CN107244423A - 一种起降平台及其识别方法 - Google Patents
一种起降平台及其识别方法 Download PDFInfo
- Publication number
- CN107244423A CN107244423A CN201710500959.5A CN201710500959A CN107244423A CN 107244423 A CN107244423 A CN 107244423A CN 201710500959 A CN201710500959 A CN 201710500959A CN 107244423 A CN107244423 A CN 107244423A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- pixel
- landing platform
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F1/00—Ground or aircraft-carrier-deck installations
- B64F1/18—Visual or acoustic landing aids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种起降平台及其识别方法。所述起降平台为轴对称图形,轴对称图形的中心处设置有中心标记,轴对称图形的边缘处设置有四个区域标记,相邻区域标记的中心点之间的连线构成正方形,区域标记和中心标记的颜色均能转换成黑白图像进行识别。其能够特征化起降平台的各个区域,容易被无人机识别,识别效率和识别准确率高。
Description
技术领域
本发明涉及无人机技术领域,具体涉及一种起降平台及其识别方法。
背景技术
随着无人机在军事和民用领域内的广泛应用,特别是在当前智能化发展较快的情况下,无人机的研制在世界范围内蓬勃发展。起飞和着陆是飞行的复杂阶段,同样无人机的安全起飞和完成任务后的安全着陆也是无人机研制的关键技术之一,所以平台识别技术是首先要解决的问题。
现有的无人机平台多采用普通的起降平台,其多存在识别难度较大,识别准确率较低,识别效率较低等问题。
发明内容
本发明提供了一种起降平台及其识别方法,以解决现有技术中所存在的识别难度较大,识别准确率较低,识别效率较低等问题。
本发明一方面提供了一种起降平台,所述起降平台为轴对称图形,轴对称图形的中心处设置有中心标记,轴对称图形的边缘处设置有四个区域标记,相邻区域标记的中心点之间的连线构成正方形,区域标记和中心标记的颜色均能转换成黑白图像进行识别。
本发明另一方面提供了一种识别如本发明一个方面所述的起降平台的方法,包括以下步骤:
获取起降平台的图像信息,解码图像信息得到YCrCb数据;
对YCrCb数据直接进行二值化处理,将色彩同于区域标记的颜色的像素点的像素值设置为255,其他颜色的像素点的像素值设置为0,获得一幅黑白二值图像;
将黑白二值图像中的白色像素点进行聚类处理,获取起降平台的区域位置;
对YCrCb数据进行灰度处理得到灰度图像,对灰度图像进行二值化处理,将对应区域位置外的灰度图像中的像素点的像素值置零,对应区域位置内的像素点,若灰度值小于某一设定阈值则置255,若灰度值大于设定阈值则置0,获得一幅灰度二值图像;
对灰度二值图像基于白色像素点利用hough变换进行直线特征的识别,若能够在区域位置内识别到中心标记,则判断该区域位置为起降平台。
本发明的有益效果是:本发明的这种起降平台,首先,通过起降平台为轴对称图形,轴对称图形的中心处设置有中心标记,轴对称图形的边缘处设置有四个区域标记,能够特征化起降平台的各个区域,利于起降平台的识别;
其次,通过相邻区域标记的中心点之间的连线构成正方形,能够有利于利用hough变换进行直线特征的识别,再次确定该位置为平台位置信息,提高了识别准确率;
再次,通过区域标记和中心标记的颜色均能转换成黑白图像进行识别,能够便于采用平台颜色识别算法,直接将其他颜色的像素信息转换为待聚类的白色像素点信息,通过聚类信息的位置初步判定平台位置,再结合上述特征,利用hough变换进行直线特征的识别,精确确定该位置为平台位置信息,提高识别效率和准确度。
本发明的这种起降平台的识别方法,首先,通过采用本发明一个方面所述的起降平台,能够有利于准确和快速地进行识别;其次,通过解码图像信息得到YCrCb数据,再直接进行二值化处理,获得一幅黑白二值图像,能够使其适用于更多广泛的平台颜色,扩大其适用范围;再次,将黑白二值图像中的白色像素点进行聚类处理,获取起降平台的区域位置,能够通过二次特征识别的方式,更为准确快速地识别出起降平台的信息。
附图说明
图1是本发明一个实施例的起降平台的结构示意图;
图2是本发明一个实施例的起降平台识别方法的二值图像的示意图;
图3是本发明一个实施例的起降平台识别方法的对灰度图像进行二值化处理后的灰度图像示意图。
图4是本发明一个实施例的起降平台识别方法的图像处理流程图。
具体实施方式
本发明的设计构思是:本发明采用一种能够特征化各个区域的起降平台及其识别方法,其容易识别,识别效率和准确率高。
实施例一
图1是本发明一个实施例的起降平台的结构示意图。
参见图1,该起降平台,所述起降平台为轴对称图形,轴对称图形的中心处设置有中心标记1,轴对称图形的边缘处设置有四个区域标记2,相邻区域标记2的中心点之间的连线构成正方形,区域标记2和中心标记1的颜色均能转换成黑白图像进行识别。
可见,本实施例的这种起降平台,通过整体设置为轴对称图形,轴对称图形的中心处设置有中心标记,轴对称图形的边缘处设置有四个区域标记,能够特征化起降平台的各个区域,利于起降平台的识别;其相邻区域标记的中心点之间的连线构成正方形,能够有利于利用hough变换进行直线特征的识别,再次确定该位置为平台位置信息,提高了识别准确率;其区域标记和中心标记的颜色均能转换成黑白图像进行识别,能够便于采用平台颜色识别算法,直接将其他颜色的像素信息转换为待聚类的白色像素点信息,通过聚类信息的位置初步判定平台位置,再结合上述特征,利用hough变换进行直线特征的识别,精确确定该位置为平台位置信息,提高识别效率和准确度。
实施例二
本实施例中是重点对起降平台的具体实现方式所做的说明,其他内容参见本发明的其他实施例。
中心标记1包括圆环标记和“十”字形标记,“十”字形标记设置在圆环标记内。这样,能够方便设置中心标记1,且可辨识度高。
优选的,起降平台为正方形,区域标记2设置在正方形的四个角位置处。这样,使得起降平台的结构简单,容易设置,且便于识别。
优选的,中心标记1采用的颜色为黑色。区域标记2采用的颜色包括:红色、绿色、蓝色、黄色中的一种。这样,能够进一步便于采用平台颜色识别算法,直接将其他颜色的像素信息转换为待聚类的白色像素点信息,通过聚类信息的位置初步判定平台位置,再结合上述特征,利用hough变换进行直线特征的识别,精确确定该位置为平台位置信息,提高识别效率和准确度。
优选的,区域标记2采用的形状包括:正方形、长方形、圆形、三角形中的一种。这样,能够根据实际情况的需要,具体化选择更为合适的区域标记2的形状,以进一步促进识别的效率和效果。
实施例三
图2是本发明一个实施例的起降平台识别方法的二值图像的示意图。图4是本发明一个实施例的起降平台识别方法的图像处理流程图。
参见图4,一种识别如实施例一或实施例二所述的起降平台的方法,包括以下步骤:
获取如实施例一或实施例二所述的起降平台的图像信息,解码图像信息得到YCrCb数据;
对YCrCb数据直接进行二值化处理,将色彩同于区域标记的颜色的像素点的像素值设置为255,其他颜色的像素点的像素值设置为0,参见图2,获得一幅黑白二值图像;
将黑白二值图像中的白色像素点进行聚类处理,获取起降平台的区域位置;
对YCrCb数据进行灰度处理得到灰度图像,对灰度图像进行二值化处理,将对应区域位置外的灰度图像中的像素点的像素值置零,对应区域位置内的像素点,若灰度值小于某一设定阈值则置255,若灰度值大于设定阈值则置0,获得一幅灰度二值图像;
对灰度二值图像基于白色像素点利用hough变换进行直线特征的识别,若能够在区域位置内识别到中心标记1,则判断该区域位置为起降平台。
可见,本实施例的起降平台的识别方法,通过采用实施例一或实施例二所述的起降平台,能够有利于准确和快速地进行识别;通过解码图像信息得到YCrCb数据,再直接进行二值化处理,获得一幅黑白二值图像,能够使其适用于更多广泛的平台颜色,扩大其适用范围;将黑白二值图像中的白色像素点进行聚类处理,获取起降平台的区域位置,能够通过二次特征识别的方式,更为准确快速地识别出起降平台的信息。
实施例四
本实施例中是重点对起降平台的识别方法的具体实现方式所做的说明,其他内容参见本发明的其他实施例。
图3是本发明一个实施例的起降平台识别方法的对灰度图像进行二值化处理后的灰度图像示意图。
参见图3,若区域标记2采用的颜色为红色,区域标记2的形状设置为正方形;则对YCrCb数据直接进行二值化处理,将色彩同于区域标记2的颜色的像素点的像素值设置为255,其他颜色的像素点的像素值设置为0,获得一幅黑白二值图像包括:
将一个像素点对应一组Y分量,U分量,V分量,yPixel,uPixel,vPixel分别为该像素点对应Y分量、U分量和V分量的像素值,CTHRES为yPixel对应的最大阈值;则具有如下关系式:
式中,colorThres,baseThres分别为Y分量值对应的最大阈值和最小阈值,color_Thres_max,color_Thres_min分别为颜色阈值的最大值和最小值,base_Thres_max,base_Thres_min分别为基本阈值的最大值和最小值;
baseval=baseThres+yPixel/4
uvThr=min(colorThres,baseval),
式中,uvThr取阈值最小值;
式中,uFlag,vFlag分别为u,v分量的值与128的大小对比值;
abs_u=|uPixel-128|
abs_v=|vPixel-128|
式中,abs_u abs_v分别为u,v分量的值与128的差值的绝对值;
当red_Flag为1时,该像素点的颜色为红色,否则该像素点的颜色不为红色。
这样,能够适用于更多广泛的平台颜色,扩大其适用范围;其将黑白二值图像中的白色像素点进行聚类处理,获取起降平台的区域位置,能够通过二次特征识别的方式,更为准确快速地识别出起降平台的信息。
优选的,将黑白二值图像中的白色像素点进行聚类处理,获取起降平台的区域位置包括:
判断聚类区域的特征,每一个区域对应一个聚类矩形区域信息classInfo_rect[i],则具有如下关系式:
areaInfo.left=min(classInfo_rect[i].left,width)
areaInfo.right=max(classInfo_rect[i].right,0)
areaInfo.top=min(classInfo_rect[i].top,height)
areaInfo.bottom=max(classInfo_rect[i].bottom,0)
利用上述关系式获取降落区域在图像中的位置信息。
这样,能够通过更为细节的运算算法,更为准确的获取降落区域在图像中的位置信息,进一步实现无人机对起降平台的自动识别,提高安全性和识别能力。
优选的,在中心标记1包括圆环标记和“十”字形标记,“十”字形标记设置在圆环标记内时,采用下式计算“十”字形标记的直线长度相对聚类区域的最小值:
其中,area_width为聚类区域的宽度,line_max为十字线长度最小值;
如果能识别到圆形标记或“十”字形标记的横线或纵线,且横线或纵线的长度大于起降平台区域宽度的设定倍数,则起降平台区域为降落区域。
这样,能够更加准确的将起降平台的区域坐标反馈给无人机,提高降落指令的准确性和可靠性。
本发明的起降平台及其识别方法,当无人机通过GPS定位到某个位置时,无人机处于悬停状态,将无人机开启搜索模式,使得无人机上的相机采集如实施例一或实施例二所述的起降平台的图像信息,将图像信息进行解码后得到yuv数据,并将yuv数据传输到算法模块,算法模块对yuv数据进行分析,并通过对yuv数据的颜色识别进行目标确定。这样,能够利用GPS定位技术,通过解码图像信息得到yuv数据,并通过对yuv数据的颜色识别进行目标确定,以提高识别效率,提高识别精确度。获取起降平台区域在图像中的位置信息后,将降落区域实时反馈给无人机,该坐标信息为降落区域在图像中的坐标,无人机根据降落区域的坐标信息,调整方向并飞行平台正上方。这样,能够更加准确的将起降平台的区域坐标反馈给无人机,很好地配合实现无人机自动飞行到起降平台上空,并且配合飞控完成降落,提高降落指令的准确性和可靠性。
本发明的起降平台及其识别方法,通过识别特定的起降平台,将平台数据传给无人机,很好地配合实现无人机自动飞行到起降平台上空,并且配合飞控完成降落。其提供了一种无人机用起降平台,且提出了起降平台的识别方法,该平台识别算法通过二次特征识别的方式,增加了识别准确率。其首先基于平台特征设置了起降平台,采用平台颜色识别算法,如直接将红色像素信息转换为待聚类的白色像素点信息,通过聚类信息的位置初步判定平台位置,并且利用hough变换进行直线特征的识别,再次确定该位置为平台位置信息,提高了识别准确率。起降平台大小可以为2000mm×2000mm的平板,该平板上可以涂设哑光油墨,该平台四个角可以为400mm×400mm的红色区域,以作为区域标记1。中心标记1的内径可以为1100mm,外径可以1200mm的圆,该圆内部可以为互相垂直的两条直线,宽度可以为100mm。其与动辄要统计成千上万甚至上百万的大数据样本来训练相对比,具有同样的识别准确率,并且图像处理的帧率能满足实时要求。其可以基于高通8074平台的开发,在完成了算法开发后,通过arm-linux-gcc编译器进行交叉编译,将编译好的库文件移植到高通平台,帧率可达30帧每秒,能满到实时要求。实验结果表明,该算法的识别准确率不仅没有降低,图像处理的帧率也能满足实时要求。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种起降平台,其特征在于,所述起降平台为轴对称图形,所述轴对称图形的中心处设置有中心标记,所述轴对称图形的边缘处设置有四个区域标记,相邻所述区域标记的中心点之间的连线构成正方形,所述区域标记和所述中心标记的颜色均能转换成黑白图像进行识别。
2.如权利要求1所述的起降平台,其特征在于,所述中心标记包括圆环标记和“十”字形标记,所述“十”字形标记设置在所述圆环标记内。
3.如权利要求1或2所述的起降平台,其特征在于,所述中心标记采用的颜色为黑色。
4.如权利要求1所述的起降平台,其特征在于,所述起降平台为正方形,所述区域标记设置在正方形的四个角位置处。
5.如权利要求1或4所述的起降平台,其特征在于,所述区域标记采用的颜色包括:红色、绿色、蓝色、黄色中的一种。
6.如权利要求1或4所述的起降平台,其特征在于,所述区域标记采用的形状包括:正方形、长方形、圆形、三角形中的一种。
7.一种权利要求1所述的起降平台的识别方法,其特征在于,包括以下步骤:
获取所述起降平台的图像信息,解码所述图像信息得到YCrCb数据;
对所述YCrCb数据直接进行二值化处理,将色彩同于所述区域标记的颜色的像素点的像素值设置为255,其他颜色的像素点的像素值设置为0,获得一幅黑白二值图像;
将所述黑白二值图像中的白色像素点进行聚类处理,获取所述起降平台的区域位置;
对所述YCrCb数据进行灰度处理得到灰度图像,对所述灰度图像进行二值化处理,将对应所述区域位置外的所述灰度图像中的像素点的像素值置零,对应所述区域位置内的像素点,若灰度值小于某一设定阈值则置255,若灰度值大于所述设定阈值则置0,获得一幅灰度二值图像;
对所述灰度二值图像基于白色像素点利用hough变换进行直线特征的识别,若能够在所述区域位置内识别到所述中心标记,则判断该区域位置为起降平台。
8.如权利要求7所述的方法,其特征在于,若所述区域标记采用的颜色为红色,所述区域标记的形状设置为正方形;则所述对所述YCrCb数据直接进行二值化处理,将色彩同于所述区域标记的颜色的像素点的像素值设置为255,其他颜色的像素点的像素值设置为0,获得一幅黑白二值图像包括:
将一个像素点对应一组Y分量,U分量,V分量,yPixel,uPixel,vPixel分别为该像素点对应Y分量、U分量和V分量的像素值,CTHRES为yPixel对应的最大阈值;则具有如下关系式:
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>o</mi>
<mi>r</mi>
<mi>T</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>o</mi>
<mi>r</mi>
<mo>_</mo>
<mi>T</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>_</mo>
<mi>max</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo>></mo>
<mi>C</mi>
<mi>T</mi>
<mi>H</mi>
<mi>R</mi>
<mi>E</mi>
<mi>S</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>l</mi>
<mi>o</mi>
<mi>r</mi>
<mo>_</mo>
<mi>T</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>_</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo><</mo>
<mo>=</mo>
<mi>C</mi>
<mi>T</mi>
<mi>H</mi>
<mi>R</mi>
<mi>E</mi>
<mi>S</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>b</mi>
<mi>a</mi>
<mi>s</mi>
<mi>e</mi>
<mi>T</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>b</mi>
<mi>a</mi>
<mi>s</mi>
<mi>e</mi>
<mo>_</mo>
<mi>T</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>_</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<mi>y</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo>></mo>
<mi>C</mi>
<mi>T</mi>
<mi>H</mi>
<mi>R</mi>
<mi>E</mi>
<mi>S</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>b</mi>
<mi>a</mi>
<mi>s</mi>
<mi>e</mi>
<mo>_</mo>
<mi>T</mi>
<mi>h</mi>
<mi>r</mi>
<mi>e</mi>
<mi>s</mi>
<mo>_</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<mi>y</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo><</mo>
<mo>=</mo>
<mi>C</mi>
<mi>T</mi>
<mi>H</mi>
<mi>R</mi>
<mi>E</mi>
<mi>S</mi>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,colorThres,baseThres分别为Y分量值对应的最大阈值和最小阈值,color_Thres_max,color_Thres_min分别为颜色阈值的最大值和最小值,base_Thres_max,base_Thres_min分别为基本阈值的最大值和最小值;
baseval=baseThres+yPixel/4
uvThr=min(colorThres,baseval),
式中,uvThr取阈值最小值;
<mrow>
<mi>u</mi>
<mi>F</mi>
<mi>l</mi>
<mi>a</mi>
<mi>g</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo>></mo>
<mn>128</mn>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo><</mo>
<mo>=</mo>
<mn>128</mn>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>v</mi>
<mi>F</mi>
<mi>l</mi>
<mi>a</mi>
<mi>g</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo>></mo>
<mn>128</mn>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mi>P</mi>
<mi>i</mi>
<mi>x</mi>
<mi>e</mi>
<mi>l</mi>
<mo><</mo>
<mo>=</mo>
<mn>128</mn>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
式中,uFlag,vFlag分别为u,v分量的值与128的大小对比值;
abs_u=|uPixel-128|
abs_v=|vPixel-128|
式中,abs_u abs_v分别为u,v分量的值与128的差值的绝对值;
当red_Flag为1时,该像素点的颜色为红色,否则该像素点的颜色不为红色。
9.如权利要求8所述的方法,其特征在于,所述将所述黑白二值图像中的白色像素点进行聚类处理,获取所述起降平台的区域位置包括:
判断聚类区域的特征,每一个区域对应一个聚类矩形区域信息classInfo_rect[i],则具有如下关系式:
areaInfo.left=min(classInfo_rect[i].left,width)
areaInfo.right=max(classInfo_rect[i].right,0)
areaInfo.top=min(classInfo_rect[i].top,height)
areaInfo.bottom=max(classInfo_rect[i].bottom,0)
利用上述关系式获取降落区域在所述图像中的位置信息。
10.如权利要求9所述的方法,其特征在于,在所述中心标记包括圆环标记和“十”字形标记,所述“十”字形标记设置在所述圆环标记内时,采用下式计算所述“十”字形标记的直线长度相对聚类区域的最小值:
<mrow>
<mi>l</mi>
<mi>i</mi>
<mi>n</mi>
<mi>e</mi>
<mo>_</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>e</mi>
<mi>a</mi>
<mo>_</mo>
<mi>w</mi>
<mi>i</mi>
<mi>d</mi>
<mi>t</mi>
<mi>h</mi>
<mo>_</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>*</mo>
<mn>1200</mn>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mn>2000</mn>
<mo>*</mo>
<msqrt>
<mn>2</mn>
</msqrt>
<mo>)</mo>
</mrow>
</mrow>
其中,area_width为聚类区域的宽度,line_max为十字线长度最小值;如果能识别到所述圆形标记或所述“十”字形标记的所述横线或所述纵线,且所述横线或所述纵线的长度大于所述起降平台区域宽度的设定倍数,则所述起降平台区域为降落区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710500959.5A CN107244423B (zh) | 2017-06-27 | 2017-06-27 | 一种起降平台及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710500959.5A CN107244423B (zh) | 2017-06-27 | 2017-06-27 | 一种起降平台及其识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107244423A true CN107244423A (zh) | 2017-10-13 |
CN107244423B CN107244423B (zh) | 2023-10-20 |
Family
ID=60013545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710500959.5A Active CN107244423B (zh) | 2017-06-27 | 2017-06-27 | 一种起降平台及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107244423B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107943077A (zh) * | 2017-11-24 | 2018-04-20 | 歌尔股份有限公司 | 一种无人机降落目标的追踪方法、装置和无人机 |
CN108981705A (zh) * | 2018-07-19 | 2018-12-11 | 北京三快在线科技有限公司 | 定位参考装置 |
CN109613926A (zh) * | 2018-12-22 | 2019-04-12 | 武汉新运维光电科技股份有限公司 | 多旋翼无人机自动降落高精度自动识别降落区域的方法 |
CN110221625A (zh) * | 2019-05-27 | 2019-09-10 | 北京交通大学 | 无人机精确位置的自主降落导引方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08307691A (ja) * | 1995-05-11 | 1996-11-22 | Minolta Co Ltd | 画像処理装置 |
US20080253647A1 (en) * | 2007-04-13 | 2008-10-16 | Seungyeon Cho | System and method for identifying and classifying color regions from a digital image |
CN102426646A (zh) * | 2011-10-24 | 2012-04-25 | 西安电子科技大学 | 多角度人脸检测装置与方法 |
CN104392212A (zh) * | 2014-11-14 | 2015-03-04 | 北京工业大学 | 一种基于视觉的道路信息检测及前方车辆识别方法 |
CN204757989U (zh) * | 2015-06-18 | 2015-11-11 | 南京航空航天大学 | 一种无人机着陆导航系统 |
CN106225787A (zh) * | 2016-07-29 | 2016-12-14 | 北方工业大学 | 一种无人机视觉定位方法 |
CN106326892A (zh) * | 2016-08-01 | 2017-01-11 | 西南科技大学 | 一种旋翼式无人机的视觉着陆位姿估计方法 |
CN106527487A (zh) * | 2016-12-23 | 2017-03-22 | 北京理工大学 | 一种运动平台上无人机自主精确着陆系统及着陆方法 |
CN207328853U (zh) * | 2017-06-27 | 2018-05-08 | 歌尔科技有限公司 | 一种起降平台 |
-
2017
- 2017-06-27 CN CN201710500959.5A patent/CN107244423B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08307691A (ja) * | 1995-05-11 | 1996-11-22 | Minolta Co Ltd | 画像処理装置 |
US20080253647A1 (en) * | 2007-04-13 | 2008-10-16 | Seungyeon Cho | System and method for identifying and classifying color regions from a digital image |
CN102426646A (zh) * | 2011-10-24 | 2012-04-25 | 西安电子科技大学 | 多角度人脸检测装置与方法 |
CN104392212A (zh) * | 2014-11-14 | 2015-03-04 | 北京工业大学 | 一种基于视觉的道路信息检测及前方车辆识别方法 |
CN204757989U (zh) * | 2015-06-18 | 2015-11-11 | 南京航空航天大学 | 一种无人机着陆导航系统 |
CN106225787A (zh) * | 2016-07-29 | 2016-12-14 | 北方工业大学 | 一种无人机视觉定位方法 |
CN106326892A (zh) * | 2016-08-01 | 2017-01-11 | 西南科技大学 | 一种旋翼式无人机的视觉着陆位姿估计方法 |
CN106527487A (zh) * | 2016-12-23 | 2017-03-22 | 北京理工大学 | 一种运动平台上无人机自主精确着陆系统及着陆方法 |
CN207328853U (zh) * | 2017-06-27 | 2018-05-08 | 歌尔科技有限公司 | 一种起降平台 |
Non-Patent Citations (1)
Title |
---|
刘汉;宋鹏云;常韶飞;刘奕博: "模式识别+阈值处理图像快速二值化" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107943077A (zh) * | 2017-11-24 | 2018-04-20 | 歌尔股份有限公司 | 一种无人机降落目标的追踪方法、装置和无人机 |
CN108981705A (zh) * | 2018-07-19 | 2018-12-11 | 北京三快在线科技有限公司 | 定位参考装置 |
CN108981705B (zh) * | 2018-07-19 | 2021-09-24 | 北京三快在线科技有限公司 | 定位参考装置 |
CN109613926A (zh) * | 2018-12-22 | 2019-04-12 | 武汉新运维光电科技股份有限公司 | 多旋翼无人机自动降落高精度自动识别降落区域的方法 |
CN110221625A (zh) * | 2019-05-27 | 2019-09-10 | 北京交通大学 | 无人机精确位置的自主降落导引方法 |
CN110221625B (zh) * | 2019-05-27 | 2021-08-03 | 北京交通大学 | 无人机精确位置的自主降落导引方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107244423B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991207B (zh) | 综合H图案识别和AprilTag二维码识别的无人机精准降落方法 | |
CN107244423A (zh) | 一种起降平台及其识别方法 | |
CN108108761B (zh) | 一种基于深度特征学习的快速交通信号灯检测方法 | |
Yang et al. | Towards real-time traffic sign detection and classification | |
CN109949316A (zh) | 一种基于rgb-t融合的电网设备图像弱监督实例分割方法 | |
CN107729801A (zh) | 一种基于多任务深度卷积神经网络的车辆颜色识别系统 | |
CN109726640A (zh) | 无人机系统对运动物体的识别追踪方法 | |
CN107563396A (zh) | 一种电力巡检中保护屏智能识别系统的构建方法 | |
CN109344825A (zh) | 一种基于卷积神经网络的车牌识别方法 | |
CN107194395B (zh) | 一种基于颜色识别和轮廓提取的物体动态定位方法 | |
CN104361313B (zh) | 一种基于多核学习异构特征融合的手势识别方法 | |
CN106845487A (zh) | 一种端到端的车牌识别方法 | |
CN207328853U (zh) | 一种起降平台 | |
CN105956626A (zh) | 基于深度学习的对车牌位置不敏感的车牌识别方法 | |
CN110163236A (zh) | 模型的训练方法和装置、存储介质、电子装置 | |
CN106225787A (zh) | 一种无人机视觉定位方法 | |
CN109271991A (zh) | 一种基于深度学习的车牌检测方法 | |
CN105197252A (zh) | 一种小型无人机降落方法及系统 | |
CN102096823A (zh) | 基于高斯模型和最小均方差的人脸检测方法 | |
CN111639709B (zh) | 一种基于深度学习的航标灯质智能识别方法 | |
CN108304785A (zh) | 基于自建神经网络的交通标志检测与识别方法 | |
CN104134071A (zh) | 一种基于颜色描述的可变形部件模型物体检测方法 | |
CN106895824A (zh) | 基于计算机视觉的无人机定位方法 | |
CN103336971B (zh) | 基于多特征融合与增量学习的多摄像机间的目标匹配方法 | |
CN108334881A (zh) | 一种基于深度学习的车牌识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |