CN112070814A - 一种靶标角度识别方法、装置 - Google Patents

Abstract

本申请涉及一种靶标角度识别方法、装置。所述方法包括：获取多张标准模板图像的第一特征点信息；采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。采用本方法能够提供靶标角度计算的准确性。

Description

一种靶标角度识别方法、装置

技术领域

本申请涉及图像处理技术领域，特别是涉及一种靶标角度识别方法、装置。

背景技术

近年来，无人机行业发展迅速，无人机在航拍、救灾、物流配送等领域发挥着重要作用，与此同时，随着城市空中无人运输的逐渐放开，包含无人机、无人站、云平台等在内的自动配送网络应运而生。在提高配送效率的同时，也对无人机安全起降提出了更高要求，例如，无人站的出现，要求无人机降落更加精细化。无人机自主起降技术是提高飞机自主飞行安全性和工作效率的关键技术之一，并受到了广泛关注。其中，靶标角度识别作为飞机降落过程中指导飞机基于无人站进行姿态调整的一种技术手段，对飞机安全降落有着重要意义。

目前，图像处理是飞机起降中进行靶标检测和角度识别的常用方法。现有在降落位置设置同心圆图案(靶标)的方式，通过无人机的摄像头拍摄同心圆图案，然后通过图像处理算法计算透视投影下椭圆的方程，得到无人机与所述同心圆图案的靶标角度。或者，在降落位置设置五个不同尺寸的子靶标，子靶标用黑白色块填充的方式进行编码，再通过对飞机拍到图像色块进行解析，获取飞机位置和靶标角度；此外，在降落位置设置二维码图案，通过对二维码图案的图像处理方式计算靶标角度。

然而，现有的靶标角度识别方法，同心圆的方式依赖于椭圆方程，当无人机拍摄的图像想面与同心圆平面平行时，无人机智能获得圆形图案的图像，无法根据椭圆方程计算靶标角度；多个子靶标或二维码图案在图像处理过程中容易受到光照、阴影等外部环境因素的影响，影响靶标角度计算的精确度。

发明内容

基于此，有必要针对上述技术问题，提供一种能够增强抗干扰能力的靶标角度计算方法、装置。

一种靶标角度识别方法，所述方法包括：

获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得；

采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；

将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；

根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；

根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；

对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

在其中一个实施例中，在获取多张标准模板图像的第一特征点信息之前，包括：根据标准靶标图像，在360度范围内沿所述标准靶标图像中心按照同一方向旋转，每旋转预设角度获得一张标准模板图像，并记录每张标准模板图像与所述标准靶标图像的相对角度值。

在其中一个实施例中，所述获取多张标准模板图像的第一特征点信息，包括：获取多张标准模板图像的图像数据；对所述标准模板图像的图像数据，根据ORB特征提取算法进行特征计算，得到第一特征点信息。

在其中一个实施例中，所述采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息，包括：采集靶标的待检测图像，并获取待检测图像的靶标区域图像的图像数据；对所述靶标区域图像的图像数据，根据ORB特征提取算法进行特征计算，得到第二特征点信息。

在其中一个实施例中，所述采集靶标的待检测图像，并获取待检测图像的靶标区域图像的图像数据，包括：采集靶标的待检测图像，根据靶标区域检测算法提取初始靶标区域图像；将所述初始靶标区域图像进行形变和缩放处理，获得靶标区域图像的图像数据；其中，所述靶标区域图像尺寸与所述标准模板图像的尺寸相同。

在其中一个实施例中，所述将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息，包括：将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息，根据BruteForce-Hamming算法进行匹配，获得匹配的特征点对信息。

在其中一个实施例中，所述根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵，包括：根据所述特征点对信息，滤除距离大于或等于距离阈值的特征点对，获得修正特征点对信息，所述修正特征点对信息包括特征点对数量；在所述特征点对数量大于或等于数量阈值时，根据所述修正特征点对信息计算所述标准模板图像到所述待检测图像的单应矩阵，并对所述单应矩阵分解获得旋转矩阵。

在其中一个实施例中，所述根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值，包括：对所述旋转矩阵，根据所述罗德里格斯函数计算，获得与所述待检测图像的靶标区域图像对应的飞行装置的航向角；根据所述标准模板图像与所述标准靶标图像的相对角度值，对所述航向角进行补偿，获得所述靶标区域图像相对于所述标准靶标图像的旋转角度值。

在其中一个实施例中，对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度，包括：将所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值转换至0度到360度的角度范围，获得转换旋转角度值；将0度到360度的角度范围划分成第一区间、第二区间和第三区间；其中，所述第二区间包括45度到315度的角度范围；统计所述转换旋转角度值在第一区间、第二区间和第三区间的个数，记录为第一数目、第二数目和第三数目；在所述第一数目、第二数目和第三数目均大于零时，计算所述第二区间的转换旋转角度值的平均值，得到第二区间角度均值；在所述第二区间角度均值不小于180度时，将所述第一区间的转换旋转角度值增加360度；在所述第二区间角度均值小于180度时，将所述第三区间的转换旋转角度值减少360度；在所述第二数目等于零，且第一数目不大于第三数目时，将所述第一区间的转换旋转角度值增加360度；在所述第二数目等于零，且第一数目大于第三数目时，将所述第三区间的转换旋转角度值减少360度；对所述转换旋转角度值按照从小到大的顺序进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

一种靶标角度识别装置，所述装置包括：

第一特征点信息获取模块，用于获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得；

第二特征点信息获取模块，用于采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；

匹配模块，用于将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；

旋转矩阵计算模块，用于根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；

旋转角度值计算模块，用于根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；

中值计算模块，用于对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得；

采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；

将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；

根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；

根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；

对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得；

采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；

将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；

根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；

根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；

对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

上述靶标角度识别方法、装置、计算机设备和存储介质，通过靶标的待检测图像与多张标准模板图像进行匹配，确定旋转矩阵，并根据旋转矩阵计算旋转角度值，根据多个旋转角度值排序计算中值来计算靶标角度，能够在靶标的待检测图像受到外界环境干扰图像不清晰的情况下，也能通过多张标准模板图像匹配获得靶标角度，提高了靶标角度识别过程中的抗干扰能力，同时，标准靶标图像可以设置为任意能够区别方向的图案，提高了图案设置的自由度。

附图说明

图1为一个实施例中靶标角度识别方法的流程示意图；

图2为一个实施例中对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度步骤的流程示意图；

图3为一个实施例中靶标的待检测图像的靶标区域图像示意图；

图4为一个实施例中靶标角度识别装置的结构框图；

图5为一个实施例中计算机结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种靶标角度识别方法，包括以下步骤：

S110，获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得。

其中，标准模板图像为对标准靶标图像按照预设角度旋转后的图像，所述标准靶标图像为在飞行装置降落时设置于降落位置用于识别降落方向的图像，所述飞行装置可为无人机，第一特征点信息为从所述标准模板图像按照预设规则选取的图像中点的信息，所述预设规则可为ORB特征提取算法。预设角度可以根据需要设置，例如，预设角度为30度，相对于标准靶标图像按照预设角度依次旋转，每旋转一次获得一张标准模板图像，直至旋转360度，多种标准模板图像相对于标准靶标图像的角度分别为0度(或360度)、30度、60度、90度、120度、150度、180度、210度、240度、270度、300度和330度。本实施例通过对标准模板图像提取第一特征点信息，能够减少后续图像处理的运算量。

S120，采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息。

其中，靶标的待检测图像可通过飞行装置的摄像头采集，摄像头采集图像的方向与飞行装置的航向相同，例如，飞行装置在将要降落时，通过摄像头采集靶标的待检测图像301(如图3所示)。第二特征点信息为从所述靶标的待检测图像按照预设规则选取的图像中点的信息，所述预设规则可为ORB特征提取算法。

S130，将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息。

其中，第一特征点信息与第二特征点信息按照每特征点之间的距离进行匹配，将距离近的两个特征点确定为特征点对。

S140，根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵。

S150，根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值。

S160，对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

其中，可根据所述靶标区域图像相对于所述标准模板图像的所有旋转角度值的从大到小或从小到大的顺序进行排序。飞行装置可为无人机、遥控飞机等。飞行装置的当前航向为飞行装置朝向的方向，标准靶标图像正向为规定的标准靶标图像的方向，如图3所示，标准靶标图像正向为靶标区域图像303中白色箭头所指方向。

上述靶标角度识别方法中，通过靶标的待检测图像与多张标准模板图像进行匹配，确定旋转矩阵，并根据旋转矩阵计算旋转角度值，根据多个旋转角度值排序计算中值来计算靶标角度，能够在靶标的待检测图像受到外界环境干扰图像不清晰的情况下，也能通过多张标准模板图像匹配获得靶标角度，提高了靶标角度识别过程中的抗干扰能力，同时，标准靶标图像可以设置为任意能够区别方向的图案，提高了图案设置的自由度。

在其中一个实施例中，在获取多张标准模板图像的第一特征点信息之前，包括：根据标准靶标图像，在360度范围内沿所述标准靶标图像中心按照同一方向旋转，每旋转预设角度获得一张标准模板图像，并记录每张标准模板图像与所述标准靶标图像的相对角度值。

其中，根据标准靶标图像每隔α角度旋转一次，共得到n张不同角度的标准模板图，记为M₁，M₂，……，M_n。记录每张标准模板图与标准靶标图像的相对角度值β₁，β₂，……，β_n。这里取α＝30度，则有n＝12。

在其中一个实施例中，所述获取多张标准模板图像的第一特征点信息，包括：获取多张标准模板图像的图像数据；对所述标准模板图像的图像数据，根据ORB特征提取算法进行特征计算，得到第一特征点信息。

其中，标准模板图像的图像数据为一个s×s×3的矩阵，矩阵每个位置上的值为0到255之间的整数，s取值可为400。第一特征点信息包括特征点集和特征描述子向量集，对每张标准模板图像M_i，i∈[1,n]，计算其特征点kpsⁱ和特征描述子向量dspⁱ，此处使用ORB特征提取算法进行计算，则：

kpsⁱ＝detectORB(M_i)

dspⁱ＝computeORB(M_i，kpsⁱ)

其中，detectORB是特征点提取函数，computeORB是特征描述子向量计算函数。kpsⁱ＝{p₁，p₂，……，p_K}是特征点集，p_j＝(x_j，y_j)表示第j个特征点，x_j和y_j分别为p_j在图像中的列坐标和行坐标，j∈[1,K]，K为第i张标准模板图像的特征点总数。dspⁱ＝{d₁，d₂，……，d_K}为特征描述子向量集，d_j＝(c₁，c₂，……，c_m)是长为m的特征描述子向量。

在其中一个实施例中，所述采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息，包括：采集靶标的待检测图像，并获取待检测图像的靶标区域图像的图像数据；对所述靶标区域图像的图像数据，根据ORB特征提取算法进行特征计算，得到第二特征点信息。本实施例中，第二特征点信息的计算方式与第一特征点信息的计算方式相同，均是采用ORB特征提取算法进行特征计算，计算过程可参考上述实施例的ORB特征提取算法的技术过程。

在其中一个实施例中，所述采集靶标的待检测图像，并获取待检测图像的靶标区域图像的图像数据，包括：采集靶标的待检测图像，根据靶标区域检测算法提取初始靶标区域图像；将所述初始靶标区域图像进行形变和缩放处理，获得靶标区域图像的图像数据；其中，所述靶标区域图像尺寸与所述标准模板图像的尺寸相同。

其中，待检测图像imgB可以表示为一个h×w×3的矩阵，矩阵每个位置上的值为0到255之间的整数，h、w根据实际采集的待检测图像确定；对待检测图像进行初始靶标区域图像提取，靶标检测算法可以使用SSD算法、YOLOv3算法等，此处以YOLOv3算法为例进行说明，例如：

x_c，y_c，w’，h’＝YOLOv3(imgB)

其中，OLOv3为靶标检测函数，x_c和y_c分别为初始靶标区域图像中心点在待检测图像中的像素坐标，x_c表示行数，y_c表示列数，w’和h’为初始靶标区域图像的像素宽度和像素高度。

为了保持靶标区域图像不变形，将初始靶标区域图像拓展成正方形，具体如下：

length＝max(w’，h’)

x₁＝x_c–length/2

y₁＝y_c–length/2

令靶标区域图像为imgC，对应imgC上的任意一点(u，v)，有：

imgC(u，v)＝imgB(x₁+u，y₁+v)

其中，u，v∈[0，length-1]。进一步，将靶标区域图像imgC缩放到预定尺寸s×s×3。

然后，将缩放后靶标区域图像imgC，根据ORB特征提取算法进行特征计算，得到第二特征点信息，具体过程如下：

上述得到的靶标区域图像imgC进行特征提取，令kps^t和dsp^t分别表示特征点向量集和特征描述子向量集，有：

kps^t＝detectORB(imgC)

dsp^t＝computeORB(imgC，kps^t)。

在其中一个实施例中，所述将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息，包括：将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息，根据BruteForce-Hamming算法进行匹配，获得匹配的特征点对信息。

其中，对每张标准模板图像M_i，依次与靶标区域图像imgC进行特征匹配，这里使用BruteForce-Hamming算法进行匹配，则：

matchesⁱ＝BF(dspⁱ，dsp^t)

其中，matchesⁱ＝{match₁，match₂，……，match_k}，match_k＝(id_k ⁱ，id_k ^t，d_k)表示匹配的特征点对信息，id_k ⁱ、id_k ^t分别为第k对特征点在kpsⁱ和kps^t中的位置索引，d_k表示两个特征点之间的描述子汉明距离。

在其中一个实施例中，所述根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵，包括：根据所述特征点对信息，滤除距离大于或等于距离阈值的特征点对，获得修正特征点对信息，所述修正特征点对信息包括特征点对数量；在所述特征点对数量大于或等于数量阈值时，根据所述修正特征点对信息计算所述标准模板图像到所述待检测图像的单应矩阵，并对所述单应矩阵分解获得旋转矩阵。

其中，根据特征点对信息，计算所有匹配特征点对之间的最小距离d_min＝min(d₁，d₂，……，d_k)，令d_thresh＝max(d_min×2，thresh_min)为距离阈值，thresh_min为经验阈值，取thresh_min＝30。根据每张标准模板图像的特征点对信息，滤除距离大于或等于d_thresh的特征点对，得到修正特征点对信息kps_pairs＝((p₁₁，p₂₁)，(p₁₂，p₂₂)，……，(p_1k，p_2k))。计算修正特征点对信息中特征点对数量k，判断特征点对数量k是否大于或等于数量阈值num_thresh，所述数量阈值num_thresh可为30，如果所述特征点对数量大于或等于数量阈值，根据所述修正特征点对信息计算所述标准模板图像到所述待检测图像的单应矩阵，并对所述单应矩阵分解获得旋转矩阵；如果所述特征点对数量小于数量阈值，设置所述标准模板图像旋转角度值为无效值，其中，无效值可为1000。

其中，根据所述修正特征点对信息计算所述标准模板图像到所述待检测图像的单应矩阵，并对所述单应矩阵分解获得旋转矩阵，过程如下：

根据修正特征点对信息kps_pairs，计算标准模板图像到所述待检测图像的单应矩阵H∈R^3×3，H＝[h₁，h₂，h₃]为一个3×3矩阵，h₁、h₂、h₃为3×1向量，对H进行分解，得到旋转矩阵R＝[r₁，r₂，r₃]，r₁、r₂、r₃为3×1向量，r₁、r₂、r₃的表达式如下：

r₁＝h₁/||h₁||₂

r₂＝h₂/||h₂||₂

r₃＝r₁×r₂。

本实施例中，通过对距离大于或等于距离阈值的特征点对进行滤除，能够减少距离过大的特征点对的干扰，同时，减少了数据的运算量，提高了计算旋转矩阵的效率。

在其中一个实施例中，所述根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值，包括：对所述旋转矩阵，根据所述罗德里格斯函数计算，获得与所述待检测图像的靶标区域图像对应的飞行装置的航向角；根据所述标准模板图像与所述标准靶标图像的相对角度值，对所述航向角进行补偿，获得所述靶标区域图像相对于所述标准靶标图像的旋转角度值。

其中，根据旋转矩阵R，计算靶标区域图像相对于标准模板图像在3个方向上的旋转角度分量：

roll，pitch，yaw＝rodrigues(R)

其中，rodrigues为罗德里格斯函数，用于将旋转矩阵分解成旋转角度roll、pitch和yaw，对应为滚转角、俯仰角和航向角，单位为弧度。航向角yaw为飞行装置相对于靶标区域图像之间的航向角，将其单位转化为角度，γ_i＝yaw/π×180，π为圆周率。

其中，根据所述标准模板图像与所述标准靶标图像的相对角度值，对所述航向角进行补偿，获得所述靶标区域图像相对于标准靶标图像的的旋转角度值，过程如下：

对每个航向角γ_i进行旋转角补偿，调整成相对0度标准模板图像的旋转角度值：

γ_i＝γ_i+β_i

其中，对应每张标准模板图像M_i，都有一个旋转角度值γ_i与其对应，记为ψ₁＝{γ₁，γ₂，……，γ_n}。

在其中一个实施例中，所述对所述靶标区域图像相对于所述标准靶标图像的旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度，包括：将所述靶标区域图像相对于所述标准靶标图像的旋转角度值转换至0度到360度的角度范围，获得转换旋转角度值；将0度到360度的角度范围划分成第一区间、第二区间和第三区间；其中，所述第二区间包括45度到315度的角度范围；统计所述转换旋转角度值在第一区间、第二区间和第三区间的个数，记录为第一数目、第二数目和第三数目；在所述第一数目、第二数目和第三数目均大于零时，计算所述第二区间的转换旋转角度值的平均值，得到第二区间角度均值；在所述第二区间角度均值不小于180度时，将所述第一区间的转换旋转角度值增加360度；在所述第二区间角度均值小于180度时，将所述第三区间的转换旋转角度值减少360度；在所述第二数目等于零，且第一数目不大于第三数目时，将所述第一区间的转换旋转角度值增加360度；在所述第二数目等于零，且第一数目大于第三数目时，将所述第三区间的转换旋转角度值减少360度；对所述转换旋转角度值按照从小到大的顺序进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

其中，将所述靶标区域图像相对于所述标准靶标图像的旋转角度值转换至0度到360度的角度范围，获得转换旋转角度值之前，对于ψ₁＝{γ₁，γ₂，……，γ_n}，将旋转角度值为无效值进行旋转角度值剔除，使其不参与靶标角度计算，得到ψ₂＝{γ₁，γ₂，……，γ_n’}，其中n’为ψ₂成员的数量。

将ψ₂＝{γ₁，γ₂，……，γ_n’}内的每一个旋转角度值转换至0度到360度的角度范围，得到转换角度值，具体转换方法如下：γ_i＝γ_i％360。

将0度到360度的角度范围划分成第一区间[0，θ₁)、第二区间[θ₁，θ₂]和第三区间(θ₂，360)，其中，第二区间[θ₁，θ₂]为安全区间，第一区间[0，θ₁)和第三区间(θ₂，360)为危险区间，第二区间[θ₁，θ₂]包括[45，315]的角度范围，可选的θ₁＝45，θ₂＝315。其中，第一区间[0，θ₁)、第二区间[θ₁，θ₂]和第三区间(θ₂，360)的单位为度。

统计所述转换旋转角度值在第一区间、第二区间和第三区间的个数，记录为第一数目c1、第二数目c2和第三数目c3。

如果第一数目c1、第二数目c2和第三数目c3均大于零，计算处于第二区间转换旋转角度值的平均值。在所述第二区间转换旋转角度值的平均值大于或等于180时，说明角度分布的重心靠上，将第一区间[0，θ₁)内的转换旋转角度值增加360。在所述第二区间转换旋转角度值的平均值小于180时，说明角度分布的重心靠下，将第三区间(θ₂，360)内的转换旋转角度值减小360。

如果第一数目c1等于零，比较第二数目c2和第三数目c3的大小。如果第二数目c2小于或等于第三数目c3，说明说明角度分布的重心靠上，将第一区间[0，θ₁)内的转换旋转角度值增加360。如果第二数目c2大于第三数目c3说明角度分布的重心靠下，将第三区间(θ₂，360)内的转换旋转角度值减小360。

另外，在其它情况下，不需要对转换旋转角度值进行调整。

对转换旋转角度值按照上述过程处理后，对γ₁，γ₂，……，γ_n’按照从小到大进行排序，并计算综合角度作为飞行装置的当前航向到标准靶标图像正向的靶标角度。这里，以中值方式计算靶标角度，具体如下：

其中，

为靶标角度，其中n’为ψ₂成员的数量。如图3所示，靶标的待检测图像301，正向的标准靶标图像302，采集的靶标区域图像303，白色箭头指向为从靶标区域图像303相对于正向的标准靶标图像302的旋转方向，靶标角度等于从正向的标准靶标图像302旋转至采集的靶标区域图像303的旋转角度。

在一个具体的实施例中，如图2所示，所述对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度，包括：S161，将所述靶标区域图像相对于标准靶标图像的所有旋转角度值转换至0度到360度的角度范围，获得转换旋转角度值；S162，将0度到360度的角度范围划分成第一区间、第二区间和第三区间；其中，所述第二区间包括45度到315度的角度范围；S163，统计所述转换旋转角度值在第一区间、第二区间和第三区间的个数，记录为第一数目、第二数目和第三数目；S164，判断所述第一数目、第二数目、第三数目是否均大于零，如果所述第一数目、第二数目、第三数目均大于零进入步骤S165，否则进入步骤S165’；S165，计算所述第二区间的转换旋转角度值的平均值，得到第二区间角度均值；S166，判断所述第二区间角度均值是否小于180度，如果所述第二区间角度均值小于180度进入步骤S167，否则进入步骤S167’；S167，将所述第三区间的转换旋转角度值减少360度；S168，对所述转换旋转角度值按照从小到大的顺序进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度；S169，结束；S165’，判断所述第二数目是否等于零，如果所述第二数目等于零进入步骤S166’，如果所述第二数目不等于零进入步骤S168；S166’，判断所述第一数目是否大于第三数目，如果所述第一数目大于第三数目进入步骤S167，如果所述第一数目不大于第三数目进入步骤S167’；S167’，将所述第一区间的转换旋转角度值增加360度，进入步骤S168。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种靶标角度识别装置，包括：第一特征点信息获取模块210、第二特征点信息获取模块220、匹配模块230、旋转矩阵计算模块240、旋转角度值计算模块250和中值计算模块260，其中：

第一特征点信息获取模块210，用于获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得；

第二特征点信息获取模块220，用于采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；

匹配模块230，用于将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；

旋转矩阵计算模块240，用于根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；

旋转角度值计算模块250，用于根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；

中值计算模块260，用于对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

在其中一个实施例中，所述靶标角度识别装置，还包括：标准模板图像获取模块，用于根据标准靶标图像，在360度范围内沿所述标准靶标图像中心按照同一方向旋转，每旋转预设角度获得一张标准模板图像，并记录每张标准模板图像与所述标准靶标图像的相对角度值。

在其中一个实施例中，所述第一特征点信息获取模块210包括：第一图像数据获取单元，用于获取多张标准模板图像的图像数据；第一特征点信息获取单元，用于对所述标准模板图像的图像数据，根据ORB特征提取算法进行特征计算，得到第一特征点信息。

在其中一个实施例中，第二特征点信息获取模块220包括：第二图像数据获取单元，用于采集靶标的待检测图像，并获取待检测图像的靶标区域图像的图像数据；第二特征点信息获取单元，用于对所述靶标区域图像的图像数据，根据ORB特征提取算法进行特征计算，得到第二特征点信息。

在其中一个实施例中，所述第二图像数据获取单元包括：靶标区域图像提取子单元，用于采集靶标的待检测图像，根据靶标区域检测算法提取初始靶标区域图像；图像处理子单元，用于将所述初始靶标区域图像进行形变和缩放处理，获得靶标区域图像的图像数据；其中，所述靶标区域图像尺寸与所述标准模板图像的尺寸相同。

在其中一个实施例中，所述匹配模块230，还用于将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息，根据BruteForce-Hamming算法进行匹配，获得匹配的特征点对信息。

在其中一个实施例中，旋转矩阵计算模块240包括：修正单元，用于根据所述特征点对信息，滤除距离大于或等于距离阈值的特征点对，获得修正特征点对信息，所述修正特征点对信息包括特征点对数量；分解单元，用于在所述特征点对数量大于或等于数量阈值时，根据所述修正特征点对信息计算所述标准模板图像到所述待检测图像的单应矩阵，并对所述单应矩阵分解获得旋转矩阵。

在其中一个实施例中，所述旋转角度值计算模块250包括：航向角计算单元，用于对所述旋转矩阵，根据所述罗德里格斯函数计算，获得与所述待检测图像的靶标区域图像对应的飞行装置的航向角；补偿单元，用于根据所述标准模板图像与所述标准靶标图像的相对角度值，对所述航向角进行补偿，获得所述靶标区域图像相对于所述标准靶标图像的旋转角度值。

在其中一个实施例中，所述中值计算模块260包括：约束单元，用于将所述靶标区域图像相对于标准靶标图像的所有旋转角度值转换至0度到360度的角度范围，获得转换旋转角度值；区间划分单元，用于将0度到360度的角度范围划分成第一区间、第二区间和第三区间；其中，所述第二区间包括45度到315度的角度范围；统计单元，用于统计所述转换旋转角度值在第一区间、第二区间和第三区间的个数，记录为第一数目、第二数目和第三数目；第二区间角度均值计算单元，用于在所述第一数目、第二数目和第三数目均大于零时，计算所述第二区间的转换旋转角度值的平均值，得到第二区间角度均值；角度值增加单元，用于在所述第二区间角度均值不小于180度时，将所述第一区间的转换旋转角度值增加360度；角度值减少单元，用于在所述第二区间角度均值小于180度时，将所述第三区间的转换旋转角度值减少360度；所述角度值增加单元，还用于在所述第二数目等于零，且第一数目不大于第三数目时，将所述第一区间的转换旋转角度值增加360度；所述角度值减少单元，还用于在所述第二数目等于零，且第一数目大于第三数目时，将所述第三区间的转换旋转角度值减少360度；中值计算单元，用于对所述转换旋转角度值按照从小到大的顺序进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

关于靶标角度识别装置的具体限定可以参见上文中对于靶标角度识别方法的限定，在此不再赘述。上述靶标角度识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储标准模板图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种靶标角度识别方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种靶标角度识别方法，其特征在于，所述方法包括：

获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得；

采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；

将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；

根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；

根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；

对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

2.根据权利要求1所述的方法，其特征在于，在获取多张标准模板图像的第一特征点信息之前，包括：

根据标准靶标图像，在360度范围内沿所述标准靶标图像中心按照同一方向旋转，每旋转预设角度获得一张标准模板图像，并记录每张标准模板图像与所述标准靶标图像的相对角度值。

3.根据权利要求1所述的方法，其特征在于，所述获取多张标准模板图像的第一特征点信息，包括：

获取多张标准模板图像的图像数据；

对所述标准模板图像的图像数据，根据ORB特征提取算法进行特征计算，得到第一特征点信息。

4.根据权利要求1所述的方法，其特征在于，所述采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息，包括：

采集靶标的待检测图像，并获取待检测图像的靶标区域图像的图像数据；

对所述靶标区域图像的图像数据，根据ORB特征提取算法进行特征计算，得到第二特征点信息。

5.根据权利要求4所述的方法，其特征在于，所述采集靶标的待检测图像，并获取待检测图像的靶标区域图像的图像数据，包括：

采集靶标的待检测图像，根据靶标区域检测算法提取初始靶标区域图像；

将所述初始靶标区域图像进行形变和缩放处理，获得靶标区域图像的图像数据；其中，所述靶标区域图像尺寸与所述标准模板图像的尺寸相同。

6.根据权利要1所述的方法，其特征在于，所述将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息，包括：

将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息，根据BruteForce-Hamming算法进行匹配，获得匹配的特征点对信息。

7.根据权利要1所述的方法，其特征在于，所述根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵，包括：

根据所述特征点对信息，滤除距离大于或等于距离阈值的特征点对，获得修正特征点对信息，所述修正特征点对信息包括特征点对数量；

在所述特征点对数量大于或等于数量阈值时，根据所述修正特征点对信息计算所述标准模板图像到所述待检测图像的单应矩阵，并对所述单应矩阵分解获得旋转矩阵。

8.根据权利要2所述的方法，其特征在于，所述根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值，包括：

对所述旋转矩阵，根据所述罗德里格斯函数计算，获得与所述待检测图像的靶标区域图像对应的飞行装置的航向角；

根据所述标准模板图像与所述标准靶标图像的相对角度值，对所述航向角进行补偿，获得所述靶标区域图像相对于所述标准靶标图像的旋转角度值。

9.根据权利要1所述的方法，其特征在于，所述对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度，包括：

将所述靶标区域图像相对于标准靶标图像的所有旋转角度值转换至0度到360度的角度范围，获得转换旋转角度值；

将0度到360度的角度范围划分成第一区间、第二区间和第三区间；其中，所述第二区间包括45度到315度的角度范围；

统计所述转换旋转角度值在第一区间、第二区间和第三区间的个数，记录为第一数目、第二数目和第三数目；

在所述第一数目、第二数目和第三数目均大于零时，计算所述第二区间的转换旋转角度值的平均值，得到第二区间角度均值；

在所述第二区间角度均值不小于180度时，将所述第一区间的转换旋转角度值增加360度；

在所述第二区间角度均值小于180度时，将所述第三区间的转换旋转角度值减少360度；

在所述第二数目等于零，且第一数目不大于第三数目时，将所述第一区间的转换旋转角度值增加360度；

在所述第二数目等于零，且第一数目大于第三数目时，将所述第三区间的转换旋转角度值减少360度；

对所述转换旋转角度值按照从小到大的顺序进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

10.一种靶标角度识别装置，其特征在于，所述装置包括：

第一特征点信息获取模块，用于获取多张标准模板图像的第一特征点信息；其中，所述多张标准模板图像根据标准靶标图像旋转预设角度获得；

第二特征点信息获取模块，用于采集靶标的待检测图像，并计算所述待检测图像的第二特征点信息；

匹配模块，用于将所述标准模板图像的第一特征点信息与所述待检测图像的第二特征点信息进行匹配，获得匹配的特征点对信息；

旋转矩阵计算模块，用于根据所述特征点对信息计算单应矩阵，并对所述单应矩阵分解获得旋转矩阵；

旋转角度值计算模块，用于根据所述旋转矩阵，计算所述待检测图像的靶标区域图像相对于所述标准靶标图像的旋转角度值；

中值计算模块，用于对所述靶标区域图像相对于所述标准靶标图像的所有旋转角度值进行排序并计算中值，得到飞行装置的当前航向到标准靶标图像正向的靶标角度。

Images