融合人工智能和北斗导航的无人机视频定位方法及装置

技术领域

[0001] 本申请涉及视频定位技术领域，特别涉及融合人工智能和北斗导航技术进行视频定位的方法。

背景技术

[0002] 视频定位是通过对采集的图像进行识别，确定无人机或无人机附近目标位置的技术，采用视频定位技术可以在无人机无法依赖卫星定位或卫星定位无法直接得到目标位置的情况下对目标进行较为准确的定位，因此正在被应用在各种军用或民用的场合中。

[0003] 目前，大多数视频定位技术主要针对无人机能够悬停在目标上方的情况，这种方式在无人机获得自身的位置后就能快速且准确的得到目标的位置。但是，这种方式却不适用于一些特殊场景，例如，在具有建筑物、高山、电塔等障碍物阻挡时，如果目标和这些障碍物的距离很近，甚至就在障碍物内部，这时无人机就无法抵达目标的正上方，需要无人机采用倾斜摄影的方式采集目标的图像，然后进行分析。在这种情况下，如果障碍物附近还有其他的阻碍，例如树木、其他建筑物等，无人机在采集图像时可供调整位置的范围就非常小，在这种小范围且方向固定的情况下，现有的视频定位技术就无法发挥应有的作用。

发明内容

[0004] 本申请实施例提供了融合人工智能和北斗导航的无人机视频定位方法及装置，用以解决现有技术中现有的视频定位方法无法应用于小范围且方向固定场景的问题。

[0005] 一方面，本申请实施例提供了融合人工智能和北斗导航的无人机视频定位方法，包括：通过倾斜摄影的方式由无人机采集初始目标图像；
识别初始目标图像中目标的粗略位置，使激光测距仪朝向粗略位置以测量无人机和目标的直线距离；
以无人机的当前位置为中心，以设定长度为直径设置球体区域，以无人机移动至所有采样点的总飞行时间最短以及所有采样点的视角均匀性最优为目标建立目标函数，求解目标函数得到球体区域的球面上的多个采样点，视角均匀性为所有采样点之间视角夹角与最小夹角的偏差标准差，最小夹角根据直线距离确定；
由无人机依次在每个采样点采集采样目标图像，同时获取每个采样点的北斗导航定位误差；采集采样目标图像时，无人机调整相机的姿态，使目标处在采样目标图像的中心；
采用基于相机投影模型的坐标转换方法，基于采样目标图像确定与每个采样点对应的目标的初步大地坐标；
利用深度强化学习方法，根据采样目标图像的清晰度评分、初步大地坐标以及北斗导航定位误差计算每个采样点的权重；
根据权重对所有的初步大地坐标进行加权求和，得到目标的最终坐标。

[0006] 另一方面，本申请实施例还提供了融合人工智能和北斗导航的无人机视频定位装置，包括：相机，用于在无人机的携带下通过倾斜摄影的方式采集初始目标图像；
数据处理单元，用于识别初始目标图像中目标的粗略位置，使激光测距仪朝向粗
略位置以测量无人机和目标的直线距离；以无人机的当前位置为中心，以设定长度为直径设置球体区域，以无人机移动至所有采样点的总飞行时间最短以及所有采样点的视角均匀性最优为目标建立目标函数，求解目标函数得到球体区域的球面上的多个采样点，视角均匀性为所有采样点之间视角夹角与最小夹角的偏差标准差，最小夹角根据直线距离确定；
相机依次在每个采样点采集采样目标图像，同时获取每个采样点的北斗导航定位
误差；采集采样目标图像时，无人机调整相机的姿态，使目标处在采样目标图像的中心；
数据处理单元采用基于相机投影模型的坐标转换方法，基于采样目标图像确定与
每个采样点对应的目标的初步大地坐标；利用深度强化学习方法，根据采样目标图像的清晰度评分、初步大地坐标以及北斗导航定位误差计算每个采样点的权重；根据权重对所有的初步大地坐标进行加权求和，得到目标的最终坐标。

[0007] 本申请中的融合人工智能和北斗导航的无人机视频定位方法及装置，具有以下优点：为有限范围的场景专门设计了视频定位方法，通过对采样点的最优选取、图像获
取以及基于深度强化学习技术的坐标融合，可以在短时间内获得较为准确的目标坐标，为移动空间受限时利用无人机进行视频定位的需求提供可行的解决方案。