CN113888630B 一种具备置信度估计的无人机姿态检测方法及系统 （西安微电子技术研究所）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113888630B(45)授权公告日2025.07.01

(21)申请号202111277574.X

(22)申请日2021.10.29

(65)同一申请的已公布的文献号申请公布号CN113888630A

(43)申请公布日2022.01.04

(73)专利权人西安微电子技术研究所

地址710065陕西省西安市雁塔区太白南

路198号

(72)发明人王钟犀马钟王莉张栩培毕瑞星

(74)专利代理机构西安通大专利代理有限责任公司61200

专利代理师崔方方

(51)Int.CI.

GO6T7/70(2017.01)

G06T7/11(2017.01)

GO6V10/764(2022.01)

GO6V10/774(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/048(2023.01)

GO6N3/047(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN105644785A,2016.06.08

CN110705623A,2020.01.17审查员卢明

权利要求书4页说明书11页附图3页

(54)发明名称

一种具备置信度估计的无人机姿态检测方法及系统

(57)摘要

CN113888630B本发明提供一种具备置信度估计的无人机姿态检测方法及系统，包括：步骤A:通过全卷积神经网络对输入图像进行像素级别的天空区域与非天空区域的分割，从天空区域的图像提取出天际线坐标，根据天际线坐标拟合最优直线方程，得到天际线拟合直线；步骤B:通过训练好的高斯判别分析模型估计出天际线拟合直线的置信度，若天际线拟合直线的置信度高于预设的最佳分类阈值，则进行步骤C;步骤C:基于天际线拟合直线实时估计出无人机姿态角信息。本发明基于高斯判别分析的置信度估计算法在检测结果

CN113888630B

俯

俯仰角滚转角

高斯判别分析

提取天际线坐标

分分上量2

提取天空区域最大轮廓坐标

概率图N

解码网络F

热,

护鸽络F

步骤A

步骤B

步骤C

CN113888630B权利要求书1/4页

2

1.一种具备置信度估计的无人机姿态检测方法，其特征在于，包括以下步骤：

步骤A:读取当前帧的输入图像，通过全卷积神经网络提取图像特征并编码成对应的热图，将热图放大至输入图像大小，并解码为各像素的分类概率，输出概率图，对概率图逐像素进行类别标定，生成分割二值图，得到天空区域的图像，从天空区域的图像提取得到天际线坐标，并根据天际线坐标拟合最优直线方程，得到天际线拟合直线；

步骤B:根据概率图和分割二值图，量化得到分割质量Q和天际线的弯曲度T;运用训练

好的高斯判别分析模型对分割质量Q和弯曲度T进行多元高斯建模；根据已经习得的样本分布情况，高斯判别分析模型求取天际线拟合直线的置信度，若天际线拟合直线的置信度高于预设的最佳分类阈值，则进行步骤C,否则，返回步骤A读取下一帧的输入图像；

分割质量Q和弯曲度T的计算公式如下：

Q=|μo一μ1l

其中，μo表示被预测为天空的像素成为天空的平均概率值，μ1表示被预测为非天空的像素成为天空的平均概率值，Rsp(i)和RLp(i)分别代表预测天际线Sp和天际线拟合直线Lp在输入图像第j列的行数，N是输入图像中的总列数；Mijo表示概率图M在通道0中坐标为(i,j)的值，通道0代表天空；0ij为分割二值图0中坐标为(x,y)的像素对应的预测标签，I为输入图像；

步骤C:基于天际线拟合直线实时估计出无人机姿态角信息。

2.根据权利要求1所述的具备置信度估计的无人机姿态检测方法，其特征在于，步骤A中，所述的全卷积神经网络包括编码网络、解码网络、类别标定模块和最优直线提取模块；

步骤A具体是：采用编码网络提取图像特征并编码成对应的热图；解码网络采用上采样方式将热图放大至输入图像大小，并解码为各像素的分类概率，输出概率图；类别标定模块对概率图逐像素进行类别标定，生成分割二值图，得到天空区域的图像；最优直线提取模块从天空区域的图