买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河海大学

摘要：本发明公开了一种基于多源先验的无人机目标视觉定位方法，该方法首先引入典型相关分析理论和对抗学习思想，实现尺度不变特征和尺度特征的解耦表示，利用尺度不变特征提高无人机目标检测精度；然后，利用解耦出的尺度特征，实现无人机的粗略高度估计；最后结合高度估计、目标检测结果，并接入目标跟踪算法，依次控制无人机飞行速度、步长和姿态，从而飞至目标上方，结合无人机GPS实现目标定位。本发明充分运用多种算法和先验知识，实现无人机自主飞行以及对目标自动定位，有效提升无人机视觉定位任务成功率。该方法可以用于军事侦察、灾害监测、物流配送等领域，并且能够拓展至多机协同任务，降低人力与硬件成本。

主权项：1.一种基于多源先验的无人机目标视觉定位方法，其特征在于，包括如下步骤：步骤1，使用具有无人机高度标签的数据集作为模型的训练数据，对数据进行预处理；步骤2，构建尺度不变特征对抗解耦模块，添加至目标检测模型中，使用步骤1的训练样本训练深度学习模型，每次将Imagei作为添加了解耦模块的目标检测模型的输入，分别得到高度估计和目标检测两种预测结果，将上述目标检测模型的输出值与实际值进行误差比较，通过损失函数对不同的输出值进行求导，用反向传播算法向所有神经元传递误差；根据传递的误差的数值，使用随机梯度下降法对各层神经元更新权重与偏置值，每次调整幅度根据学习率进行；i代表训练集图像序号，即Imagei代表第i张训练集图像；步骤3，重复步骤2，将迭代次数设置到足够模型参数收敛至最优值；步骤4，使用步骤3训练得到的模型目标检测分支，设计映射关系，通过计算当前目标框占整个画面的比例，目标框占比越大，无人机飞行步长越小；步骤5，使用步骤3训练得到的模型高度估计分支，根据无人机当前摄像机画面估计无人机当前距离目标的高度，从而决定当前无人机飞行速度；步骤6，使用步骤3训练得到的模型目标检测分支，与ByteTrack目标跟踪算法结合，并实现选定目标的跟踪，根据选中目标在视场中的位置决定无人机飞行姿态；步骤7，依次重复步骤4、5、6，根据获取的结果自动对无人机发送控制指令，实现无人机自主飞行，直到无人机抵达目标上空；此时获取无人机GPS位置，与当前高度估计结果结合，解算出目标的具体GPS坐标；步骤2所述的构建尺度不变特征对抗解耦模块的具体过程为：S2-1、构建特征分割器：设第i张训练集图像经过特征提取后，输入目标检测头前的特征层为xi，使用张量裁切的方式将xi分为两组特征，这一过程表示为： 其中表示特征分割器，和代表分割后的两组特征；S2-2、设计尺度特征损失函数，用于训练过程中约束特征分割器，使之分割得到的为尺度特征，这一过程表示为： 其中是经过softmax操作后的输出，是第i个样本的高度标签，当接近0时，特征向量此时能够被视为尺度特征即尺度不变特征损失函数即为目标检测任务的损失函数，设为当接近0时，特征向量此时能够被视为尺度特征即S2-3、设计对抗性典型相关正则项损失函数，用于训练过程中最小化尺度不变特征和尺度特征的相关性，具体可以表示为：假设给定两组由FS提取的特征xscale和xdet，其典型相关表示为： 其中Wscale和Wdet是可训练的向量，和分别表示Wscale和Wdet的转置；x'scale和x'det是投影之后的向量；Wscale和Wdet能够将矩阵xsacle和xdet分别投影到x'scale和x'det；定义相关系数为： 基于该公式，X'scale和X'det之间的相关系数能够通过被计算得到；为了优化过程中的便捷性，使用ρ2x'scale,x'det作为目标函数；首先，冻结主干网络和特征分割器然后训练Wscale和Wdet来最大化ρ2；当ρ2达到最大值后，解冻和冻结Wscale和Wdet来最小化ρ2；上述两个操作，即冻结和解冻交替进行直至ρ2收敛至一个极小值；此时，向量Wscale和Wdet取得最优值和

全文数据：

权利要求：

百度查询： 河海大学 一种基于多源先验的无人机目标视觉定位方法