本發(fā)明涉及無(wú)人機(jī)技術(shù)領(lǐng)域，特別是涉及一種無(wú)人機(jī)飛行速度的測(cè)量方法及裝置。

背景技術(shù)：

無(wú)人機(jī)是利用無(wú)線(xiàn)電遙控設(shè)備和自備的程序控制裝置操縱的不載人飛機(jī)。一般情況下，采用gps定位系統(tǒng)與慣性測(cè)量系統(tǒng)相結(jié)合的方式來(lái)實(shí)現(xiàn)無(wú)人機(jī)的飛行控制，在無(wú)gps的情況下，則需要獲取無(wú)人機(jī)的飛行速度來(lái)控制無(wú)人機(jī)的飛行狀態(tài)。

目前，在無(wú)gps的情況下，借助安裝于無(wú)人機(jī)底部的攝像頭采集圖像數(shù)據(jù)，然后采用金字塔光流算法或塊匹配光流算法計(jì)算兩幀圖像的運(yùn)動(dòng)矢量，進(jìn)而得到光流速度，最后根據(jù)高度測(cè)量傳感器獲取高度和光流速度即可計(jì)算得到無(wú)人機(jī)的飛行速度。

在現(xiàn)有技術(shù)中，塊匹配方法最小只能測(cè)量一個(gè)像素的精度，當(dāng)無(wú)人機(jī)以較低的速度移動(dòng)時(shí)計(jì)算不出實(shí)際的飛行速度；金字塔光流算法適用于小運(yùn)動(dòng)，圖像隨時(shí)間的運(yùn)動(dòng)比較緩慢，當(dāng)無(wú)人機(jī)以較高的速度移動(dòng)時(shí)，計(jì)算速度緩慢，并且速度測(cè)量范圍較小，無(wú)法滿(mǎn)足實(shí)際應(yīng)用情況。因此，如何更精確、更快地測(cè)量無(wú)人機(jī)飛行速度成為本領(lǐng)域技術(shù)人員要解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明主要解決的技術(shù)問(wèn)題是提供一種無(wú)人機(jī)飛行速度的測(cè)量方法及裝置，實(shí)現(xiàn)更精確、計(jì)算速度更快的無(wú)人機(jī)飛行速度的測(cè)量。

為了解決上述技術(shù)問(wèn)題，本發(fā)明包括以下技術(shù)方案：

提供一種無(wú)人機(jī)飛行速度的測(cè)量方法，所述方法包括：

s1：獲取圖像信息，并做灰度化處理，獲取圖像灰度圖；

s2：采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度；

s3：更新圖像灰度圖，同時(shí)判斷所述飛行速度是否大于第一閾值；

s4：當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度；反之，繼續(xù)使用所述金字塔光流算法獲取光流速度；

s5：根據(jù)步驟s4中所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度；

s6：循環(huán)步驟s3-s5。

進(jìn)一步地，所述步驟s3中的第一閾值由如下公式得出：

vmax＝hwnffps/f

其中，vmax為第一閾值；

h為無(wú)人機(jī)飛行的相對(duì)高度值；

w為金字塔光流算法測(cè)量的最大寬度；

n為單個(gè)像素的寬度；

ffps為圖像頻率；

f為圖像傳感器鏡頭的焦距值。

進(jìn)一步地，所述步驟s4中塊匹配光流算法獲取光流速度的具體步驟為：

(1)獲取前后兩幀圖像灰度圖，從當(dāng)前幀圖像灰度圖中隨機(jī)選取待匹配塊；

(2)根據(jù)匹配準(zhǔn)則從后一幀圖像灰度圖內(nèi)搜索與當(dāng)前幀圖像灰度圖中所述待匹配塊對(duì)應(yīng)的搜索塊，并獲取所述搜索塊相對(duì)于所述待匹配塊的位置信息變化情況；

(3)進(jìn)一步基于匹配準(zhǔn)則以及所獲取搜索塊的位置信息找出待匹配塊在后一幀圖像灰度圖中匹配度最好的匹配位置；

(4)根據(jù)匹配位置相對(duì)于待匹配塊的位置信息變化情況得到光流向量，通過(guò)差分，獲取光流速度。

進(jìn)一步地，所述步驟(3)具體為：

將所述待匹配塊和搜索塊分別分割成對(duì)應(yīng)的多個(gè)小像素塊，分別對(duì)應(yīng)建立以一個(gè)小像素塊為中心的周?chē)?個(gè)方向的搜索區(qū)域；

分別獲取所述搜索塊內(nèi)所有小像素塊與待匹配塊中對(duì)應(yīng)的小像素塊的8個(gè)方向的灰度差值；

將所有小像素塊對(duì)應(yīng)的8個(gè)方向的灰度差值進(jìn)行加權(quán)平均，得出灰度差值最大的方向，即為匹配位置相對(duì)于所述搜索塊的偏移方向；

求取所述匹配位置相對(duì)于搜索塊的水平方向偏移量以及垂直方向偏移量，從而獲取匹配位置相對(duì)于待匹配塊的位置信息變化情況。

進(jìn)一步地，所述步驟s2中采用金字塔光流算法獲取光流速度的具體步驟為：

對(duì)獲取的前后兩幀圖像灰度圖進(jìn)行金字塔分層；

從當(dāng)前幀圖像灰度圖中提取特征點(diǎn)；

根據(jù)所述當(dāng)前幀圖像灰度圖的特征點(diǎn)從所述后一幀圖像中搜索對(duì)應(yīng)的特征點(diǎn)；

根據(jù)所述當(dāng)前幀圖像的最頂層圖像的特征點(diǎn)和所述后一幀圖像的最頂層圖像相對(duì)應(yīng)的特征點(diǎn)獲取特征點(diǎn)在頂層圖像層中的速度；

依次獲取所述特征點(diǎn)在分層后其它各圖層中的速度，金字塔最底層的圖像層中的特征點(diǎn)速度即為光流速度。

進(jìn)一步地，所述的無(wú)人機(jī)飛行速度的測(cè)量方法，步驟s2和s3之間還包括以下步驟：

判斷圖像頻率是否滿(mǎn)足預(yù)設(shè)條件，所述圖像頻率滿(mǎn)足預(yù)設(shè)條件，則執(zhí)行步驟s3。

進(jìn)一步地，所述圖像頻率不滿(mǎn)足預(yù)設(shè)條件時(shí)，還包括以下步驟：

a.更新圖像灰度圖，并進(jìn)一步判斷所述飛行速度是否大于第二閾值；

b.當(dāng)所述飛行速度大于所述第二閾值，則使用金字塔光流算法獲取光流速度；反之，則使用塊匹配光流算法獲取光流速度；

c.根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度；

d.循環(huán)步驟a-c。

本發(fā)明還提供了一種無(wú)人機(jī)飛行速度的測(cè)量裝置，包括：

圖像傳感器，用于獲取圖像；

高度傳感器，用于采集無(wú)人機(jī)的相對(duì)高度數(shù)據(jù)；

處理器，與所述圖像傳感器/所述陀螺儀和所述高度測(cè)量?jī)x均電性連接，所述處理器用于執(zhí)行計(jì)算機(jī)指令以對(duì)圖像傳感器獲取的圖像信息進(jìn)行灰度化處理，獲取圖像灰度圖，采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度，更新圖像灰度圖，同時(shí)判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

進(jìn)一步地，所述處理器判斷圖像頻率是否滿(mǎn)足預(yù)設(shè)條件，所述圖像頻率滿(mǎn)足預(yù)設(shè)條件，更新圖像灰度圖，同時(shí)判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

進(jìn)一步地，所述圖像頻率不滿(mǎn)足預(yù)設(shè)條件時(shí)，更新圖像灰度圖，并進(jìn)一步判斷所述飛行速度是否大于第二閾值，當(dāng)所述飛行速度大于所述第二閾值，則使用金字塔光流算法獲取光流速度，反之，則使用塊匹配光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

采用上述技術(shù)方案，包括以下有益效果：本發(fā)明采用金字塔光流算法和塊匹配光流算法獲取光流速度，對(duì)塊匹配光流算法提出了改進(jìn)，根據(jù)匹配準(zhǔn)則進(jìn)一步獲取更精確的匹配位置，與現(xiàn)有技術(shù)相比，提高了塊匹配光流算法的測(cè)量精度，并根據(jù)閾值選擇更加適合的光流算法，提高了無(wú)人機(jī)飛行速度的測(cè)量精度和計(jì)算速度。

附圖說(shuō)明

圖1為本發(fā)明第一實(shí)施例的無(wú)人機(jī)的飛行速度的測(cè)量方法的流程圖；

圖2為本發(fā)明第一實(shí)施例的依據(jù)塊匹配光流算法獲取光流速度的流程圖；

圖3為本發(fā)明第一實(shí)施例的待匹配塊的示意圖；

圖4為本發(fā)明第一實(shí)施例的搜索塊的示意圖；

圖5為本發(fā)明第一實(shí)施例的一個(gè)小像素塊為中心的周?chē)?個(gè)方向的搜索區(qū)域的示意圖；

圖6為本發(fā)明第二實(shí)施例的無(wú)人機(jī)的飛行速度的測(cè)量方法的流程圖；

圖7為本發(fā)明實(shí)施例的無(wú)人機(jī)的飛行速度的測(cè)量裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在本發(fā)明中，術(shù)語(yǔ)“上”、“下”、“左”、“右”、“前”、“后”、“頂”、“底”、“內(nèi)”、“外”、“中”、“豎直”、“水平”、“橫向”、“縱向”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系。這些術(shù)語(yǔ)主要是為了更好地描述本發(fā)明及其實(shí)施例，并非用于限定所指示的裝置、元件或組成部分必須具有特定方位，或以特定方位進(jìn)行構(gòu)造和操作。

并且，上述部分術(shù)語(yǔ)除了可以用于表示方位或位置關(guān)系以外，還可能用于表示其他含義，例如術(shù)語(yǔ)“上”在某些情況下也可能用于表示某種依附關(guān)系或連接關(guān)系。對(duì)于本領(lǐng)域普通技術(shù)人員而言，可以根據(jù)具體情況理解這些術(shù)語(yǔ)在本發(fā)明中的具體含義。

此外，術(shù)語(yǔ)“安裝”、“設(shè)置”、“設(shè)有”、“連接”、“相連”“套接”應(yīng)做廣義理解。例如，可以是固定連接，可拆卸連接，或整體式構(gòu)造；可以是機(jī)械連接，或電連接；可以是直接相連，或者是通過(guò)中間媒介間接相連，又或者是兩個(gè)裝置、元件或組成部分之間內(nèi)部的連通。對(duì)于本領(lǐng)域普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語(yǔ)在本發(fā)明中的具體含義。

除非另有說(shuō)明，“多個(gè)”的含義為兩個(gè)或兩個(gè)以上。

下面通過(guò)具體的實(shí)施例并結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)描述。

實(shí)施例一：

圖1為本發(fā)明實(shí)施例一提供的一種無(wú)人機(jī)的飛行速度的測(cè)量方法的流程圖。需注意的是，若有實(shí)質(zhì)上相同的結(jié)果，本發(fā)明的方法并不以圖1所示的流程順序?yàn)橄蕖Ｈ鐖D1所示，該方法具體包括：

s110：獲取圖像信息，并做灰度化處理，獲取圖像灰度圖。

其中，由圖像傳感器獲取地面的實(shí)時(shí)圖像信息，對(duì)獲取的實(shí)時(shí)圖像信息作灰度化處理，獲取連續(xù)的圖像灰度圖。

s120：采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

需要說(shuō)明的是，金字塔光流算法將二維速度場(chǎng)與灰度相聯(lián)系，引入光流約束方程，得到光流計(jì)算的基本算法?；谖矬w移動(dòng)的光學(xué)特性提出了兩個(gè)假設(shè)：①運(yùn)動(dòng)物體的灰度在很短的間隔時(shí)間內(nèi)保持不變；②時(shí)間連續(xù)或者運(yùn)動(dòng)是小運(yùn)動(dòng)，圖像隨時(shí)間的運(yùn)動(dòng)比較緩慢，實(shí)際中指的是時(shí)間變化相對(duì)圖像中的運(yùn)動(dòng)的比例要足夠小。基于上述兩個(gè)假設(shè)的前提，使用金字塔光流算法計(jì)算光流速度存在以下問(wèn)題：對(duì)無(wú)人機(jī)的飛行速度、圖像頻率以及處理器硬件有一定的要求，并且速度測(cè)量范圍較小，當(dāng)無(wú)人機(jī)的飛行速度過(guò)快，容易出現(xiàn)誤差較大甚至完全錯(cuò)誤的問(wèn)題，而提高圖像頻率能夠解決飛行速度過(guò)快時(shí)導(dǎo)致的誤差或錯(cuò)誤問(wèn)題，但是同時(shí)會(huì)帶來(lái)計(jì)算速度的問(wèn)題，提高圖像頻率將導(dǎo)致處理器計(jì)算量增大，對(duì)處理器的硬件配置要求較高，無(wú)法實(shí)現(xiàn)低成本地準(zhǔn)確測(cè)量。對(duì)于小運(yùn)動(dòng)，即無(wú)人機(jī)飛行速度較慢時(shí)，使用金字塔算法計(jì)算光流速度的準(zhǔn)確度較高，實(shí)時(shí)性較強(qiáng)。

s130：更新圖像灰度圖，同時(shí)判斷所述飛行速度是否大于第一閾值。

其中，飛行速度是步驟s120得到的飛行速度，此步驟用于判斷下一圖像灰度圖采用何種光流算法獲取光流速度。

s140：當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度。

其中，雖然金字塔光流算法計(jì)算光流速度準(zhǔn)確度較高，實(shí)時(shí)性較強(qiáng)，但其具有一定的局限性，當(dāng)無(wú)人機(jī)飛行速度過(guò)快時(shí)，實(shí)時(shí)性較差，而塊匹配光流算法是光流算法中最為快速的一類(lèi)方法，具有運(yùn)算速度快、易實(shí)現(xiàn)等優(yōu)點(diǎn)，但同時(shí)也存在運(yùn)算不準(zhǔn)確的缺點(diǎn)。在本實(shí)施例中根據(jù)第一閾值，選擇更適合的光流算法獲取光流速度。

s150：根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

需要說(shuō)明的是，當(dāng)獲取無(wú)人機(jī)的飛行速度后，將重復(fù)步驟s130至s150。獲取無(wú)人機(jī)的飛行速度后，更新圖像灰度圖，并同時(shí)判斷所述飛行速度是否大于第一閾值，假設(shè)獲取的無(wú)人機(jī)飛行速度大于第一閾值，則使用塊匹配光流算法獲取光流速度，并根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度；反之，則使用金字塔光流算法獲取光流速度，最后根據(jù)獲取的光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

在本實(shí)施例中，所述步驟s130中的第一閾值由如下公式得出：

vmax＝hwnffps/f

其中，vmax為第一閾值；

h為無(wú)人機(jī)飛行的相對(duì)高度值，由高度傳感器獲??；

w為金字塔光流算法測(cè)量的最大寬度；

n為單個(gè)像素的寬度；

ffps為圖像頻率；

f為圖像傳感器鏡頭的焦距。

其中，第一閾值的大小與金字塔光流算法能夠測(cè)量的最大范圍有關(guān)，相關(guān)因素有無(wú)人機(jī)飛行的相對(duì)高度、圖像分辨率、單個(gè)像素的寬度、圖像頻率、圖像傳感器鏡頭的焦距。例如，假設(shè)無(wú)人機(jī)飛行的相對(duì)高度為1m，圖像分辨率為320*240，金字塔光流算法計(jì)算精度為0.1pix，測(cè)量的最大寬度為10pix，單個(gè)像素的寬度為3*10^-6m，圖像頻率為50hz，圖像傳感器鏡頭的焦距為2.6mm，在不進(jìn)行降采樣的情況下，

第一閾值的大小為vmax＝10*10*3*10^-6*50/28*10^-3≈0.58(m/s)，在其他條件不變、無(wú)人機(jī)飛行的相對(duì)高度為2m時(shí)，第一閾值的大小為1.16m/s，依次類(lèi)推，可以得到不同的相對(duì)高度對(duì)應(yīng)下的第一閾值大小。

需要說(shuō)明的是，若圖像進(jìn)行降采樣，則第一閾值的大小隨之發(fā)生變化，變化的大小與降采樣的變化相對(duì)應(yīng)。

本實(shí)施例中，針對(duì)塊匹配光流算法運(yùn)算不準(zhǔn)確的缺點(diǎn)提出如下解決方案，所述塊匹配光流算法獲取光流速度的具體步驟為：

s201：獲取前后兩幀圖像灰度圖，從當(dāng)前幀圖像灰度圖中隨機(jī)選取待匹配塊。

其中，特征塊可以為方形區(qū)域，也可以為其他形式的區(qū)域，在此不作限制。

s202：根據(jù)匹配準(zhǔn)則從后一幀圖像灰度圖內(nèi)搜索與當(dāng)前幀圖像灰度圖中所述待匹配塊對(duì)應(yīng)的搜索塊，并獲取所述搜索塊相對(duì)于所述待匹配塊的位置信息變化情況。

其中，根據(jù)匹配準(zhǔn)則在后一幀圖像灰度圖中給定的搜索范圍內(nèi)找出與所述待匹配塊最為相似的一塊，從而獲取所述待匹配塊在后一幀圖像灰度圖中對(duì)應(yīng)的搜索塊。

本實(shí)施例采用絕對(duì)誤差和準(zhǔn)則(sad算法)的匹配準(zhǔn)則找到對(duì)應(yīng)的特征塊，也可以采用其他匹配準(zhǔn)則，在此不做限制。

具體方法，如圖3和圖4所示，t時(shí)刻對(duì)應(yīng)當(dāng)前幀圖像灰度圖，在t’時(shí)刻對(duì)應(yīng)后一幀圖像灰度圖，sad算法通過(guò)以下公式進(jìn)行計(jì)算：

其中，g0為當(dāng)前幀圖像的灰度值，(i，j)為當(dāng)前幀圖像待匹配塊中某一個(gè)像素點(diǎn)的x、y軸方向的坐標(biāo)，g0(i，j)為當(dāng)前幀圖像待匹配塊內(nèi)部像素點(diǎn)的灰度值，m表示像素塊的x軸方向像素點(diǎn)個(gè)數(shù)，n為像素塊x軸方向的像素個(gè)數(shù)，g1為后一幀圖像的灰度值，u表示x軸方向的搜索像素個(gè)數(shù)，v表示y軸方向上的像素個(gè)數(shù)，g1(i+u，j+v)為當(dāng)前幀圖像待匹配塊投射到后一幀圖像中相同位置后并沿x軸方向、y軸方向分別移動(dòng)u、v像素的像素塊中每一個(gè)像素點(diǎn)的灰度值。

其中，通過(guò)令當(dāng)前幀圖像的待匹配塊在后一幀灰度圖內(nèi)搜索灰度差和最小，獲取所述搜索塊相對(duì)于所述待匹配塊的位置信息變化情況。

需要說(shuō)明的是，sad算法可通過(guò)采用匯編語(yǔ)言或者提高圖像分辨率來(lái)提高sad算法的計(jì)算速度。sad算法還可通過(guò)降采樣的方式達(dá)到更廣的測(cè)量范圍，尤其適合較高的飛機(jī)速度，確保測(cè)量數(shù)據(jù)的準(zhǔn)確性和計(jì)算速度。

s203：將所述待匹配塊和搜索塊分別分割成對(duì)應(yīng)的多個(gè)小像素塊，分別對(duì)應(yīng)建立以一個(gè)小像素塊為中心的周?chē)?個(gè)方向的搜索區(qū)域。

其中，如圖4和圖5所示，將所述待匹配塊與搜索塊分割成多個(gè)小像素塊，取其中一個(gè)像素塊s0，坐標(biāo)為(i0，j0)，灰度值記為s0(i0，j0)，建立以像素塊s0為中心的周?chē)?個(gè)小像素塊的搜索區(qū)域，搜索區(qū)域內(nèi)各像素塊灰度值為s1(i1，j1)、s2(i2，j2)，s3(i3，j3)、s4(i4，j4)、s5(i5，j5)、s6(i6，j6)、s7(i7，j7)和s8(i8，j8)。

s204：分別獲取所述搜索塊內(nèi)所有小像素塊與待匹配塊中對(duì)應(yīng)的小像素塊的8個(gè)方向的灰度差值。

其中，以像素塊s0在當(dāng)前幀圖像灰度圖中的8個(gè)方向的灰度值為：

根據(jù)相同的方法得出，像素塊s0在后一幀圖像灰度圖中的8個(gè)方向的灰度值為：

q’1、q’2、q’3、q’4、q’5、q’6、q’7、q’8；

像素塊s0在當(dāng)前幀圖像與后一幀圖像中各方向的灰度差值為qk＝q’k-qk，依次求出像素塊s0在當(dāng)前幀圖像與后一幀圖像中8個(gè)方向的灰度差值。

其中，依據(jù)上述方法分別獲取所述搜索塊內(nèi)所有的小像素塊與待匹配塊中對(duì)應(yīng)的小像素塊的8個(gè)方向的灰度差值。

s205：將所有小像素塊對(duì)應(yīng)的8個(gè)方向的灰度差值進(jìn)行加權(quán)平均，得出灰度差值最大的方向，即為匹配位置相對(duì)于所述搜索塊的偏移方向。

其中，將所有小像素塊對(duì)應(yīng)的8個(gè)方向的灰度差值進(jìn)行加權(quán)平均，最終得出灰度差值最大的一個(gè)方向。例如，求得的所有小像素塊q1方向的灰度差值q1最大，則匹配位置整體向x軸負(fù)方向、y軸負(fù)方向移動(dòng)。

s206：求取所述匹配位置相對(duì)于搜索塊的水平方向偏移量以及垂直方向偏移量，從而獲取匹配位置相對(duì)于待匹配塊的位置信息變化情況。

其中，水平方向偏移量為所述小像素塊水平方向的像素的一半，垂直方向偏移量為所述小像素塊垂直方向的像素的一半。假設(shè)分割的小像素塊分辨率為16x16，則匹配位置在水平方向的偏移量為16/2，在垂直方向上的偏移量為16/2。

s207：根據(jù)匹配位置相對(duì)于待匹配塊的位置信息變化情況得到光流向量，通過(guò)差分，獲取光流速度。

其中，根據(jù)s205步驟中得出的偏移方向，扣除或增加所述水平方向和垂直方向的偏移量，進(jìn)一步提高塊匹配光流算法的計(jì)算精度。承接上述舉例，所述搜索塊整體向x軸負(fù)方向、y軸負(fù)方向移動(dòng)，得出搜索塊整體向x軸負(fù)方向移動(dòng)8個(gè)像素點(diǎn)，向y軸負(fù)方向移動(dòng)8個(gè)像素點(diǎn)，即為匹配度最好的匹配位置，將所述待匹配塊與搜索塊的位置信息變化(u，v)扣除所述偏移量，得到光流向量(u-8，v-8)，通過(guò)差分，獲得光流速度。

需要說(shuō)明的是，本發(fā)明將所述待匹配塊與搜索塊進(jìn)一步分割成多個(gè)小像素塊，進(jìn)一步基于匹配準(zhǔn)則以及所獲取搜索塊的位置信息找出待匹配塊在后一幀圖像灰度圖中匹配度最好的匹配位置，從而求得更精確的匹配位置，提高了塊匹配光流算法的精確度。

在本實(shí)施例中，所述金字塔光流算法獲取光流速度包括：

(1)對(duì)獲取的前后兩幀圖像灰度圖進(jìn)行金字塔分層。

(2)從當(dāng)前幀圖像灰度圖中提取特征點(diǎn)。

其中，求取金字塔分層后位于金字塔塔頂?shù)漠?dāng)前幀圖像的頂層圖像曾中各像素沿圖像x軸和圖像y軸的灰度值，并利用harris角點(diǎn)算法、sift特征點(diǎn)檢測(cè)算法或者fast特征點(diǎn)檢測(cè)算法從當(dāng)前幀圖像中提取特征點(diǎn)，其中，特征點(diǎn)理解為與相鄰像素點(diǎn)相比灰度發(fā)生明顯變化的像素點(diǎn)。

(3)根據(jù)所述當(dāng)前幀圖像灰度圖的特征點(diǎn)從所述后一幀圖像中搜索對(duì)應(yīng)的特征點(diǎn)。

(4)根據(jù)所述當(dāng)前幀圖像的最頂層圖像的特征點(diǎn)和所述后一幀圖像的最頂層圖像相對(duì)應(yīng)的特征點(diǎn)獲取特征點(diǎn)在頂層圖像層中的速度。

(5)依次獲取所述特征點(diǎn)在分層后其它各圖層中的速度，金字塔最底層的圖像層中的特征點(diǎn)速度即為光流速度。

需要說(shuō)明的是，金字塔光流算法計(jì)算光流速度采用現(xiàn)有的計(jì)算算法，優(yōu)選lk光流改進(jìn)算法。

本發(fā)明實(shí)施例提供了一種無(wú)人機(jī)飛行速度的測(cè)量方法，采用金字塔光流算法和塊匹配光流算法獲取光流速度，對(duì)塊匹配光流算法提出了改進(jìn)，根據(jù)匹配準(zhǔn)則進(jìn)一步獲取更精確的匹配位置，與現(xiàn)有技術(shù)相比，提高了塊匹配光流算法的測(cè)量精度，并根據(jù)第一閾值選擇更加適合的光流算法，提高了無(wú)人機(jī)飛行速度的測(cè)量精度和計(jì)算速度。

實(shí)施例二：

由于金字塔光流算法的計(jì)算量大，圖像頻率或處理器也會(huì)影響金字塔光流算法獲取光流速度的速度。當(dāng)頻率達(dá)到一定的閾值，采用金字塔光流算法計(jì)算的光流速度的延時(shí)就會(huì)比較長(zhǎng)，計(jì)算速度會(huì)變慢。在沒(méi)有g(shù)ps的情況下，依靠飛行速度實(shí)現(xiàn)無(wú)人機(jī)的定位時(shí)，延時(shí)較長(zhǎng)，將會(huì)嚴(yán)重影響無(wú)人機(jī)的定位準(zhǔn)確性。

本實(shí)施例針對(duì)上述問(wèn)題，在實(shí)施例一的基礎(chǔ)上提出如下解決方案，圖7為本發(fā)明實(shí)施例二提供的一種無(wú)人機(jī)的飛行速度的測(cè)量方法的流程圖，具體包括：

獲取圖像信息，并做灰度化處理，獲取圖像灰度圖；

采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度；

判斷圖像頻率是否滿(mǎn)足預(yù)設(shè)條件，所述圖像頻率滿(mǎn)足預(yù)設(shè)條件，則更新圖像灰度圖，同時(shí)判斷所述飛行速度是否大于第一閾值；

當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度；

根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

其中，所述圖像頻率滿(mǎn)足預(yù)設(shè)條件，則達(dá)到了金字塔光流算法對(duì)計(jì)算速度的要求，但是金字塔光流算法還需要滿(mǎn)足運(yùn)動(dòng)是小運(yùn)動(dòng)條件，則進(jìn)一步，更新圖像灰度圖，同時(shí)判斷所述飛行速度是否在設(shè)定的第一閾值范圍內(nèi)。

其中，所述預(yù)設(shè)條件為圖像頻率小于頻率閾值，頻率閾值的大小與金字塔光流算法的計(jì)算速度密切相關(guān)，所述頻率閾值的計(jì)算公式為

fmax＝1/t

fmax為頻率閾值；

t為金字塔光流算法計(jì)算光流速度所花的時(shí)間。

例如，假設(shè)圖像分辨率為320*240，所述處理器型號(hào)為高通驍龍810，金字塔分層為3層，提取的特征點(diǎn)數(shù)目為10個(gè)。經(jīng)實(shí)驗(yàn)，在上述條件下，使用金字塔光流算法獲取光流速度的時(shí)間為20ms，則頻率閾值fmax的大小為50hz。

在本實(shí)施例中，所述圖像頻率不滿(mǎn)足預(yù)設(shè)條件時(shí)，還包括以下步驟：

a.更新圖像灰度圖，并同時(shí)判斷所述飛行速度是否大于第二閾值；

b.當(dāng)所述飛行速度大于第二閾值，則使用金字塔光流算法獲取光流速度；反之，則使用塊匹配光流算法獲取光流速度；

c.根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度；

d.循環(huán)步驟a-c。

其中，當(dāng)圖像頻率不滿(mǎn)足預(yù)設(shè)條件，則判斷所述飛行速度是否大于第二閾值，塊匹配光流算法具有運(yùn)算速度快的優(yōu)勢(shì)，當(dāng)圖像頻率過(guò)大時(shí)，采用塊匹配光流算法計(jì)算速度會(huì)比金字塔光流算法快很多，但同時(shí)塊匹配光流算法具有計(jì)算不夠精確的缺點(diǎn)，設(shè)定的第二閾值為塊匹配光流算法能夠計(jì)算準(zhǔn)確的最大范圍，超過(guò)第二閾值使用塊匹配光流算法準(zhǔn)確度大大下降，雖然此時(shí)使用金字塔光流算法實(shí)時(shí)性上會(huì)略低，但其準(zhǔn)確性會(huì)比塊匹配光流算法高很多。

其中，第二閾值的具體計(jì)算公式為

v0＝hwmnffps/f

其中，v0為第二閾值；

h為無(wú)人機(jī)飛行的相對(duì)高度值，由高度傳感器獲取；

wm為塊匹配光流算法測(cè)量的最大寬度；

n為單個(gè)像素的寬度；

ffps為圖像頻率；

f為圖像傳感器鏡頭的焦距。

具體的，第二閾值的大小與無(wú)人機(jī)飛行的相對(duì)高度、塊匹配光流算法可測(cè)量的最大寬度、單個(gè)像素的寬度、圖像頻率、圖像傳感器鏡頭的焦距相關(guān)。例如，假設(shè)無(wú)人機(jī)飛行的相對(duì)高度為1m，塊匹配光流算法測(cè)量的最大寬度為4.5pix，單個(gè)像素的寬度為3*10^-6m，圖像頻率為50hz，圖像傳感器鏡頭的焦距為2.6mm，在不進(jìn)行降采樣處理的情況下，

第二閾值的大小為v0＝1*4.5*3*10-6*50/2.6*10^-3≈0.26(m/s)。在其他條件不變、無(wú)人機(jī)飛行的相對(duì)高度為2m時(shí)，第二閾值的大小為0.52m/s，依次類(lèi)推，可以得到不同的相對(duì)高度對(duì)應(yīng)下的第二閾值大小。

需要說(shuō)明的是，若圖像進(jìn)行降采樣，則第一閾值的大小隨之發(fā)生變化，變化的大小與降采樣的變化相對(duì)應(yīng)。

實(shí)施例三：

本實(shí)施例提供了一種無(wú)人機(jī)飛行速度的測(cè)量裝置，包括：

圖像傳感器，用于獲取圖像；

高度傳感器，用于采集無(wú)人機(jī)的高度數(shù)據(jù)；

處理器，與所述圖像傳感器/所述陀螺儀和所述高度測(cè)量?jī)x均電性連接，所述處理器用于執(zhí)行計(jì)算機(jī)指令以對(duì)圖像傳感器獲取的圖像信息進(jìn)行灰度化處理，獲取圖像灰度圖，采用金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度，更新圖像灰度圖，同時(shí)判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

在本實(shí)施例中，所述處理器判斷圖像頻率是否滿(mǎn)足預(yù)設(shè)條件，所述圖像頻率滿(mǎn)足預(yù)設(shè)條件，更新圖像灰度圖，同時(shí)判斷所述飛行速度是否大于第一閾值，當(dāng)所述飛行速度大于第一閾值，轉(zhuǎn)換至塊匹配光流算法獲取光流速度，反之，繼續(xù)使用所述金字塔光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

在本實(shí)施例中，所述圖像頻率不滿(mǎn)足預(yù)設(shè)條件時(shí)，更新圖像灰度圖，并進(jìn)一步判斷所述飛行速度是否大于第二閾值，當(dāng)所述飛行速度大于所述第二閾值，則使用金字塔光流算法獲取光流速度；反之，則使用塊匹配光流算法獲取光流速度，根據(jù)所述光流速度和無(wú)人機(jī)的高度數(shù)據(jù)獲取無(wú)人機(jī)的飛行速度。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。