CN110132049A - 一种基于无人机平台的自动瞄准式狙击步枪 - Google Patents

Abstract

本发明属于无人机技术领域，公开了一种基于无人机平台的自动瞄准式狙击步枪，基于无人机平台的自动瞄准式狙击步枪包括：图像采集模块、主控模块、调焦模块、目标感应模块、射击模块、移动模块、定位模块、跟踪模块、显示模块。本发明通过图像采集模块利用红外摄像头获取目标拍摄对象并保存所述目标拍摄对象的特征；根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像；分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像，实现了无人机拍照过程的自动化，提升射击体验；同时，通过跟踪模块提供的计算速度快，跟踪目标的速度快。

Description

一种基于无人机平台的自动瞄准式狙击步枪

技术领域

本发明属于无人机技术领域，尤其涉及一种基于无人机平台的自动瞄准式狙击步枪。

背景技术

无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。与有人驾驶飞机相比，无人机往往更适合那些太“愚钝，肮脏或危险”的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。然而，现有基于无人机平台的自动瞄准式狙击步枪采集图像过程都比较繁琐，拍照过程自动化程度不高，用户需要输入很多操作，无人机也不能提供多样化的选择；同时，由于运动目标与无人机同样处于运动状态，时常会因目标运动超出无人机图像视野而难于持续捕获。

综上所述，现有技术存在的问题是：

(1)现有基于无人机平台的自动瞄准式狙击步枪采集图像过程都比较繁琐，拍照过程自动化程度不高，用户需要输入很多操作，无人机也不能提供多样化的选择；

(2)由于运动目标与无人机同样处于运动状态，时常会因目标运动超出无人机图像视野而难于持续捕获。

(3)现有的无人机平台的自动瞄准式狙击步枪系统中，对采集的红外图像识别的过程中，容易造成红外图像中的谐波引起的系统辨识误差，降低温度感应的精度，造成打击精度降低。

(4)现有的无人机平台的自动瞄准式狙击步枪系统中，采集的红外图像去噪后的图像容易出现失真的现象，降低打击精度。

发明内容

针对现有技术存在的问题，本发明提供了一种基于无人机平台的自动瞄准式狙击步枪。

本发明是这样实现的，一种基于无人机平台的自动瞄准式狙击步枪，包括：

图像采集模块，与主控模块连接，用于通过红外摄像头对环境目标进行扫描采集图像；接收扫描指令；通过红外摄像头获取目标拍摄对象并保存所述目标拍摄对象的特征；

根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像；其中，所述当前图像包括目标拍摄对象；分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像；

主控模块，与图像采集模块、调焦模块、目标感应模块、射击模块、移动模块、定位模块、跟踪模块、显示模块连接，用于通过单片机控制各个模块正常工作；

调焦模块，与主控模块连接，用于通过调焦程序对红外摄像头进行自动调焦操作；

目标感应模块，与主控模块连接，用于通过感应程序对采集红外图像有温度的目标物体进行感应；

射击模块，与主控模块连接，用于通过启动程序根据感应信息启动步枪对目标进行射击操作；

移动模块，与主控模块连接，用于通过电机带动螺旋桨进行飞行移动；

定位模块，与主控模块连接，用于通过定位器对无人机位置进行定位；

跟踪模块，与主控模块连接，用于通过跟踪程序对目标进行跟踪；利用无人机载红外摄像头连续拍摄至少二幅地面图像，并在每幅图像中标注无人机的地面坐标、航向角及获取地面图像时的时刻；

将每幅地面图像进行坐标变换以使它们处于同一图像坐标系中；

对多幅地面图像进行滤波，而后从滤波后的地面图像中取出包括目标图像的前景图像，从前景图像中提取特征点，提取前一幅前景图像中的每一区域特征点并与被跟踪目标的模板的特征点进行匹配，利用匹配成功的区域更新被跟踪目标的模板，利用更新后的被跟踪目标的模板的特征点与当前幅前景图像中的每一区域的特征点进行匹配；

根据匹配成功的两幅前景图像中的区域的特征点的位置关系确定被跟踪目标的速度和运行方向；

根据被跟踪目标的速度和运行方向调整无人机的航速和航向，从而跟踪目标；

显示模块，与主控模块连接，用于通过显示器显示采集的目标红外图像、移动位置信息。

进一步，所述接收扫描指令包括：检测到触发扫描的指令后，搜索目标图像并与预设图像匹配；

将扫描到的目标信息收集整理；

将收集的目标信息按照划分的量化等级进行量化处理，并建立扫描证据表；

利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；

建立目标坐标与无人机所处位置的离散动态贝叶斯网络模型；

利用建立的扫描证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的目标坐标。

进一步，所述若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像包括：

若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则判断是否接收到图像采集指令；

若接收到图像采集指令，则采集图像。

进一步，所述根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像之后，所述分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像之前，改变所述目标拍摄对象在所述当前图像中的位置；

进一步，所述改变所述目标拍摄对象在所述当前图像中的位置包括：

调整与所述目标拍摄对象之间的距离；其中，所述距离包括水平距离及垂直距离；

通过与所述目标拍摄对象之间的距离改变所述目标拍摄对象在所述当前图像中的位置。

进一步，所述改变所述目标拍摄对象在所述当前图像中的位置包括：

调整与所述目标拍摄对象之间的距离；其中，所述距离包括水平距离及垂直距离；

当与所述目标拍摄对象之间的距离满足第二预设条件后，调整航向角和/或俯仰角；

通过所述航向角和/或俯仰角改变所述目标拍摄对象在所述当前图像中的位置。

进一步，所述离散动态贝叶斯网络模型是由扫描节点和状态节点构成的有向无环图，相对位置和无人机姿态共同构成离散状态节点，目标坐标为扫描节点。

进一步，所述建立的扫描证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的目标坐标即为贝叶斯推理过程依据大量状态节点数据推理出扫描节点最大可能取值的概率。

进一步，所述接收扫描指令进一步包括：系统参数λ和扫描序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：

前向算法，定义前向变量α_t(i)＝P(y₁,y₂,...,y_t,x_t＝i|λ)

初始化：α₁(i)＝π_ib_i(y₁),1≤i≤n

递归运算：t＝1,2,...,T-1

结果：

后向算法，定义后向变量β_t(i)＝P(y_t+1,y_t+2,...,y_T|x_t＝i,λ)

初始化：β_T(i)＝1,1≤i≤n

递归运算：t＝1,2,...,T-1

结果：

将前向算法、后向算法结合起来构成前向-后向算法：

1≤t≤T

最终，根据确立的扫描证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出无人机的目标坐标。

本发明的另一目的在于提供一种搭载所述基于无人机平台的自动瞄准式狙击步枪的无人机。

本发明的优点及积极效果为：

本发明通过图像采集模块利用红外摄像头获取目标拍摄对象并保存所述目标拍摄对象的特征；根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像；其中，所述当前图像包括目标拍摄对象；分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像，实现了无人机拍照过程的自动化，提升射击体验；同时，通过跟踪模块提供的计算速度快，跟踪目标的速度快。

本发明中移动模块通过电机带动螺旋桨进行飞行移动的过程中，根据物体的运行速度，对电机的转速进行检测，采用GA-WNN数据融合温度补偿器进行补偿，可以有效避免温度的影响，降低了测量误差；本发明采用的图像增强算法，能有效的避免去燥后的图像出现失真的现象；本发明通过感应程序对采集红外图像有温度的目标物体进行感应，利用本发明中的识别的方法，能消除红外图像中的谐波引起的系统辨识误差，提高温度感应的精度。

本发明接收扫描指令包括：检测到触发扫描的指令后，搜索目标图像并与预设图像匹配；将扫描到的目标信息收集整理；将收集的目标信息按照划分的量化等级进行量化处理，并建立扫描证据表；利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；建立目标坐标与无人机所处位置的离散动态贝叶斯网络模型；利用建立的扫描证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理计算出最终的目标坐标。

附图说明

图1是本发明实施例提供的基于无人机平台的自动瞄准式狙击步枪结构图。

图中：1、图像采集模块；2、主控模块；3、调焦模块；4、目标感应模块；5、射击模块；6、移动模块；7、定位模块；8、跟踪模块；9、显示模块。

图2是本发明实施例提供的基于无人机平台的自动瞄准式狙击步枪使用方法流程图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的基于无人机平台的自动瞄准式狙击步枪包括：图像采集模块1、主控模块2、调焦模块3、目标感应模块4、射击模块5、移动模块6、定位模块7、跟踪模块8、显示模块9。

图像采集模块1，与主控模块2连接，用于通过红外摄像头对环境目标进行扫描采集图像；

主控模块2，与图像采集模块1、调焦模块3、目标感应模块4、射击模块5、移动模块6、定位模块7、跟踪模块8、显示模块9连接，用于通过单片机控制各个模块正常工作；

调焦模块3，与主控模块2连接，用于通过调焦程序对红外摄像头进行自动调焦操作；

目标感应模块4，与主控模块2连接，用于通过感应程序对采集红外图像有温度的目标物体进行感应；

射击模块5，与主控模块2连接，用于通过启动程序根据感应信息启动步枪对目标进行射击操作；

移动模块6，与主控模块2连接，用于通过电机带动螺旋桨进行飞行移动；

定位模块7，与主控模块2连接，用于通过定位器对无人机位置进行定位；

跟踪模块8，与主控模块2连接，用于通过跟踪程序对目标进行跟踪；

显示模块9，与主控模块2连接，用于通过显示器显示采集的目标红外图像、移动位置信息。

如图2所示，本发明实施例提供的基于无人机平台的自动瞄准式狙击步枪使用方法，具体包括以下步骤：

S101：首先，利用红外摄像头对环境目标进行扫描采集图像：根据所采集的图像数据，对红外摄像头进行自动调焦操作；

S102：对采集红外图像有温度的目标物体进行感应，并对目标进行跟踪，通过电机带动螺旋桨进行飞行移动；

S103：根据感应信息启动步枪对目标进行射击操作；

S104：利用定位器对无人机位置进行定位，并通过显示器显示采集的目标红外图像、移动位置信息。

本发明实施例中，接收扫描指令包括：检测到触发扫描的指令后，搜索目标图像并与预设图像匹配；

将扫描到的目标信息收集整理；

将收集的目标信息按照划分的量化等级进行量化处理，并建立扫描证据表；

利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；

建立目标坐标与无人机所处位置的离散动态贝叶斯网络模型；

利用建立的扫描证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的目标坐标。

所述若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像包括：

若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则判断是否接收到图像采集指令；

若接收到图像采集指令，则采集图像。

所述根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像之后，所述分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像之前，改变所述目标拍摄对象在所述当前图像中的位置；

所述离散动态贝叶斯网络模型是由扫描节点和状态节点构成的有向无环图，相对位置和无人机姿态共同构成离散状态节点，目标坐标为扫描节点。

所述建立的扫描证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的目标坐标即为贝叶斯推理过程依据大量状态节点数据推理出扫描节点最大可能取值的概率。

所述接收扫描指令进一步包括：系统参数λ和扫描序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：

前向算法，定义前向变量α_t(i)＝P(y₁,y₂,...,y_t,x_t＝i|λ)

初始化：α₁(i)＝π_ib_i(y₁),1≤i≤n

递归运算：t＝1,2,...,T-1

结果：

后向算法，定义后向变量β_t(i)＝P(y_t+1,y_t+2,...,y_T|x_t＝i,λ)

初始化：β_T(i)＝1,1≤i≤n

递归运算：t＝1,2,...,T-1

结果：

将前向算法、后向算法结合起来构成前向-后向算法：

1≤t≤T

最终，根据确立的扫描证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出无人机的目标坐标。

下面结合具体实施例对本发明作进一步描述。

实施例1

目标感应模块4用于通过感应程序对采集红外图像有温度的目标物体进行感应，为消除红外图像中的谐波引起的系统辨识误差，提高温度感应的精度，对有温度的目标物体进行识别的方法，具体过程如下：

步骤一，首先，处理系统进行系统初始化；

步骤二，对采取的红外图像性AD采样，并进行基波提取；

步骤三，判断有温度的目标是否在运动，“否”结束；“是”利用辨识算法进行识别；

步骤四，对步骤三进行循环操作，识别有温度的物体。

实施例2

移动模块6通过电机带动螺旋桨进行飞行移动的过程中，根据物体的运行速度，对电机的转速进行检测，但是转速传感器容易受到温度的影响，产生测量误差，为避免上述的问题，采用以下方法进行补偿，具体包括以下步骤：

第一步，对采集的转速传感器采集的数据利用GA-WNN数据融合温度补偿器进行补偿；

第二步，根据采集的数据，建立初始种群；对初始种群计算适用度；

第三步，判断是否满足优化条件，“否”返回第二步；“是”求出小波神经网络权重和阈值，建立相对应的小波神经网络模型；

第四步，将实验样本输入到第三步中的小波神经网络模型中进行误差补偿，判断是否满足能量函数误差；“是”将数据进行输出；“否”返回到第三步中的小波神经网络模型中进行误差补偿，直到满足能量误差，输出数值。

实施例3

本发明提供的图像采集模块1采集方法如下：

(1)接收扫描指令；

(2)通过红外摄像头获取目标拍摄对象并保存所述目标拍摄对象的特征；

(3)根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像；其中，所述当前图像包括目标拍摄对象；

(4)分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像。

本发明提供的接收扫描指令包括：

检测到触发扫描的指令后，搜索目标图像与预设图像匹配。

本发明提供的若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像包括：

若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则判断是否接收到图像采集指令；

若接收到图像采集指令，则采集图像。

本发明提供的根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像之后，所述分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像之前，改变所述目标拍摄对象在所述当前图像中的位置；

本发明提供的改变所述目标拍摄对象在所述当前图像中的位置包括：

调整与所述目标拍摄对象之间的距离；其中，所述距离包括水平距离及垂直距离；

通过与所述目标拍摄对象之间的距离改变所述目标拍摄对象在所述当前图像中的位置。

本发明提供的改变所述目标拍摄对象在所述当前图像中的位置包括：

调整与所述目标拍摄对象之间的距离；其中，所述距离包括水平距离及垂直距离；

当与所述目标拍摄对象之间的距离满足第二预设条件后，调整航向角和/或俯仰角；

通过所述航向角和/或俯仰角改变所述目标拍摄对象在所述当前图像中的位置。

实施例4

本发明提供的跟踪模块8跟踪方法如下：

1)利用无人机载红外摄像头连续拍摄至少二幅地面图像，并在每幅图像中标注无人机的地面坐标、航向角及获取地面图像时的时刻；

2)将每幅地面图像进行坐标变换以使它们处于同一图像坐标系中；

3)对多幅地面图像进行滤波，而后从滤波后的地面图像中取出包括目标图像的前景图像，从前景图像中提取特征点，提取前一幅前景图像中的每一区域特征点并与被跟踪目标的模板的特征点进行匹配，利用匹配成功的区域更新被跟踪目标的模板，利用更新后的被跟踪目标的模板的特征点与当前幅前景图像中的每一区域的特征点进行匹配；

4)根据匹配成功的两幅前景图像中的区域的特征点的位置关系确定被跟踪目标的速度和运行方向；

5)根据被跟踪目标的速度和运行方向调整无人机的航速和航向，从而跟踪目标。

实施例5

所述跟踪模块8跟踪方法对多幅地面图像进行滤波增强的具体步骤，如下：

步骤1，针对所获取的地面图像，选择合适的分解层数和合适的小波基；

步骤2，对带有噪声的图像根据设定的分解层数，进行正交小波变化，得出分解系数组；

步骤3，对带有噪声的图像进行方差估计，在求出相应的门限阈值；

步骤4，将分解系数组中的数值与门限阈值进行比较，大于门限阈值的系数保留；同时小于门限阈值的系数置为0，得到估计的小波系数组；

步骤5，将每一分解层的高频系数和小波系数进行小波变换，得到去噪后的图像。

下面结合具体应用对本发明作进一步描述。

本发明工作时，首先，通过图像采集模块1利用红外摄像头对环境目标进行扫描采集图像；其次，主控模块2通过调焦模块3利用调焦程序对红外摄像头进行自动调焦操作；通过目标感应模块4利用感应程序对采集红外图像有温度的目标物体进行感应；通过射击模块5利用启动程序根据感应信息启动步枪对目标进行射击操作；通过移动模块6利用电机带动螺旋桨进行飞行移动；通过定位模块7利用定位器对无人机位置进行定位；然后，通过跟踪模块8利用跟踪程序对目标进行跟踪；最后，通过显示模块9利用显示器显示采集的目标红外图像、移动位置信息。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (10)

1.一种基于无人机平台的自动瞄准式狙击步枪，其特征在于，所述基于无人机平台的自动瞄准式狙击步枪包括：

图像采集模块，与主控模块连接，用于通过红外摄像头对环境目标进行扫描采集图像；接收扫描指令；通过红外摄像头获取目标拍摄对象并保存所述目标拍摄对象的特征；

根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像；其中，所述当前图像包括目标拍摄对象；分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像；

主控模块，与图像采集模块、调焦模块、目标感应模块、射击模块、移动模块、定位模块、跟踪模块、显示模块连接，用于通过单片机控制各个模块正常工作；

调焦模块，与主控模块连接，用于通过调焦程序对红外摄像头进行自动调焦操作；

目标感应模块，与主控模块连接，用于通过感应程序对采集红外图像有温度的目标物体进行感应；

射击模块，与主控模块连接，用于通过启动程序根据感应信息启动步枪对目标进行射击操作；

移动模块，与主控模块连接，用于通过电机带动螺旋桨进行飞行移动；

定位模块，与主控模块连接，用于通过定位器对无人机位置进行定位；

跟踪模块，与主控模块连接，用于通过跟踪程序对目标进行跟踪；利用无人机载红外摄像头连续拍摄至少二幅地面图像，并在每幅图像中标注无人机的地面坐标、航向角及获取地面图像时的时刻；

将每幅地面图像进行坐标变换以使它们处于同一图像坐标系中；

对多幅地面图像进行滤波，而后从滤波后的地面图像中取出包括目标图像的前景图像，从前景图像中提取特征点，提取前一幅前景图像中的每一区域特征点并与被跟踪目标的模板的特征点进行匹配，利用匹配成功的区域更新被跟踪目标的模板，利用更新后的被跟踪目标的模板的特征点与当前幅前景图像中的每一区域的特征点进行匹配；

根据匹配成功的两幅前景图像中的区域的特征点的位置关系确定被跟踪目标的速度和运行方向；

根据被跟踪目标的速度和运行方向调整无人机的航速和航向，从而跟踪目标；

显示模块，与主控模块连接，用于通过显示器显示采集的目标红外图像、移动位置信息。

2.如权利要求1所述基于无人机平台的自动瞄准式狙击步枪，其特征在于，

所述接收扫描指令包括：检测到触发扫描的指令后，搜索目标图像并与预设图像匹配；

将扫描到的目标信息收集整理；

将收集的目标信息按照划分的量化等级进行量化处理，并建立扫描证据表；

利用专家知识或经验建立状态间的条件概率转移矩阵，确定时间片段间的状态转移矩阵；

建立目标坐标与无人机所处位置的离散动态贝叶斯网络模型；

利用建立的扫描证据表、条件转移概率表和状态转移概率表，运用隐马尔科夫推理算法计算出最终的目标坐标。

3.如权利要求1所述基于无人机平台的自动瞄准式狙击步枪，其特征在于，所述若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像包括：

若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则判断是否接收到图像采集指令；

若接收到图像采集指令，则采集图像。

4.如权利要求1所述基于无人机平台的自动瞄准式狙击步枪，其特征在于，所述根据所述目标拍摄对象的特征跟踪所述目标拍摄对象，获取当前图像之后，所述分析所述目标拍摄对象在所述当前图像中的位置，若所述目标拍摄对象在所述当前图像中的位置满足图像采集条件，则采集图像之前，改变所述目标拍摄对象在所述当前图像中的位置。

5.如权利要求4所述基于无人机平台的自动瞄准式狙击步枪，其特征在于，所述改变所述目标拍摄对象在所述当前图像中的位置包括：

调整与所述目标拍摄对象之间的距离；其中，所述距离包括水平距离及垂直距离；

通过与所述目标拍摄对象之间的距离改变所述目标拍摄对象在所述当前图像中的位置。

6.如权利要求4所述基于无人机平台的自动瞄准式狙击步枪，其特征在于，所述改变所述目标拍摄对象在所述当前图像中的位置包括：

调整与所述目标拍摄对象之间的距离；其中，所述距离包括水平距离及垂直距离；

当与所述目标拍摄对象之间的距离满足第二预设条件后，调整航向角和/或俯仰角；

通过所述航向角和/或俯仰角改变所述目标拍摄对象在所述当前图像中的位置。

7.如权利要求2所述基于无人机平台的自动瞄准式狙击步枪，其特征在于，

所述离散动态贝叶斯网络模型是由扫描节点和状态节点构成的有向无环图，相对位置和无人机姿态共同构成离散状态节点，目标坐标为扫描节点。

8.如权利要求2述基于无人机平台的自动瞄准式狙击步枪，其特征在于，

所述建立的扫描证据表、条件转移概率表和状态转移概率表，结合所建立的离散动态贝叶斯网络模型，确定最终的目标坐标即为贝叶斯推理过程依据大量状态节点数据推理出扫描节点最大可能取值的概率。

9.如权利要求8所述基于无人机平台的自动瞄准式狙击步枪，其特征在于，所述接收扫描指令进一步包括：系统参数λ和扫描序列Y，前向-后向算法推理出概率P(Y|λ)的过程如下：

前向算法，定义前向变量α_t(i)＝P(y₁,y₂,...,y_t,x_t＝i|λ)

初始化：α₁(i)＝π_ib_i(y₁),1≤i≤n

递归运算：

结果：

后向算法，定义后向变量β_t(i)＝P(y_t+1,y_t+2,...,y_T|x_t＝i,λ)

初始化：β_T(i)＝1,1≤i≤n

递归运算：

结果：

将前向算法、后向算法结合起来构成前向-后向算法：

最终，根据确立的扫描证据表、条件转移概率表和状态转移概率表，结合前向-后向算法推理出无人机的目标坐标。

10.一种搭载权利要求1所述基于无人机平台的自动瞄准式狙击步枪的无人机。