CN108566513A - 一种无人机对运动目标的拍摄方法 - Google Patents

Abstract

本发明涉及一种无人机对运动目标的拍摄方法，包括如下步骤：确定运动目标，并选择拍摄模式；选择拍摄基准点，所述运动目标相对于基准点具有相对运动；对所述运动目标进行固定时间的间隔拍摄；对所述间隔拍摄的图像进行图像处理，使所述运动目标相对于基准点形成多个目标图像；显示所述运动目标的运动轨迹图像。本发明的能够自动识别目标类型，通过确定的目标类型，匹配相应的拍摄模式，并自动匹配无人机的拍摄高度、镜头角度、飞行速度，且可以通过静态和动态相结合的方法拍摄，使得对运动目标的拍摄更加完美。用户终端可以进行后台处理，获得符合需求的运动轨迹图像。

Description

一种无人机对运动目标的拍摄方法

技术领域

本发明属于图像拍摄技术领域，尤其涉及一种无人机运动轨迹的拍摄方法。

背景技术

现有的无人机照片拍摄中，针对运动场景的拍摄主要是某一动作的单动作拍摄，未能实现运动中的人或物品的运动轨迹的动态效果拍摄。尽管一些手机或相机具有运动拍摄的功能，能实现运动轨迹的拍摄，但是手机或相机拍摄时，必须由人手持拍摄，其拍摄角度、拍摄高度、移动速度等都受到客观因素影响，不能满足特定拍摄目标、场景的需求，获得的运动目标的运动轨迹不清楚或角度不能满足需要的图像。

因此，采用无人机拍摄运动目标将会获得越来越广泛的应用需求，于此同时，需要克服无人机的高速运动状态下的拍摄所遇到的技术问题。

发明内容

本发明实施例提供了一种无人机运动轨迹的拍摄方法，以解决现有运动目标拍摄获得运动轨迹不清晰的技术问题。

本发明实施例提供的一种无人机运动轨迹的拍摄方法，包括如下步骤：

确定运动目标，并选择拍摄模式；

选择拍摄基准点，所述运动目标相对于基准点具有相对运动；

对所述运动目标进行固定时间的间隔拍摄；

对所述间隔拍摄的图像进行图像处理，使所述运动目标相对于基准点形成多个目标图像；

显示所述运动目标的运动轨迹图像。

进一步的，所述拍摄模式包括悬停拍摄模式和跟随拍摄模式。

进一步的，所述固定时间的间隔拍摄设置为5～20张/秒。

进一步的，所述基准点与拍摄环境相对静止。

进一步的，对所述间隔拍摄的环境图像进行同一化处理，形成清晰化的环境背景图。

进一步的，对所述间隔拍摄的环境图像进行拼接图像处理，形成全景化的运动轨迹图像。

进一步的，所述图像处理包括：对所述间隔拍摄的图像进行叠加，其中所述拍摄目标相对于基准点形成多个目标图像，并将所述多个目标图像形成在所述环境图像中，形成在环境中运动的拍摄目标的运动轨迹图像。

进一步的，所述运动轨迹图像包括：全实运动目标图像叠加的运动轨迹图像，或者某一运动目标图像为实，其他运动目标图像为虚化的运动轨迹图像。

进一步的，所述运动轨迹图像可以进行用户编辑，用户通过人工选择所述运动轨迹中任何一张作为最终输出图像。

进一步的，所述跟随拍摄模式包括确定所述无人机飞行速度、飞行高度，并通过云台稳定相机角度。

本发明实施例的上述方案与现有技术相比，至少具有以下有益效果：

本发明的无人机对运动目标自动拍摄方法，能够自动识别目标类型，通过确定的目标类型，匹配相应的拍摄模式，并自动匹配无人机的拍摄高度、镜头角度、飞行速度，且可以通过静态和动态相结合的方法拍摄，使得对运动目标的拍摄更加完美。同时，无人机可以将拍摄的图像通过自带的高性能通讯系统实时的传输到终端。用户终端可以通过APP或图像处理软件进行后台处理，获得更加完美的符合需求的运动轨迹图像。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来将，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例所述无人机拍摄方法的流程示意图；

图2是本发明实施例所述无人机拍摄方法的应用场景示意图；

图3是本发明实施例所述无人机拍摄方法的拍摄连续图像；

图4是本发明实施例所述无人机拍摄方法的单幅图像；

图5是本发明实施例所述无人机拍摄方法的单幅图像另一角度拍摄图像；

图6是本发明实施例所述无人机拍摄方法的拍摄图像处理界面；

图7是本发明实施例所述无人机拍摄图像删除杂图后图像；

图8是本发明实施例所述无人机拍摄图像虚化后图像。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本申请实施例中可能采用术语第一、第二、第三等来描述……，但这些……不应限于这些术语。这些术语仅用来将……区分开。例如，在不脱离本申请实施例范围的情况下，第一……也可以被称为第二……，类似地，第二……也可以被称为第一……。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

下面结合附图详细说明本发明的优选实施例。

如图1所示，本发明实施例提供的一种无人机运动目标图像自动获取方法，包括如下步骤：确定拍摄目标，例如常见的拍摄目标为人物，并根据所述目标特性自动选择拍摄模式，拍摄模式包括两种，一种为悬停拍摄模式，另一种为跟随拍摄模式。其中悬停拍摄模式为无人机悬停于拍摄目标的某一位置，根据选择的拍摄角度确定好该位置后悬停拍摄；而跟随拍摄相对复杂，通常会根据拍摄目标的运动速度，确定自身的运动速度，与拍摄目标保持相对静止进行拍摄。

同时选择拍摄基准点，所述拍摄目标相对于基准点具有相对运动；对于不同的拍摄模式可以选择不同的基准点，也可以选择相同的基准点，所述基准点与拍摄环境相对静止，例如背景图像中的固定建筑物等。

选择好拍摄基准点后，对所述拍摄目标进行固定时间的间隔拍摄；所述固定时间的间隔拍摄设置为5～20张/秒，优选10～15张/秒。并实时的将拍摄的图像传输到地面终端。

地面终端对所述间隔拍摄的图像进行图像处理，使所述拍摄目标相对于基准点形成多个目标图像；该图像处理包括所述间隔拍摄的环境图像进行同一化处理，形成清晰化的环境背景图。对所述间隔拍摄的环境图像进行拼接图像处理，形成全景化的运动轨迹图像。显示所述拍摄目标的运动轨迹图像。

所述图像归一化处理是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。原始图像在经历一些处理后可以得到多种副本图像，这些图像在经过相同参数的图像归一化处理后能够得到相同形式的标准图像。图像归一化通过一系列变换，利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响，将待处理的原始图像转换成相应的唯一标准形式，该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性。

基于矩的图像归一化技术基本工作原理为：首先利用图像中对仿射变换具有不变性的矩来确定变换函数的参数，然后利用此参数确定的变换函数把原始图像变换为一个标准形式的图像(该图像与仿射变换无关)。一般说来，基于矩的图像归一化过程包括4个步骤，即坐标中心化、x-shearing归一化、缩放归一化和旋转归一化。图像归一化使得图像可以抵抗几何变换的攻击，它能够找出图像中的那些不变量，从而得知这些图像原本就是一样的或者一个系列的。

图像拼接包括图像配准和图像融合。图像配准是图像融合的基础,而且图像配准算法的计算量一般较大。图像拼接主要包括以下五步：

图像预处理：包括数字图像处理的基本操作(如去噪、边缘提取、直方图处理等)、建立图像的匹配模板以及对图像进行某种变换(如傅里叶变换、小波变换等)等操作。

图像配准：就是采用一定的匹配策略,找出待拼接图像中的模板或特征点在参考图像中对应的位置,进而确定两幅图像之间的变换关系。

建立变换模型：根据模板或者图像特征之间的对应关系,计算出数学模型中的各参数值,从而建立两幅图像的数学变换模型。

统一坐标变换：根据建立的数学转换模型,将待拼接图像转换到参考图像的坐标系中,完成统一坐标变换。

融合重构：将待拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像。

如图6-8所示，根据本发明的实施方式，进一步的，所述图像处理包括：对所述间隔拍摄的图像进行叠加，其中所述拍摄目标相对于基准点形成多个目标图像，并将所述多个目标图像形成在所述环境图像中，形成在环境中运动的拍摄目标的运动轨迹图像。所述运动轨迹图像包括：全实运动目标图像叠加的运动轨迹图像，或者某一运动目标图像为实，其他运动目标图像为虚化的运动轨迹图像。根据需要选择实的或虚的图像组成相应的运动轨迹。

当然，所述运动轨迹图像可以进行用户编辑，用户通过人工选择所述运动轨迹中任何一张作为最终输出图像，如图3-5所示。

根据本发明的实施方式，基于所述拍摄模式，确定拍摄目标，并根据所述目标特性自动选择拍摄模式，自动识别拍摄目标类型，并将识别类型与预先存储的拍摄类型进行匹配，进而自动选择与所述目标类型相匹配的拍摄模式。所述拍摄模式包括：人物运动模式、物体运动模式、运动抓拍模式等。根据所述拍摄模式确定所述无人机飞行速度、飞行高度，并通过云台稳定相机角度。

本实施例选取人物模式进行说明。

人物运动轨迹拍摄。

首先，无人机悬停于人物运动场景的上空，并根据需要选取一定的拍摄角度，能尽量的避开建筑物、树木等物体对人物的遮挡，同时确保无人机在跟随拍摄时也不会存在障碍。通过无人机镜头的扫描，确定待拍摄的目标为人，则自动将该识别信息与无人机内部存储的模式信息进行匹配，一旦匹配成功，则切换为人物拍摄模式，同时无人机的相机系统各参数调整为人物拍摄参数。例如光圈大小、曝光时间、拍摄角度、无人机飞行速度(一般在1米/秒-20米/秒)、无人机的高度(通过GPS定位确定)等。特别是需要控制无人机的飞行速度和高度，速度太快可能就拍到一两个轨迹，速度太慢可能重叠在一起太多，影响轨迹效果。无人机镜头通常选用广角镜头，因为可以通过飞行使得运动目标尽量靠近，而不使用长焦镜头。

拍摄步骤：

无人机开始确定拍摄后，先进行静态拍摄，选择好拍摄角度、位置后，镜头跟着运动人物的移动而转动，直到从起始点A拍摄到终点B，获得一系列的连续拍摄图像，拍摄速度可以控制在5-20张/秒，如图2-3所示，并将拍摄图像实时输出到显示终端。当然，也可以将拍摄图像在无人机进行暂存后输出到外界终端。该外界终端可以是手机、电脑、服务器等。

无人机进行第二模式拍摄，即跟随拍摄。无人机开始确定拍摄后，选择好拍摄角度、位置后，无人机以人物的某一位置为焦点，例如人脸，无人机跟着运动人物的移动而移动，始终保持相对静止。当运动目标的速度不均匀时，无人机会自动调整运动速度，以实现准确的跟踪拍摄，直到从起始点A拍摄到终点B，获得一系列的连续拍摄图像，拍摄速度可以控制在5-20张/秒，如图2-4所示。并将拍摄图像实时输出到显示终端。也可以将拍摄图像在无人机进行暂存后输出到外界终端。该外界终端可以是手机、电脑、服务器等。

图像处理步骤：可以使用手机APP或其他图像处理软件进行操作：

对所述静态状态拍摄图像和跟随状态拍摄图像处理形成运动目标在场景中的运动轨迹图像，具体包括：对所述静态状态拍摄图像和跟随状态拍摄图像单独处理，分别形成两幅运动轨迹图像，如图3-5所示，此时，由于无人机处于静态和动态时，拍摄角度不一样，可以根据需要分别获得两种运动轨迹，用户根据需要选取恰当的拍摄图像。

另外，用户还可以对所述静态状态拍摄图像和跟随状态拍摄图像进行叠加，剔除部分图像后形成一幅运动轨迹图像。如图6-7所示，点击图上下面的实体白色圆圈，就可以将相应的不合适的人物删掉，保存后获得剩余合适的人物轨迹图像。

当然，所述运动轨迹图像还可以制作成：全实运动目标图像叠加的运动轨迹图像，或者某一运动目标图像为实，其他运动目标图像为虚化的运动轨迹图像。如图8所示,点击虚化按钮(右边两个按钮的第二个)后，所点击的按钮对应的图像就变成虚化图像。

所述运动轨迹图像可以进行用户编辑，用户通过人工选择所述运动轨迹中任何一张作为最终输出图像，如图4-5所示。用户可以任意替换运动场景，形成不同场景下的运动轨迹图像。该些场景存储于外部终端中，场景例如是大海、雪地、草原、树林等。

具体可以采用如下技术进行图像处理：

图像变换：图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，需要采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理(如傅立叶变换可在频域中进行数字滤波处理)。

图像编码压缩：图像编码压缩技术可减少描述图像的数据量(即比特数)，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

图像增强和复原：图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立“降质模型”，再采用某种滤波方法，恢复或重建原来的图像。使图像清晰或将其转换为更适合人或机器分析的形式。与图像复原不同，图像增强并不要求忠实地反映原始图像。相反，含有某种失真(例如突出轮廓线)的图像可能比无失真的原始图像更为清晰。常用的图像增强方法有：①灰度等级直方图处理：使加工后的图像在某一灰度范围内有更好的对比度；②干扰抑制：通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰；③边缘锐化：通过高通滤波、差分运算或某种变换，使图形的轮廓线增强；④伪彩色处理：将黑白图像转换为彩色图像，从而使人们易于分析和检测图像包含的信息。

图像分割：图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。

图像描述：图像描述是图像识别和理解的必要前提。作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。

图像分类(识别)：图像分类(识别)属于模式识别的范畴，其主要内容是图像经过某些预处理(增强、复原、压缩)后，进行图像分割和特征提取，从而进行判决分类。图像分类常采用经典的模式识别方法，有统计模式分类和句法(结构)模式分类。

综上所述，本发明的无人机对运动目标自动拍摄方法，能够自动识别目标类型，通过确定的目标类型，匹配相应的拍摄模式，并自动匹配无人机的拍摄高度、镜头角度、飞行速度，且可以通过静态和动态相结合的方法拍摄，使得对运动目标的拍摄更加完美。同时，无人机可以将拍摄的图像通过自带的高性能通讯系统实时的传输到终端。用户终端可以通过APP或图像处理软件进行后台处理，获得更加完美的符合需求的运动轨迹图像。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种无人机对运动目标的拍摄方法，其特征在于，包括如下步骤：

确定运动目标，并选择拍摄模式；

选择拍摄基准点，所述运动目标相对于基准点具有相对运动；

对所述运动目标进行固定时间的间隔拍摄；

对所述间隔拍摄的图像进行图像处理，使所述运动目标相对于基准点形成多个目标图像；

显示所述运动目标的运动轨迹图像。

2.如权利要求1所述的方法，其特征在于，所述拍摄模式包括悬停拍摄模式和跟随拍摄模式。

3.如权利要求1所述的方法，其特征在于，所述固定时间的间隔拍摄设置为5～20张/秒。

4.如权利要求1所述的方法，其特征在于，所述基准点与拍摄环境相对静止。

5.如权利要求1所述的方法，其特征在于，对所述间隔拍摄的环境图像进行同一化处理，形成清晰化的环境背景图。

6.如权利要求1所述的方法，其特征在于，对所述间隔拍摄的环境图像进行拼接图像处理，形成全景化的运动轨迹图像。

7.如权利要求6所述的方法，其特征在于，所述图像处理包括：对所述间隔拍摄的图像进行叠加，其中所述拍摄目标相对于基准点形成多个目标图像，并将所述多个目标图像形成在所述环境图像中，形成在环境中运动的拍摄目标的运动轨迹图像。

8.如权利要求7所述的方法，其特征在于，所述运动轨迹图像包括：全实运动目标图像叠加的运动轨迹图像，或者某一运动目标图像为实，其他运动目标图像为虚化的运动轨迹图像。

9.如权利要求7或8所述的方法，其特征在于，所述运动轨迹图像可以进行用户编辑，用户通过人工选择所述运动轨迹中任何一张作为最终输出图像。

10.如权利要求2所述的方法，其特征在于，所述跟随拍摄模式包括确定所述无人机飞行速度、飞行高度，并通过云台稳定调整相机角度。