地面目标检测定位方法及装置与流程

本申请涉及计算机，尤其涉及一种地面目标检测定位方法及装置。

背景技术：

1、随着无人机技术的发展，无人机在民用领域的应用日益广泛，可以执行各种任务如目标搜索跟踪、救援通讯、巡检等。这些任务对无人机的环境感知能力提出了更高要求。目标检测与定位是无人机实现环境感知的关键技术之一。无人机持续跟踪地面目标是一项复杂的任务，需要解决目标表示、检测、图像定位和地理定位等问题。当前无人机对目标检测与定位普遍存在检测鲁棒性差、定位精度不高的问题，因此亟需提出一种新的目标检测定位方法来解决这些问题。

技术实现思路

1、本申请提供一种地面目标检测定位方法及装置，可以提高检测鲁棒性和定位精度。

2、第一方面，本申请实施例提供一种地面目标检测定位方法，包括：

3、基于深度卷积神经网络模型对输入的无人机视频图像进行目标检测，输出目标检测框和目标类别；

4、基于目标检测框和目标类别，结合无人机的设备参数，确定每个检测目标在图像平面的坐标；

5、基于每个检测目标在图像平面的坐标，应用像素坐标与地理坐标之间的转换模型，确定每个检测目标的经纬度地理坐标。

6、在一个实施例中，所述方法还包括：

7、将在线采集的无人机视频图像进行增量学习。

8、在一个实施例中，所述方法还包括：

9、获取无人机的设备参数；所述设备参数包括：无人机的姿态数据、云台数据和相机参数。

10、在一个实施例中，基于深度卷积神经网络模型对输入的无人机视频图像进行目标检测，输出目标检测框和目标类别，包括：

11、对输入的无人机视频图像进行预处理，得到固定分辨率的图像；

12、利用训练好的深度卷积神经网络模型对固定分辨率的图像进行特征提取，得到特征矩阵；

13、对所述特征矩阵进行解析，得到检测框坐标和类别概率；

14、采用非极大值抑制处理，抑制检测框重叠，输出最终的目标检测框和目标类别。

15、在一个实施例中，基于目标检测框和目标类别，结合无人机的设备参数，确定每个检测目标在图像平面的坐标，包括：

16、将检测到的目标检测框坐标从像素单位归一化到相机坐标系下的标准化坐标；

17、对标准化坐标进行反向补偿；

18、对经过补偿后的标准化坐标进行图像畸变校正，得到归一化后的无畸变坐标；

19、应用标定得到的无人机相机内参矩阵将归一化后的无畸变坐标映射到相机坐标系；

20、基于当前时刻无人机相机的外参矩阵，将目标检测框从相机坐标系转换到世界坐标系，得到每个检测目标在图像平面的坐标。

21、在一个实施例中，基于每个检测目标在图像平面的坐标，应用像素坐标与地理坐标之间的转换模型，确定每个检测目标的经纬度地理坐标，包括：

22、确定像素坐标与地理坐标之间的转换模型；

23、将所述每个检测目标在图像平面的坐标输入至所述转换模型，输出每个检测目标的经纬度地理坐标。

24、在一个实施例中，确定像素坐标与地理坐标之间的转换模型，包括：

25、提取无人机视频图像中的显著特征，获得匹配特征点；

26、从所述匹配特征点中估计出单应矩阵，得到像素坐标与地理坐标之间的转换模型。

27、第二方面，本申请实施例提供一种地面目标检测定位装置，包括：

28、检测模块，用于基于深度卷积神经网络模型对输入的无人机视频图像进行目标检测，输出目标检测框和目标类别；

29、第一确定模块，用于基于目标检测框和目标类别，结合无人机的设备参数，确定每个检测目标在图像平面的坐标；

30、第二确定模块，用于基于每个检测目标在图像平面的坐标，应用像素坐标与地理坐标之间的转换模型，确定每个检测目标的经纬度地理坐标。

31、第三方面，本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。

32、第四方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的方法。

33、第五方面，本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。

34、本申请实施例提供的地面目标检测定位方法及装置，通过卷积神经网络识别目标检测框和目标类别，并结合无人机设备参数确定目标的像素坐标，再基于转换模型确定检测目标的经纬度地理坐标，可以实时高效完成地面目标的精确检测定位，提高了目标检测鲁棒性，从而进一步保证环境感知的准确性，使得无人机能够执行目标搜索跟踪、救援通讯、巡检等任务。

技术特征：

1.一种地面目标检测定位方法，其特征在于，包括：

2.根据权利要求1所述的地面目标检测定位方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的地面目标检测定位方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的地面目标检测定位方法，其特征在于，基于深度卷积神经网络模型对输入的无人机视频图像进行目标检测，输出目标检测框和目标类别，包括：

5.根据权利要求1所述的地面目标检测定位方法，其特征在于，基于目标检测框和目标类别，结合无人机的设备参数，确定每个检测目标在图像平面的坐标，包括：

6.根据权利要求1所述的地面目标检测定位方法，其特征在于，基于每个检测目标在图像平面的坐标，应用像素坐标与地理坐标之间的转换模型，确定每个检测目标的经纬度地理坐标，包括：

7.根据权利要求6所述的地面目标检测定位方法，其特征在于，确定像素坐标与地理坐标之间的转换模型，包括：

8.一种地面目标检测定位装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述地面目标检测定位方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述地面目标检测定位方法。

技术总结
本申请提供一种地面目标检测定位方法及装置，涉及计算机技术领域。所述方法包括：基于深度卷积神经网络模型对输入的无人机视频图像进行目标检测，输出目标检测框和目标类别；基于目标检测框和目标类别，结合无人机的设备参数，确定每个检测目标在图像平面的坐标；基于每个检测目标在图像平面的坐标，应用像素坐标与地理坐标之间的转换模型，确定每个检测目标的经纬度地理坐标。本申请提供的地面目标检测定位方法及装置，可以提高检测鲁棒性和定位精度。

技术研发人员：刘成,杨秀月,朱晓秀,吴寒,张龙飞,叶航,刘子贤,王俊豪
受保护的技术使用者：中国人民解放军32398部队
技术研发日：
技术公布日：2024/2/1