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：南京信息工程大学

摘要：本发明提供了一种基于SLAM算法的无人机跟拍方法，首先获取无人机参数和实时飞行图像，进行预处理，基于预处理后的飞行图像得到无人机当前位置及摄像头覆盖范围，完成图像识别，锁定跟拍目标；然后获取无人机飞行数据，基于SLAM算法，根据飞行数据进行SLAM的图优化，使用卷积神经网络提取环境特征，提高SLAM算法精度；接着根据无人机实时飞行数据构建跟踪算法，实时跟踪跟拍目标并适应环境变化；最后将跟拍目标的运动轨迹和根据历史操作调整调整后的界面布局，发送至用户终端显示，接收用户终端的确认信息。本发明方法解决了固定机位跟拍无法实时跟踪客体运动和难以适应复杂的环境变化的问题，进一步提高了多目标跟拍的精度。

主权项：1.一种基于SLAM算法的无人机跟拍方法，其特征在于，包括如下步骤：S1、获取无人机参数，实时获取无人机飞行图像，并进行预处理，基于预处理后的飞行图像得到无人机当前位置及摄像头覆盖范围，完成图像识别，锁定跟拍目标；S2、获取无人机飞行数据，基于SLAM算法，根据飞行数据进行SLAM的图优化，使用卷积神经网络提取环境特征，提高SLAM算法精度，具体包括：S2.1、基于实时获取的传感器数据，进行传感器数据融合，提高SLAM算法的鲁棒性和精度；所述传感器数据，包括激光雷达数据、视觉相机数据和惯性测量单元IMU数据；不同类型传感器数据融合，采用ORB-SLAM3或VINS-Fusion方法，融合惯性测量单元IMU数据与视觉相机数据，结合ekf扩展卡尔曼滤波，并采用滑动平均方法，获取更精准的数据，同时去除数据中的随机噪声，提高SLAM算法的鲁棒性和精准性；S2.2、构建观测图，通过观测图查询无人机路径和地图配置，进行SLAM的图优化，找到最优无人机路径和地标位置；所述观测图，包括观测数据和状态变量；所述状态变量，包括无人机位置和方向，以及地图中的特征点位置；所述观测数据，为无人机通过传感器获取的信息，包括距离、角度；根据传感器的数据构建观测图，进行SLAM的图优化，构建观测图每条边的误差函数F，表示观测数据和当前状态变量之间的差异，公式如下： ；其中，状态变量包括：无人机在不同时刻的位置，以及无人机观测地标的位置；观测数据为，表示从位置到地标的实际观测距离；是和之间的理论距离；为无人机在位置的误差函数，调整和的位置，使得观测误差最小化；进行SLAM的图优化，将所有边误差函数整合，构建非线性最小二乘公式，最小化所有边的误差函数总和，表示如下： ；其中，x表示所有状态变量的集合，E是所有边的集合；调整状态变量，由于误差函数是非线性的，使用迭代线性化方法进行求解，每次迭代中，通过求解线性方程组来更新状态变量，公式为： ；其中，H是海森矩阵，反映误差函数对状态变量的二阶偏导数，g是梯度向量，表示误差函数对状态变量的一阶偏导数，λ是一个用于确保正定的调整参数，I是单位矩阵;根据解出的Δx更新状态变量x，重新评估误差，根据无人机下一时刻的观测数据和状态变量进行下一次迭代，当误差不再显著减少或达到预设的迭代次数时，完成SLAM的图优化，获得最优的无人机路径和地标位置；S2.3、获取无人机实时飞行数据，通过卷积神经网络处理飞行数据，提取环境特征，改善特征提取和数据关联，进行SLAM算法优化；S3、根据无人机实时飞行数据，构建跟踪算法跟踪跟拍目标；S4、实时跟踪跟拍目标，并适应环境变化，将跟拍目标的运动轨迹和根据历史操作调整后的界面布局，发送至用户终端显示。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于SLAM算法的无人机跟拍方法