技术特征：
1.一种基于共视基准的无人机集群对目标三维运动精确测量方法，其特征在于，所述方法包括：通过悬停在相同高度的多台无人机从不同视角对目标场景进行观测，并同时采集序列图像数据；对任一时间点，根据各无人机采集的所述序列图像数据，确定各无人机图像间的单应矩阵；根据预先选定的场景特征，获取任一台无人机图像中所述场景特征对应的场景特征图像坐标，根据所述各无人机图像间的单应矩阵确定所述场景特征在其他无人机图像中对应的同名场景特征图像坐标；根据预先获取的所述场景特征的实际尺寸信息，以及各无人机图像中的同名场景特征图像坐标，通过epnp算法得到各无人机的机载相机相对所述目标场景的精确位姿关系信息；获取目标在各无人机图像中的目标图像坐标，根据所述精确位姿关系信息和目标在各无人机图像中的目标图像坐标，根据前方多目交会算法确定当前时间点目标在所述目标场景中的实际三维坐标；根据各个时间点所述序列图像数据确定的目标的实际三维坐标，得到目标在场景中的运动轨迹数据。2.根据权利要求1所述的方法，其特征在于，通过悬停在相同高度的多台无人机从不同视角对目标场景进行观测，并同时采集序列图像数据，包括：通过悬停在相同高度的多台无人机从不同视角通过机载单目相机对目标场景进行观测，并同时采集序列图像数据。3.根据权利要求2所述的方法，其特征在于，对任一时间点，根据各无人机采集的所述序列图像数据，确定各无人机图像间的单应矩阵，包括：对任一时间点，从各无人机图像中提取图像特征点；根据所述图像特征点进行特征点匹配，得到各无人机图像间的同名特征点对；根据所述同名特征点对得到各无人机图像间的单应矩阵。4.根据权利要求3所述的方法，其特征在于，对任一时间点，从各无人机图像中提取图像特征点，包括：对任一时间点，通过sift特征提取算法从各无人机图像中提取图像的sift特征点，使用ransac算法计算得到各无人机图像间的单应矩阵。5.根据权利要求4所述的方法，其特征在于，根据所述图像特征点进行特征点匹配，得到各无人机图像间的同名特征点对，包括：通过随机抽样一致算法根据所述图像特征点进行特征点匹配，得到各无人机图像间的同名特征点对。6.根据权利要求5所述的方法，其特征在于，根据预先选定的场景特征，获取任一台无人机图像中所述场景特征对应的场景特征图像坐标，包括：通过预先训练得到训练好的特征识别神经网络；根据预先选定的场景特征，通过所述训练好的特征识别神经网络获取任一台无人机图像中所述场景特征对应的场景特征图像坐标。
7.根据权利要求6所述的方法，其特征在于，根据所述各无人机图像间的单应矩阵确定所述场景特征在其他无人机图像中对应的同名场景特征图像坐标，包括：根据所述各无人机图像间的单应矩阵确定所述场景特征在其他无人机图像中对应的同名场景特征图像坐标；若所述场景特征在其他无人机图像中对应的同名场景特征图像坐标超出图像边界，则剔除所述场景特征。8.根据权利要求1至7任意一项所述的方法，其特征在于，所述多台无人机的飞行高度由所述目标场景大小和机载镜头参数确定。
技术总结
本申请涉及一种基于共视基准的无人机集群对目标三维运动精确测量方法。所述方法包括：利用无人机集群采集的共视场景图像序列数据进行各无人机图像间的单应矩阵计算，以及共视场景中的同名特征提取，进而进行无人机间的位姿估计，再结合场景中的背景特征尺度信息，基于多目交会原理解算得到共视场景中目标的位置与运动轨迹。本方法不受GPS定位信号与太阳光照影响，可在室内外场景下使用。相较于基于静态红外相机的运动捕捉系统，具有使用场景灵活，测量范围大等优点。测量范围大等优点。测量范围大等优点。
技术研发人员：张小虎 诸葛盛 何雨薇 徐祥鹏 杨夏
受保护的技术使用者：中山大学
技术研发日：2022.04.19
技术公布日：2022/7/29