图案的坐标信息和/或中心图案的坐标信息映射到当前帧图像画面中。
图6是根据本发明实施例的一种可选的重检测流程示意图,如图6所示,在无人机场景中,局部光照变化剧烈、小面积遮挡等因素会导致地标内部结构信息或外部轮廓信息遭到破坏,通过前两步往往无法检出地标位置。为了解决此场景下地标检测问题,提高地标检测率,可以对上一帧与当前帧的图像序列分别进行ORB特征提取,并对提取出的特征点进行匹配。通过匹配特征点计算两幅图像之间的单应性矩阵,将上一帧获取的地标区域坐标映射到当前帧。
为了提高重检测策略的稳定性,将通过重检测获得的地标区域与模板图像进行相似度度量。衡量指标包括平均哈希值、感知哈希值等。若相似度满足一定阈值,则认为策略成功,将重检测结果作为当前帧的地标区域位置;否则认为策略失败,将反馈给控制平台进行无人机悬停,以保证降落安全。
图7是根据本发明实施例的一种可选的无人机精准降落流程图,如图7所示,包括以下步骤:
S701,输入图像画面的指纹特征序列;
S702,判断上一帧图像画面的检测是否是整体地标图案的检测,若是,执行步骤S703,若不是,执行步骤S704;
S703,判断目标区域与输入图像面积之比是否大于阈值α,若是,执行步骤S706,若不是,执行步骤S705;
S704,判断目标区域与输入图像面积之比是否小于阈值β,若是,执行步骤S705,若不是,执行步骤S706;
S705,执行整体地标图案的检测;
S706,执行局部中心图案的检测;
S707,判断是否检测到目标图案,若是,执行步骤S710,若否,执行步骤S708;
S708,执行重检测步骤;
S709,判断是否检测到目标图案,若是,执行步骤S710,若否,执行步骤S711;
S710,更新地标图案的坐标信息;
S711,未检测到地标,无人机悬停。
本发明实施例以上一帧目标区域与输入图像面积比例作为判断条件,以感知哈希算法为基础,将整个过程分为整体地标检测、局部地标检测、重检测三部分,实现了对地面标志物的精准定位,从而完成无人机精准降落任务。整体地标和局部地标检测可以保证降落初期能够准确地检出整体地标,也可以保证降落后期无人机距离地面较近、摄像头视野中无外部轮廓时,能够准确地检出中心图案。为了进一步提高检测率,重检测通过检测特征点,并进行匹配,通过匹配的特征点计算单应性矩阵,继而将上一帧的坐标信息矩阵变换得到目标位置,进行相似度度量,确定结果的准确性。该方法可以有效地解决地标内部结构信息或者外部轮廓信息被轻微破坏的情况。
本发明实施例在整体地标检测中加入模板更新策略。在无人机场景中,用上一帧得到的地标区域作为新的模板,可以获得最为接近真实条件下的地标模板。在局部光照对地标影响较大的情况下,利用该策略,可以缩小地标与模板的指纹距离,增加不同环境下对地标的检测率。若整体地标检测算法未检测到地标,则保留上一帧的模板指纹库,不进行模板更新。
本发明实施例在灰度图基础上进行识别,并没有将颜色信息作为主要的筛选依据,而是提取目标结构信息、图像指纹。在光照条件多变,场景多变,干扰因素比较多的场景中,更多地关注结构信息,可以提高检测率。
根据本发明的另一个实施例,还提供了一种坐标信息的获取装置,用于实现上述任一项方法实施例,已经说明过的内容此处不再重复。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是根据本发明实施例的一种可选的坐标信息的获取装置的结构框图,如图8所示,该装置包括:
第一获取模块802,用于在无人机下降过程中获取包含地标图案的图像画面,其中,地标图案至少包括:背景图案和中心图案,中心图案的面积小于背景图案,中心图案与背景图案重合;
第二获取模块804,用于当图像画面中显示的地标图案的面积与所述图像画面的面积之比小于预设阈值时,获取地标图案的坐标信息;
第三获取模块806,用于当图像画面中显示的地标图案的面积与图像画面的面积之比大于或等于预设阈值时,获取中心图案的坐标信息。
第二获取模块包括:
第一转换单元,用于通过感知哈希算法将所述地标图案的模板图像转换为0度、90度、180度、270度四个方向的第一模板指纹特征序列;
第一获取单元,用于获取所述图像画面中第一候选图像区域的指纹特征序列,其中,所述第一候选图像区域为所述图像画面中与所述地标图案的轮廓匹配的图像区域;
第一确定单元,用于根据所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列,确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域;
第二获取单元获取所述第一目标图像区域的坐标信息。
确定单元包括:
第一获取子单元,用于获取所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列的汉明距离,其中,所述汉明距离的大小与所述相似度的大小负相关;
第一确定子单元,用于根据所述汉明距离的大小确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域。
第二获取模块还包括:
更新单元,用于使用所述第一目标图像区域中的地标图案更新所述地标图案的模板图像。
第三获取模块包括:
第二转换单元,用于通过感知哈希算法将所述中心图案的模板图像转换为0度、90度、180度、270度四个方向的第二模板指纹特征序列;
第三获取单元,用于获取所述图像画面中第二候选图像区域的指纹特征序列,其中,所述第二候选图像区域为所述图像画面中与所述中心图案的轮廓匹配的图像区域;
第二确定单元,用于根据所述第二模板指纹特征序列和所述第二候选图像区域的指纹特征序列,确定与所述中心图案的模板图像相似度最大的所述第二候选图像区域为第二目标图像区域;
第四获取单元,用于获取所述第二目标图像区域的坐标信息。
第三获取单元包括:
第二确定子单元,用于根据上一帧图像画面中所述地标图案的位置,以及所述中心图案与所述背景图案的位置关系,确定当前帧图像画面中所述中心图案的第二候选图像区域;
第二获取子单元,用于获取所述第二候选图像区域的指纹特征序列。
所述装置还包括:
提取模块,用于提取上一帧图像画面的第一特征值和当前帧图像画面的第二特征值;
匹配模块,用于匹配所述第一特征值和所述第二特征值,获取所述上一帧图像画面与所述当前帧图像画面之间的单应性矩阵;
映射模块,用于根据所述单应性矩阵,将所述上一帧图像画面中获取的地标图案的坐标信息和/或中心图案的坐标信息映射到所述当前帧图像画面中。
本发明的实施例还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,在无人机下降过程中获取包含地标图案的图像画面,其中,,地标图案至少包括:背景图案和中心图案,中心图案的面积小于背景图案,中心图案与背景图案重合;
S2,当图像画面中显示的地标图案的面积与图像画面的面积之比小于预设阈值时,获取地标图案的坐标信息;
S3,当图像画面中显示的地标图案的面积与图像画面的面积之比大于或等于预设阈值时,获取中心图案的坐标信息。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,在无人机下降过程中获取包含地标图案的图像画面,其中,,地标图案至少包括:背景图案和中心图案,中心图案的面积小于背景图案,中心图案与背景图案重合;
S2,当图像画面中显示的地标图案的面积与图像画面的面积之比小于预设阈值时,获取地标图案的坐标信息;
S3,当图像画面中显示的地标图案的面积与图像画面的面积之比大于或等于预设阈值时,获取中心图案的坐标信息。
本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种坐标信息的获取方法,其特征在于,包括:
在无人机下降过程中获取包含地标图案的图像画面,其中,所述地标图案至少包括:背景图案和中心图案,所述中心图案的面积小于所述背景图案,所述中心图案与所述背景图案重合;
当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比小于预设阈值时,获取所述地标图案的坐标信息;
当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比大于或等于预设阈值时,获取所述中心图案的坐标信息;
其中,在所述无人机距离地面不同高度时,以地标的不同部位作为检测目标,确定所述地标图案;
当内部结构信息或外部轮廓信息遭到破坏,通过上述步骤无法检出地标位置时,通过下述步骤对地标位置进行重新检测:
提取上一帧图像画面的第一特征值和当前帧图像画面的第二特征值;
通过匹配所述第一特征值和所述第二特征值,获取所述上一帧图像画面与所述当前帧图像画面之间的单应性矩阵;
根据所述单应性矩阵,将所述上一帧图像画面中获取的地标图案的坐标信息和/或中心图案的坐标信息映射到所述当前帧图像画面中。
2.根据权利要求1所述的方法,其特征在于,所述当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比小于预设阈值时,获取所述地标图案的坐标信息包括:
通过感知哈希算法将所述地标图案的模板图像转换为0度、90度、180度、270度四个方向的第一模板指纹特征序列;
获取所述图像画面中第一候选图像区域的指纹特征序列,其中,所述第一候选图像区域为所述图像画面中与所述地标图案的轮廓匹配的图像区域;
根据所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列,确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域;
获取所述第一目标图像区域的坐标信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列,确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域包括:
获取所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列的汉明距离,其中,所述汉明距离的大小与所述相似度的大小负相关;
根据所述汉明距离的大小确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域。
4.根据权利要求2所述的方法,其特征在于,根据所述第一模板指纹特征序列和所述第一候选图像区域的指纹特征序列,确定与所述地标图案的模板图像相似度最大的所述第一候选图像区域为第一目标图像区域之后,所述方法还包括:
使用所述第一目标图像区域中的地标图案更新所述地标图案的模板图像。
5.根据权利要求1所述的方法,其特征在于,当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比大于预设阈值时,获取所述中心图案的坐标信息包括:
通过感知哈希算法将所述中心图案的模板图像转换为0度、90度、180度、270度四个方向的第二模板指纹特征序列;
获取所述图像画面中第二候选图像区域的指纹特征序列,其中,所述第二候选图像区域为所述图像画面中与所述中心图案的轮廓匹配的图像区域;
根据所述第二模板指纹特征序列和所述第二候选图像区域的指纹特征序列,确定与所述中心图案的模板图像相似度最大的所述第二候选图像区域为第二目标图像区域;
获取所述第二目标图像区域的坐标信息。
6.根据权利要求5所述的方法,其特征在于,获取所述图像画面中第二候选图像区域的指纹特征序列包括:
根据上一帧图像画面中所述地标图案的位置,以及所述中心图案与所述背景图案的位置关系,确定当前帧图像画面中所述中心图案的第二候选图像区域;
获取所述第二候选图像区域的指纹特征序列。
7.一种坐标信息的获取装置,其特征在于,包括:
第一获取模块,用于在无人机下降过程中获取包含地标图案的图像画面,其中,所述地标图案至少包括:背景图案和中心图案,所述中心图案的面积小于所述背景图案,所述中心图案与所述背景图案重合;
第二获取模块,用于当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比小于预设阈值时,获取所述地标图案的坐标信息;
第三获取模块,用于当所述图像画面中显示的所述地标图案的面积与所述图像画面的面积之比大于或等于预设阈值时,获取所述中心图案的坐标信息;
其中,所述装置还用于在所述无人机距离地面不同高度时,以地标的不同部位作为检测目标,确定所述地标图案;
所述装置还用于,当内部结构信息或外部轮廓信息遭到破坏,通过上述步骤无法检出地标位置时,通过下述步骤对地标位置进行重新检测:提取上一帧图像画面的第一特征值和当前帧图像画面的第二特征值;通过匹配所述第一特征值和所述第二特征值,获取所述上一帧图像画面与所述当前帧图像画面之间的单应性矩阵;根据所述单应性矩阵,将所述上一帧图像画面中获取的地标图案的坐标信息和/或中心图案的坐标信息映射到所述当前帧图像画面中。
8.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910860018.1A CN110569810B (zh) | 2019-09-11 | 2019-09-11 | 坐标信息的获取方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910860018.1A CN110569810B (zh) | 2019-09-11 | 2019-09-11 | 坐标信息的获取方法及装置、存储介质、电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110569810A CN110569810A (zh) | 2019-12-13 |
CN110569810B true CN110569810B (zh) | 2022-02-08 |
Family
ID=68779325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910860018.1A Active CN110569810B (zh) | 2019-09-11 | 2019-09-11 | 坐标信息的获取方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569810B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286213A (zh) * | 2020-10-21 | 2021-01-29 | 苏州臻迪智能科技有限公司 | 一种无人机悬停方法、装置,无人机及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166854A (zh) * | 2014-08-03 | 2014-11-26 | 浙江大学 | 针对小型无人机自主降落的视觉分级地标定位识别方法 |
CN107063261A (zh) * | 2017-03-29 | 2017-08-18 | 东北大学 | 用于无人机精准着陆的多特征信息地标检测方法 |
CN109461174A (zh) * | 2018-10-25 | 2019-03-12 | 北京陌上花科技有限公司 | 视频目标区域跟踪方法和视频平面广告植入方法及*** |
CN110059701A (zh) * | 2019-03-25 | 2019-07-26 | 南京邮电大学 | 一种基于不良光照下的无人机地标图像处理方法 |
CN110222612A (zh) * | 2019-05-27 | 2019-09-10 | 北京交通大学 | 用于无人机自主降落的动态标靶识别与跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10551852B2 (en) * | 2016-07-21 | 2020-02-04 | Percepto Robotics Ltd | Systems and methods for automated landing of a drone |
-
2019
- 2019-09-11 CN CN201910860018.1A patent/CN110569810B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104166854A (zh) * | 2014-08-03 | 2014-11-26 | 浙江大学 | 针对小型无人机自主降落的视觉分级地标定位识别方法 |
CN107063261A (zh) * | 2017-03-29 | 2017-08-18 | 东北大学 | 用于无人机精准着陆的多特征信息地标检测方法 |
CN109461174A (zh) * | 2018-10-25 | 2019-03-12 | 北京陌上花科技有限公司 | 视频目标区域跟踪方法和视频平面广告植入方法及*** |
CN110059701A (zh) * | 2019-03-25 | 2019-07-26 | 南京邮电大学 | 一种基于不良光照下的无人机地标图像处理方法 |
CN110222612A (zh) * | 2019-05-27 | 2019-09-10 | 北京交通大学 | 用于无人机自主降落的动态标靶识别与跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110569810A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241820B (zh) | 基于空间探索的无人机自主拍摄方法 | |
EP3274921B1 (en) | Multi-layer skin detection and fused hand pose matching | |
CN110807473B (zh) | 目标检测方法、装置及计算机存储介质 | |
CN110796135B (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
WO2014151035A1 (en) | Computer-based method and system of dynamic category object recognition | |
US10839555B2 (en) | Target detection method and unmanned aerial vehicle | |
CN113359782B (zh) | 一种融合lidar点云与图像数据的无人机自主选址降落方法 | |
CN109711374B (zh) | 人体骨骼点识别方法及装置 | |
CN110443247A (zh) | 一种无人机地面运动小目标实时检测***及方法 | |
CN103136525A (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN112633297A (zh) | 目标对象的识别方法、装置、存储介质以及电子装置 | |
US11710253B2 (en) | Position and attitude estimation device, position and attitude estimation method, and storage medium | |
US20220222928A1 (en) | Learning method, learning program, and learning device | |
CN114815871A (zh) | 一种基于视觉的垂直起降无人机动平台自主降落方法 | |
CN110569810B (zh) | 坐标信息的获取方法及装置、存储介质、电子装置 | |
CN114022845A (zh) | 电工绝缘手套实时检测方法、计算机可读介质 | |
CN113837044A (zh) | 基于环境亮度的器官定位方法及相关设备 | |
CN107729863B (zh) | 人体指静脉识别方法 | |
CN109215074B (zh) | 基于分层码标的无人机降落方法、装置、设备以及可读存储介质 | |
CN112070814A (zh) | 一种靶标角度识别方法、装置 | |
CN110288655A (zh) | 一种自动识别chart图片中测试图案位置的方法及装置 | |
CN113781524B (zh) | 一种基于二维标签的目标追踪***及方法 | |
CN111746810B (zh) | 全天候无人机降落方法及降落***、设备和存储介质 | |
CN115797397A (zh) | 一种机器人全天候自主跟随目标人员的方法及*** | |
KR102664123B1 (ko) | 차량 데이터 생성 장치 및 방법, 그리고 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |